[發明專利]船體運動位姿極短期實時預報方法

在審

• 申請號: 202111521809.5
• 申請日: 2021-12-13
• 公開（公告）號: CN114298382A
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 張立杰;陳夏飛;吳煥春;苑雷揚;強紅賓;薛大鵬
• 申請（專利權）人: 燕山大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08;G06N3/04;G06F17/18
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 韓燕

本發明提供了一種船體運動位姿極短期實時預報方法，其包括：在滿足香農采樣定理的條件下，以較大采樣周期采集船體運動位姿數據，建立AR模型，采用貝葉斯信息BIC準則確定AR模型的階數，采用限定記憶的遞推最小二乘算法進行AR模型參數的在線更新，采用滾動預報的方式進行船體運動位姿多步預報，將預報所得的數據與一定時長的歷史數據組合在一起，建立RBF神經網絡模型進行擬合插值，獲取船體運動位姿極短期預報數據。本發明采用限定記憶的遞推最小二乘算法進行在線更新，建立RBF神經網絡模型進行擬合插值，可有效提高預報算法的實時性，具有較高的預報準確性。

技術領域

本發明屬于船體運動位姿在線預報技術領域，特別是一種船體運動位姿極短期實時預報方法。

背景技術

隨著各國對海洋資源的重視程度越來越高，海上活動越來越頻繁，比如海上資源的開發、海上救援及貨物運輸、軍艦巡航及特種作業等。而船作為人們進行海上作業的重要交通工具，在海浪的作用下產生6個自由度的運動，給海上作業帶來不便及危險。

利用船載6自由度穩定平臺為海上作業提供穩定的工作環境，為了使平臺保持穩定，需要根據船體各自由度的運動控制穩定平臺及時進行補償，然而當平臺負載較大或者控制系統性能較差時，控制系統會產生較大滯后，不能很好的主動補償船體運動，導致穩定平臺平穩性較差。在這種情況下，如果根據系統的響應滯后時間提前預報出船體的運動，再及時地進行主動補償控制，會極大提高穩定平臺的平穩性。由于系統的響應滯后時間較短，所以預報時長也相應較短，一般在1s-2s，而且預報值是實時更新的，所以將這種預報形式稱為船體運動位姿極短期在線預報。目前常用時間序列分析方法進行船體運動位姿的極短期在線預報，但是由于計算的數據量較大而且計算過程中需要對數據矩陣進行求逆運算，導致計算過程耗時較長，實時性還是相對較差。因此，為了在保證預報準確性的前提下提高預報的實時性，尋求一種船體運動位姿極短期實時預報方法是十分迫切且必要的。

發明內容

本發明針對上述現有技術中的缺陷，提出一種船體運動位姿極短期實時預報方法。該方法包括在滿足香農采樣定理的條件下，以較大采樣周期采集船體運動位姿數據，建立AR模型，采用貝葉斯信息BIC準則確定AR模型的階數，采用限定記憶的遞推最小二乘算法進行AR模型參數的在線更新，采用滾動預報的方式進行船體運動位姿多步預報，將預報所得的數據與一定時長的歷史數據組合在一起，建立RBF神經網絡模型進行擬合插值，獲取船體運動位姿極短期預報數據。本發明采用限定記憶的遞推最小二乘算法進行在線更新，建立RBF神經網絡模型進行擬合插值，可有效提高預報算法的實時性，具有較高的預報準確性。

本發明提供一種船體運動位姿極短期實時預報方法，其包括以下步驟：

S1、在滿足香農采樣定理的條件下，以較大采樣周期采集船體運動位姿數據；

S2、利用采集的船體運動位姿時間序列數據建立AR模型：

x_t＝φ₁x_t-1+φ₂x_t-2+…+φ_px_t-p+ε_t (1)

其中，x_t表示當前時刻的位姿值；p表示AR模型的階數，即為自變量的個數；ε_t表示誤差；φ表示模型系數；

S3、采用貝葉斯信息BIC準則確定AR模型的階數p：

BIC(p)＝lge²+(p+1)(lgN)/N (3)

其中，N表示樣本個數；e²表示均方差且表示位姿預報值；

S4、采用限定記憶的遞推最小二乘算法進行AR模型參數Φ的在線更新；