论文部分内容阅读
船舶运动模型是船舶操纵模拟器的基础,以船舶受力分析为基础的水动力模型是当前应用最广、最有效的方法之一,但实际应用中由于干扰因素多、受力非线性、水动力导数难以确定等问题导致了该方法精度与实时性难以兼容。为解决多种外界作用下船舶运动的准确性与实时性,文章提出一种基于径向基神经网络（RBFN）的运动拟合方法,构造三层神经网络模型,其中隐含层和输出层神经元的传递函数分别取高斯函数和线性函数,通过对积累的历史数据进行学习,利用径向基函数网络在逼近能力、分类能力和学习速度等方面优势,实时推算船舶运动趋势。仿真结果表明