基于进化快速支持向量的舰船混沌运动在线预报方法研究

Ship motion prediction has very important significance in the sailing and offshore operation. But, in the complicated sea condition, the time series of ship motion can present the phenomenon of mutation and chaos, leading to the motion prediction is extremely complicated. Especially, the application of modern electronic equipment and precision instruments in the military ships and some high-performance civilian ships, put forward higher requirements of precision and timeliness for ship motion prediction. Therefore, considering the nonlinear characteristics of mutation, the noise and chaos in ship motion, this project firstly establishes a method of chaos characteristics identification and its system construction for ship motion chaos prediction, based on the theory of delay coordinates phase space reconstruction, then proposes a ship motion chaos online prediction method using evolved rapidly support vector, based on chaos theory, hybrid evolutionary theory, cat map, cloud model, online support vector forecasting theory and accelerate update algorithm. Finally, the model tests are used to optimize the collaborative operation strategy of model updating and parameters updating of the prediction method, improve the established ship motion prediction method, and verify the feasibility and advantage of proposed forecasting method. The purpose of this project is to studying the nonlinear characteristics of ship motion thoughtfully, improving the accuracy of the forecast results of ship motion, and giving technical support for ship's sailing and operation control in the sea.

舰船的运动预报对其在海上航行、作业具有重要意义。但在复杂海况下，舰船运动的时间序列会出现突变和混沌现象，从而极大影响舰船运动的预报精度，特别是现代电子设备和精密仪器在军用舰船和某些高性能民船上的广泛应用，对舰船运动预报的时效性和精准度提出了更高的要求。为此，本项目拟从舰船运动时间序列的突变和混沌特性出发，首先基于延迟坐标相空间重构理论，提出一种面向舰船混沌运动预报的混沌特性识别和混沌系统构建方法；然后基于混沌理论、混合进化理论、猫映射、云模型、在线支持向量预报理论以及模型加速更新算法，建立一种基于进化快速支持向量的舰船混沌运动在线预报方法；最后利用模型试验，优化预报方法中模型更新与参数更新的协同运行策略，完善预报方法，并基于实验数据，验证提出预报方法的可行性和优越性。旨在深入研究舰船运动的非线性特征，提高舰船运动预报结果的准确性，为舰船在海上航行、作业控制提供技术支持。

舰船运动预报在其航行和作业时的应用十分广泛，可用于优选舰船转向时机，辅助大风浪中航行的控制，减少舰船恶劣海况下作业的事故率，提高船上设备运行精度，同时还可以用于提高舰载武器系统，尤其是导弹的发射精度和猎雷艇的动力定位。特别是对军用舰船进行作战性能评估时，准确的运动预报，对于评价舰船平台适用度，提高舰载机的有效起降时间都是不可或缺的。然而在风浪流耦合作用下，舰船运动的时间序列的突变和混沌等非线性特征为获得准确运动预报结果造成了巨大的障碍，为此本项目从舰船运动时间序列的突变和混沌特性出发，基于混沌理论、深度学习算法、仿生算法和自适应机制，对舰船运动的混沌快速预报方法开展了研究。首先，针对舰船运动的混沌和强非线性特征，建立了面向舰船混沌运动预报的混沌特性识别方法和混沌系统构建方法。其次，提出了面向舰船混沌运动在线预报的DRvSVR模型，建立了DRvSVR模型的快速在线更新算法，设计了DRvSVR模型的参数动态设置机制，构建了基于进化快速支持向量的舰船混沌运动在线预报方法。最后，基于物理模型试验数据，开展了优化算法和模型快速更新算法关键参数标定实验，测试了预报方法的预报性能，优化了协调运行策略。通过具体预报对比，论证了提出的预报方法的可行性和优越性。项目研究进一步丰富了舰船运动的非线性特征理论，提高了舰船运动极短期预报的准确度。可为增强舰船的适航性和耐波性、提高舰船安全性和战斗力、降低安全事故率，提供理论指导和技术支持。