论文部分内容阅读
海浪的研究在船舶与海洋工程中起着非常重要的作用。通常海浪是由大气、风以及海洋地貌等诸多环境因素的影响而产生的一种海平面的波动现象。由于产生海浪的原因以及其本身的复杂性,所以至今也没有很完善和严谨的理论对海浪进行各方面的研究和预报。但是,海浪预报的应用性很强,实用价值也很高,如果能对海浪进行精准的预报,对于船只在海上航行特别是远洋航行的安全有着不可估量的作用,因此海浪的研究一直被海洋学家所重视。为了能够对海浪进行预报,首先要做的就是获得精确的海浪信息,而就目前而言,获得这些信息的方法已经有很多,主要有波浪遥测,海浪摄像测量系统,随船测量以及定点测量等,但是这些方法在应用上却有许多的限制,使他们无法得到普遍的应用。因此,寻找更方便和使用广泛的海浪预报方法仍是当前海浪预报方面的主要课题。本文是以预报海浪的有义波高为最终目的。为了摆脱使用仪器进行海浪信息测量的诸多限制,本文主要是将航行中的船体作为浪高仪来进行海浪信息的测量,对此主要做了如下的研究工作:1.系统总结了国内外在海浪预报方面的研究现状以及最新的进展情况,阐述了一下海浪波高预报的一些基本方法和基础理论,并对这些方法做了简要的分析描述。然后对所研究的船体进行了运动学和动力学的建模,为后来的研究分析做了一定的铺垫。2.使用无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)估计出所建船体运动模型的水动力参数(Hydrodynamic Parameter)和船体的状态,进而根据航行时船体的姿态反推出此时船体所受的海浪扰动力。另外,船体所受的海浪力的大小与海浪的高度也存在一定的函数关系,此处将采用神经网络来解决该问题。并将运用神经网络估计得到的值和真实值进行对比,判断应用此方法求取海浪浪高的合理性。3.研究了一种基于扩展径向基、在线自组织学习的广义动态模糊神经网络学习算法(Generalized dynamic fuzzy neural network,GD-FNN)。该算法与其它神经网络算法相比更有一般性,运算效率和精度也都相对较高。此处直接将前面得出的海浪有义波高数据作为研究对象,并对其进行预报分析。4.由实验测量得到的海浪浪高数据,利用GD-FNN对计算得出的有义波高进行预报,然后与本文所提方法估计出的有义波高预报结果的最终误差进行对比分析,得出利用船体姿态来预报海浪有义波高的可行性以及可靠性。