【摘 要】
:
近年来无人帆船以其绿色环保、自给自足的特点被广泛应用在多个领域,如海洋数据监测、水域数据采集等。风速、风向数据是影响无人帆船航行性能和决策至关重要的因素,准确的预测未来时刻的风速、风向数据,对无人帆船的安全性、性能以及决策具有重要意义。因此,针对风速、风向预测展开系统深入的研究,具有一定的理论意义和工程价值。本文以风速、风向预测问题为导向,基于深度学习神经网络模型方法,分别进行了单维输入单模型风速
论文部分内容阅读
近年来无人帆船以其绿色环保、自给自足的特点被广泛应用在多个领域,如海洋数据监测、水域数据采集等。风速、风向数据是影响无人帆船航行性能和决策至关重要的因素,准确的预测未来时刻的风速、风向数据,对无人帆船的安全性、性能以及决策具有重要意义。因此,针对风速、风向预测展开系统深入的研究,具有一定的理论意义和工程价值。本文以风速、风向预测问题为导向,基于深度学习神经网络模型方法,分别进行了单维输入单模型风速预测,多维输入混合模型多步风速预测以及单维输入多模型风向预测三部分研究工作。首先,针对传统时间序列分析方法在非线性较强的风速数据上表现不佳的问题,设计了基于长短期记忆(long short-term memory,LSTM)神经网络的风速预测方案。该方案主要由两部分组成,分别是数据处理模块和LSTM神经网络模块,数据处理模块负责原始数据的提取、预处理以及时间序列化。LSTM神经网络模块负责学习输入风速历史序列和输出之间的映射关系,提取未来时刻风速数据与历史序列中的时间依赖关系。为了能够全面评估LSTM方案的预测性能,使用均方根误差(root mean squared error,RMSE)和平均绝对误差(mean absolute error,MAE)评估指标量化模型预测误差,并开发了人工神经网络(artificial neural network,ANN)和循环神经网络(recurrent neural network,RNN)模型作为基准模型,在三个来自不同基站的数据集上进行实验。实验结果表明LSTM预测方案在大部分预测点上具有良好的预测精度。其次,从现实角度来看,自然界风受多种因素影响,考虑到其他因素数据能够为模型提供更多有效信息以及混合模型相比较于单一模型具有更好的鲁棒性,本文设计了一种新颖的基于卷积神经网络(convolutional neural network,CNN)和LSTM的混合神经网络(CNN-LSTM)多步风速预测方案。该方案引入了多维输入数据,充分发挥了CNN在提取空间特征的强大能力和LSTM在分析时间序列特征的优异性能。在超参数优化方面,本文基于网格搜索算法提出了多步网格搜索,提升了超参数的搜索精度。在模型预测性能评估方面,引入了相关系数(correlation coefficient,CC)和R~2指标来评估模型的拟合能力。此外,开发了ANN、RNN、LSTM、CNN四种预测模型作为基准模型,在三个不同的数据集上进行实验。实验结果表明,在每一项测试中CNN-LSTM在绝大多数预测点上均具有更好的精度,在处理不同数据分布的情况下表现出了良好的稳定性。最后,针对风向数据的特殊性,提出使用数据分解的方法解决风向数据从极坐标中转换为数值表示形式所存在的数值突变问题,设计了双LSTM(Double LSTM,DLSTM)混合模型对风向数据各分量以并行的方式进行预测。在超参数优化方面,为了平衡搜索精度和速度问题,本文引入了灰狼优化算法来确定超参数。在模型预测性能评估方面,基于常规RMSE和MAE计算方式进行了相应的调整,使其能够更好地评估真实风向数据和预测值之间的误差情况。此外,开发了两种其他风向预测方案作为对比,实验结果表明,基于灰狼算法优化的DLSTM风向预测方案具有优秀的预测精度,且在数据波动较为严重的时间点上也能较好地预测出风向数据的变化趋势。
其他文献
气动系统具有结构简单、能源清洁、安全可靠等优点,被广泛应用于发电、化工、汽车制造、微电子等工业自动化领域。然而,气动系统固有的强非线性、摩擦力等不利因素使得定位控制技术进展缓慢,而且目前工业领域应用的气动系统成本较高,网络化分布式控制能力较差。因此,为了提升气动系统的定位控制效能以及增强网络化分布式控制能力,本文将气动系统与CAN总线技术相结合,设计了一套控制功能分散、显示操作集中的基于CAN总线
