基于CEEMDAN-PSO-SVM的水面舰艇运动姿态预测

@文章{Geng2024PredictionOU,title={基于CEEMDAN-PSO-SVM}的无人水面舰艇运动姿态预测,author={耿卓雅、陈建美和朱万强},日志={ArXiv},年份={2024},体积={abs/2404.11443},网址={https://api.semanticscholar.org/CorpusID:269188182}}
无人艇在海上航行时,利用主动补偿系统减轻船上仪器和设备所受的波浪干扰。然而,无人艇姿态测量存在滞后,因此引入了无人艇运动姿态预测来补偿信号采集过程中的滞后。本文根据波浪的基本原理,从波浪能谱出发,推导出无人艇上波浪的扰动模式

本文中的数字

基于EMD和滑动窗口自适应PSO–LSTM的船舶短期运动预测新算法

该模型在预测非线性非平稳船舶运动姿态方面表现良好,采用滑动窗口方法可以更好地保持船舶运动姿态的时变动态特性。

基于BP网络的船舶运动姿态预测

该方法通过选择BP神经网络模型解决了隐层的学习问题,结果表明,使用该方法可以有效地提高运动姿态的预测速度和精度。

基于支持向量机的船舶纵摇预测

利用支持向量机模型对船舶纵摇序列进行预测,引入了RBF核函数,简化了非线性问题的求解过程,研究实例表明,该模型具有较好的泛化能力和预测精度。

航空母舰海上运动预报技术的初步研究

对于提议的混合预测技术,考虑了最近预测理论发展的某些方面,该技术将与预测器的预想数字格式兼容,并将增加预测时间。

使用卡尔曼滤波器实时估计船舶的垂荡和纵摇运动

实时船舶运动估计对于海军舰艇运营商的垂直飞机着陆以及海上工业的钻机安装和设备粗略运输都很有意义

用于非线性和非平稳船舶运动短期预测的AR-EMD-SVR混合模型

准确可靠的船舶运动短期预测可提高船舶运动敏感海上作业的安全性和控制质量。灵感来自令人满意的非线性

基于人工神经网络的船舶运动和姿态预测

对使用奇异值分解和共轭梯度算法训练的人工神经网络方法在船舶运动预测中的应用的研究表明,可以实现长达十秒的精确预测。