一种基于时频分析和bp神经网络的船舶运动预报方法
【专利摘要】本发明公开了一种基于时频分析和BP神经网络的船舶运动预报方法，步骤如下：利用船舶运动传感器对船舶运动进行数据采样；利用自回归（AR）谱分析中的Marple方法得到船舶运动的主要周期运动分量；利用时域分析中的小波分析方法对船舶运动原始数据进行分析和预处理，从中分解出船舶运动的趋势项和噪声项；用BP神经网络拟合趋势项拟合得到船舶的非线性运动模型，从而提供短期的船舶运动预报。该方法完全满足工程应用的实时性要求，对在不同海况条件下船舶运动预报方法的研究具有重要意义。
【专利说明】一种基于时频分析和BP神经网络的船舶运动预报方法
【技术领域】
[0001]本发明涉及一种船舶运动预报方法，适用于船舶上的短期运动预报和系统应用，具体涉及一种基于时频分析和BP神经网络的船舶运动预报方法。
【背景技术】
[0002]本课题研究的目的就是探索一种描述高海情条件下船舶姿态运动的新的预报方法，通过分析其运动规律，为船舶及其设备运动姿态的实时自适应控制提供技术支持。
[0003]船舶在海上航行时，受海浪的扰动将产生六个自由度的摇荡运动。由于实际海浪情况复杂多变，引起的船舶运动也是非常复杂的，各个自由度运动相互耦合构成一个复杂的非线性系统。在实际中，对船舶运动进行预报具有重要的价值，但运动的非线性和随机性给研究带来了困难。因此，建立描述船舶姿态非线性运动的系统模型并进行实时预报具有非常重要的意义。
[0004]文中的重点是利用Marple方法提取船舶运动的主要周期分量，利用小波分析方法对原始数据样本进行了滤波处理，使其更好的反映船舶运动趋势项的特性，再用神经网络方法拟合船舶的非线性运动，从而对船舶运动进行实时的短期预报。
【发明内容】
[0005]本发明提出一种基于时频分析和BP神经网络的船舶运动预报方法，有效提高船舶运动预报的精度、缩短船舶运动预报的准备时间。采用Marple方法提取船舶运动的主要周期分量，采用小波分析方法对船舶运动原始数据做去噪处理，有效提取船舶运动趋势项，减少BP神经网络训练的运算负担，提高神经网络的拟合精度，从而实现了对船舶运动的短期预报。
[0006]本发明的技术解决方案:一种基于时频分析和BP神经网络的船舶运动预报方法，步骤如下:
[0007]步骤(I)、利用船舶运动传感器以50Hz的采样频率对船舶运动进行数据采样；
[0008]步骤(2)、利用Marple分析方法提取船舶运动的主要周期运动分量；
[0009]步骤(3)、利用小波分析方法对船舶运动原始数据进行去噪处理，分离船舶运动的趋势项和噪声项；
[0010]步骤(4)、利用BP神经网络训练上述船舶运动趋势项和主要周期运动分量之间的复杂非线性关系，建立船舶运动的非线性模型；
[0011]步骤(5)、依据上述建立的船舶运动模型，预报未来一段时间内船舶的运动趋势。
[0012]进一步的,步骤(3)中所述小波分析的基函数通过选择,采用Daubechies小波包，分解层数为5层，在时域内对船舶运动数据进行去噪处理，从船舶运动数据中分离出趋势项，便于BP神经网络的训练。
[0013]进一步的，步骤(4)中所述的BP神经网络采用三层神经网络，输入层和输出层都取一个节点，隐含层取3个节点，其目标是实现从输入到输出的高度非线性映射的估计:
【权利要求】
1.一种基于时频分析和BP神经网络的船舶运动预报方法，其特征在于，包括如下步骤: 步骤(1)、利用船舶运动传感器对船舶运动进行数据采样； 步骤(2)、利用自回归(AR)谱分析中的Marple方法得到船舶运动的主要周期运动分量; 步骤(3)、利用小波分析方法对船舶运动数据进行分析和预处理，分解出船舶运动的趋势项和噪声项； 步骤(4)、用BP神经网络拟合船舶运动中的趋势项得到船舶运动的非线性模型，从而提供短期的船舶运动预报。
2.根据权利要求1所述的基于时频分析和BP神经网络的船舶运动预报方法，其特征在于，步骤(1)中所述的利用船舶运动传感器对船舶运动进行数据采样，采样频率为50Hz。
3.根据权利要求1所述的基于时频分析和BP神经网络的船舶运动预报方法，其特征在于，步骤(2)中所述的Marple方法分离船舶运动的主要周期运动分量，在频域内提取船舶运动主要周期运动分量，作为BP神经网络的输入项。
4.根据权利要求1所述的基于时频分析和BP神经网络的船舶运动预报方法，其特征在于，步骤(3)中所述小波分析的基函数通过选择，采用Daubechies小波包，分解层数为5层，在时域内对船舶运动数据进行去噪处理，从船舶运动原始数据中分离出趋势项，作为BP神经网络的输出项，进行BP神经网络的训练。
5.根据权利要求1所述的基于时频分析和BP神经网络的船舶运动预报方法，其特征在于，步骤(4)中所述的BP神经网络采用3层神经网络，输入层和输出层都取一个节点，隐含层取3个节点，其目标是实现从输入到输出的高度非线性映射的估计:
【文档编号】G06N3/08GK103577877SQ201310583115
【公开日】2014年2月12日 申请日期:2013年11月19日 优先权日:2013年11月19日
【发明者】王玮, 丁振兴, 孟跃, 王蕾, 张谦 申请人:北京航空航天大学