海洋具有丰富的生物资源和矿产资源,是各国开发研究的重点,是人类生存和可持续发展的战略空间和资源要地。伴随着新时期信息技术和智能控制理论的快速发展,世界各国开始推进无人航行器的研究,用于争夺海洋权益开发海洋资源。无人船是一种新型海洋探索工具,可以代替人力在恶劣的海洋环境下执行费力且危险的任务,在军事和民事领域有着广泛的应用前景。运动控制技术是衡量无人船智能化水平的重要标志。本文以欠驱动无人船为研究对
船载风力发电系统因其可以改善船舶的能源供给结构,提高经济与环境效益,在船舶行业中具有广泛的应用前景。直驱式风力发电机的选用,减少了中间的能源转换环节,提高了装置的利用效率。本文面向船载风力发电系统的优化与控制展开研究,旨在提高风能利用系数上限值和改善最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制效果。具体研究工作如下:首先,为提高船载风力发电系统的最大风能
模块化多电平变流器(Modular Multilevel Converter,MMC)具有可扩展性好、电能质量高、故障穿越能力强、可实现能量双向流动的优点,近年来被广泛应用于高压直流输电、中压电机驱动和静止同步补偿器等领域。有源前端MMC作为连接交流电网和直流侧负载的接口,其控制性能的优劣直接影响电能变换的质量。因此,研究在交流电网出现单相电压跌落和电网电压含低次谐波等非理想工况下的有源前端MMC
提高区域创新能力、完善区域创新体系是实施创新驱动发展战略的重要任务,地方政府官员作为经济政策的执行者和制度变迁的推动者,在其中扮演着重要的角色。为了研究官员变更引致的政策不稳定性对区域创新的影响,本文在理论分析的基础上,利用中国268个地级市的面板数据进行实证分析。研究发现:官员变更引致的政策不稳定性抑制了区域创新能力的提升,并且市长变更比市委书记变更的影响更大;如果市委书记由本地市长晋升或官员变
近年来,随着海洋资源日益被开发和利用,船舶运输越来越受到人们的重视。无人船因具有自动化程度高、小巧灵活、成本低等优点,在海洋作业中越来越受到研究人员的重视。无人船避障和协同一直是船舶远洋航行和海上作业必须考虑的问题,如何实时的避免无人船与周围静态和动态障碍物之间的碰撞,是编队控制中需要考虑的核心点之一。从保证无人船远洋航行安全和提高海上作业效率角度出发,本课题提出三种无人船防碰撞路径跟踪及协同控制
因为输电网三相对称,所以能够使用单相模型,只需要计算单相潮流就能满足要求。而配电网中由于三相负荷和网络结构都不对称,必须进行三相潮流计算。由于不接地配网进行三相潮流计算时,需要考虑三相电流之和为0的约束条件。有文献采用电流注入型牛顿法处理此问题,增加了三相电流之和为0的约束条件,为了使约束方程的数量与状态变量的数量相等,需要将端点的三相功率作为待求状态变量。这一处理方法与配电负荷的功率给定值不相符
近年来,在船舶电力推进领域出现了一种高度集成的电力推进装置—无轴轮缘推进器。与传统的柴油机推进、吊舱推进等方式比较,无轴轮缘推进器具有占用空间小、推进效率高等优点。永磁同步电机作为轮缘推进器的内置电机,其较多的槽数与极数会导致电机漏磁增加,转矩密度不高。此外,分布绕组的使用也导致轮缘推进器没有容错能力。基于磁场调制效应工作的永磁游标电机具有转矩密度高和结构简单的优势。为了提高轮缘推进器的转矩密度和
二十一世纪作为海洋的世纪,生态、经济、社会等多方面的发展都与海洋息息相关,对于海洋的开发与保护问题是一项长久的人类课题。其中,海洋自主航行器不仅可以大大提高人类对于海洋的探索效率,而且在开发利用海洋资源和保护海洋生态等方面也有重要的研究意义。无人艇作为一种海洋自主航行器,具有体积小、速度快、费用低和自主性强等特点,在恶劣环境中执行危险或枯燥的任务时具有独特优势。本文研究基于深度强化学习的智能无人艇
三相PWM整流器作为电力电子技术重要组成部分,有众多优点,包括功率因数可调、能量双向流动,网侧电流谐波少等,在船舶、新能源汽车以及风力发电等领域受到广泛关注。本文以三相电压型PWM整流器为研究对象,以有限集模型预测控制为主要控制方法,研究了传统有限集模型预测控制方法存在计算负担较大和过度依赖模型参数的问题。主要研究内容如下:第一,针对传统有限集模型预测控制存在的计算负担大、过度依赖模型参数的问题,