一种基于改进EMD-AR模型的船舶运动预报方法技术

本发明专利技术公开了一种基于改进EMD

【技术实现步骤摘要】
一种基于改进EMD
‑
AR模型的船舶运动预报方法


[0001]本专利技术涉及船舶与海洋工程
，具体为一种基于改进经验模态分解
‑
自回归(Empirical Mode Decomposition
‑
Autoregressive，EMD
‑
AR)模型的船舶运动预报方法。

技术介绍

[0002]船舶受风、浪、流等海洋环境影响会产生横摇、纵摇、艏摇、横荡、纵荡、升沉六个自由度的运动，会影响各种船上设备的安全作业。船舶的横荡、纵荡和艏摇运动可以利用锚泊定位或动力定位系统进行补偿，而横摇、纵摇和升沉运动则需要利用船载稳定平台来隔离其对船上设备的影响，使设备时刻保持平稳，就像在陆地上一样，减少安全隐患。为了对由海洋环境引起的扰动进行同步补偿，就需要进行船舶运动极短期预报，从而达到同步补偿的要求，这对于提高稳定平台控制精度有着重要意义。
[0003]中国专利技术专利CN111709140A(实审)公开了一种基于内在可塑性回声状态网络的船舶运动预报方法，应用新型的回声状态网络提高了预报精度。中国专利技术专利CN103926932A(实审)公开了一种基于分解策略的船舶运动预报方法，将经验模态分解(Empirical Mode Decomposition,EMD)和神经网络结合，提高了预报精度，但未处理经验模态分解方法固有的模态混叠问题。哈尔滨工程大学刘世林的硕士论文“船舶运动姿态短时高精度预报方法研究”提出一种基于集合经验模态分解
‑
支持向量机(Ensemble Empirical Mode Decomposition
‑
Support Vector Machine,EEMD
‑
SVR)的船舶运动预报方法，通过向时间序列中加入正态分布的白噪声，解决了传统经验模态分解方法固有的模态混叠问题。但经模态分解获得的本征模态函数(Intrinsic Mode Function,IMF)中会含有不可忽略的噪声，导致预报精度低，且在模态分解过程中，通过插值方法求时间序列的上、下包络线，但时间序列第一个极值点到始端和最后一个极值点到末端这两段包络线准确性不高，这称为端点效应，会降低所分解出的IMF准确性，降低预报精度。此外，上述所有预报方法均不能实现船舶运动的在线预报。

