论文部分内容阅读
海面浮体在复杂的风浪流组合环境下,会产生六个自由度的运动,特别是在垂荡、横摇、纵摇三个自由度上,剧烈的运动可能会对海上的人员和工作带来很大的影响,工作人员会感到不适,工程作业的效率降低,甚至由于碰撞造成一定的损失。如果能对浮体的运动进行提前预报,预报的结果,对浮体姿态进行控制,就可以避免很多事故和损失,提高工作效率。因此,对海面浮体在短期内的运动进行预报已经成为一个重要的研究课题。本文针对上述情况,开展了基于时间序列分析的海面浮体运动极短期预报方法研究。本文采用了三种独立方法和两种组合方法对不同特点的海面浮体运动数据进行了预报研究。首先,针对线性平稳运动数据,根据相关函数法进行模型的判定,建立了ARM A模型,分别根据AIC和BIC信息准则法进行模型的定阶,最后采用最小二乘法进行参数的计算。然后,针对非线性平稳运动数据,采用了支持向量机回归(SV R)模型进行处理,并且讨论了核函数、核参数以及惩罚因子参数的选取方法。接着,针对线性非平稳运动数据,采用了基于船艏波输入的卡尔曼滤波模型进行处理,依据卡尔曼滤波原理,推导出卡尔曼预报器公式,基于船体的运动方程,构造出卡尔曼预报模型。最后,针对非线性非平稳运动数据,分别采用了基于经验模态分解的ARMA-EMD-SV R组合方法和基于小波分解的小波-SV R组合方法,并且讨论了经验模态分解边界效应抑制的问题。在上述研究的基础上,对水池模型试验中某钻井船和某半潜式平台的垂荡、横摇、纵摇数据,采用不同的方法分别进行了预报分析,验证了上述方法是准确、有效的。同时通过仿真结果发现,针对不同特征的数据,不同的方法的计算过程和预报精度也会不同。对于规律不明显,非平稳非线性较强的数据,两种组合方法相对直接采用某种单一方法,具有一定的优越性。但是独立方法的计算效率高于组合方法,因此在实际中应该用数据特征来区别采用的方法。本文的研究成果和结论对于海面浮体的极短期运动预报在工程上的应用实践具有一定的参考意义。