10.16526/j.cnki.11-4762/tp.2020.07.040
基于RBF-AR的船舶变形极短期预报
统一空间基准是海上作战平台实现精准探测打击的重要保证,而船体角变形的存在将严重影响空间基准的建立;针对这一问题,提出一种基于状态相依自回归(state-dependent auto regressive,SD AR)与径向基(radial basis function,RBF)神经网络的极短期变形预报方法,实现船体角形变的实时预报,为后续角变形的补偿提供依据;不同于传统的时间序列预报方法,该模型用一组RBF网络来逼近SD-AR模型中的函数系数,并采用一种结构化的非线性参数优化方法(structured nonlinear parameter optimization method,SNPOM)辨识该模型;基于该RBF-AR预报模型,给出了船舶变形预报算法设计并进行了仿真实验;实验结果表明,该方法在船体变形预测精度上优于传统时间序列预测方法,具有较好的应用前景.
船体变形、预报、状态相依自回归模型(SD-AR)、径向基神经网络(RBF)
28
U666.12(船舶工程)
2020-08-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
199-203