技术实现思路

[0004]为解决上述问题，本专利技术要提出一种基于改进EMD
‑
AR模型的船舶运动预报方法，以实现船舶运动的在线预报，提高预报的精度。
[0005]为了实现上述目的，本专利技术的技术方案如下：一种基于改进EMD
‑
AR模型的船舶运动预报方法，所述基于改进EMD
‑
AR模型是改进经验模态分解
‑
自回归模型的船舶运动预报方法，包括以下步骤：
[0006]A、以T为采样周期采集船舶运动数据，确定滚动时间窗的长度n，在时间窗内的运动时间序列为x(t),t＝1,2,
…
,n；所述运动包括横摇运动、纵摇运动或升沉运动；
[0007]B、将运动时间序列x(t)分别加上和减去k个正态分布的白噪声序列α
q
(t),q＝1,2,
…
,k，组成2k个新的时间序列如下：
[0008][0009]式中，k代表白噪声序列的个数；
[0010]C、利用改进的EMD算法对新的时间序列进行模态分解，所述改进的EMD算法为改进的经验模态分解算法：
[0011]C1、创建一个空数组IMFs，令p＝1，w＝1；
[0012]C2、求的所有极大值序列和极小值序列和极小值序列为第j个极大值在时间序列中的位置序号，为第i个极小值在时间序列中的位置序号，j＝1,2,
…
,M，i＝1,2,
…
,N；
[0013]C3、分别对极大值序列和极小值序列进行三次样条插值得到上包络线和下包络线和下包络线
[0014]C4、分别根据第一个和最后一个极值所在的位置序号确定上包络线和下包络线两端所需的延拓步数；其中，上包络线的左端延拓步数为步，右端延拓步数为步；下包络线的左端延拓步数为步，右端延拓步数为步；
[0015]C5、采用SVR模型分别对上包络线左、右两端进行预报延拓：首先根据上包络线对SVR模型进行参数辨识，然后利用辨识后的SVR模型对上包络线左端进行步的延拓，直至序列始端；对右端进行步的延拓，直至序列末端，从而得到时间序列在整个时间窗的上包络线u(t)；所述SVR模型为支持向量机模型；
[0016]C6、采用SVR模型分别对下包络线左、右两端进行预报延拓：首先根据下包络线对SVR模型进行参数辨识；然后利用辨识后的SVR模型对下包络线左端进行步的延拓，直至序列始端；对右端进行步的延拓，直至序列末端；从而得到时间序列在整个时间窗的下包络线l(t)；
[0017]C7、根据得到的u(t)和l(t)，计算上包络线和下包络线的均值如下：
[0018][0019]C8、从中分离出上包络线和下包络的均值得到中间项如下：
[0020][0021]C9、验证h(t)是否满足IMF的如下要求：h(t)极大值和极小值点的总个数及其连线过零点的个数相差小于等于1，且h(t)的局部极大值和极小值形成的包络线均值为零。但实际情况中，由局部极大值和极小值形成的包络线均值不会为零，所以这里用一个特别小的值ε代替零，当均值小于ε时，即认为h(t)满足IMF的要求。如果h(t)满足IMF的要求，则h(t)为一个IMF分量，记为c
p
(t)＝h(t)，将c
p
(t)保存至数组IMFs；如果h(t)不满足IMF的要求，则判断w是否等于w
*
，w
*
为最大循环次数，若不等于，则令w＝w+1，用h(t)代替，转到步骤C2，否则，视h(t)为一个IMF分量，记为c
p
(t)＝h(t)，将c
p
(t)保存至数组IMFs，所述IMF为本
征模态函数；
[0022]C10、将c
p
(t)从中分离出来，得到剩余项如下：
[0023][0024]利用经验公式判断模态分解过程是否终止，δ取值0.2～0.3，若SD大于δ，令w＝1和p＝p+1，转到步骤C2直到得到下一个满足IMF要求的分量c
p
(t)；以此类推，在进行多次计算后，将得到的IMF分量都保存至数组IMFs，直到SD小于δ，此时分解过程结束，将余项r(t)保存至数组IMFs；
[0025]D、在对新的2k个时间序列分别进行改进的EMD分解之后，得到对应的2k个数组IMFs
(m)
,m＝1,2,
…
,2k，其中，数组为第m个新的时间序列的模态分解结果，表示第m个新的时间序列分解出的第z个IMF分量，z＝1,2,
…
,p，r...

【技术保护点】

【技术特征摘要】
1.一种基于改进EMD
‑
AR模型的船舶运动预报方法，所述基于改进EMD
‑
AR模型是改进经验模态分解
‑
自回归模型的船舶运动预报方法，其特征在于：包括以下步骤：A、以T为采样周期采集船舶运动数据，确定滚动时间窗的长度n，在时间窗内的运动时间序列为x(t),t＝1,2,
…
,n；所述运动包括横摇运动、纵摇运动或升沉运动；B、将运动时间序列x(t)分别加上和减去k个正态分布的白噪声序列α
q
(t),q＝1,2,
…
,k，组成2k个新的时间序列如下：式中，k代表白噪声序列的个数；C、利用改进的EMD算法对新的时间序列进行模态分解，所述改进的EMD算法为改进的经验模态分解算法：C1、创建一个空数组IMFs，令p＝1，w＝1；C2、求的所有极大值序列和极小值序列和极小值序列为第j个极大值在时间序列中的位置序号，为第i个极小值在时间序列中的位置序号，j＝1,2,
…
,M，i＝1,2,
…
,N；C3、分别对极大值序列和极小值序列进行三次样条插值得到上包络线和下包络线和下包络线C4、分别根据第一个和最后一个极值所在的位置序号确定上包络线和下包络线两端所需的延拓步数；其中，上包络线的左端延拓步数为步，右端延拓步数为步；下包络线的左端延拓步数为步，右端延拓步数为步；C5、采用SVR模型分别对上包络线左、右两端进行预报延拓：首先根据上包络线对SVR模型进行参数辨识，然后利用辨识后的SVR模型对上包络线左端进行步的延拓，直至序列始端；对右端进行步的延拓，直至序列末端，从而得到时间序列在整个时间窗的上包络线u(t)；所述SVR模型为支持向量机模型；C6、采用SVR模型分别对下包络线左、右两端进行预报延拓：首先根据下包络线对SVR模型进行参数辨识；然后利用辨识后的SVR模型对下包络线左端进行步的延拓，直至序列始端；对右端进行步的延拓，直至序列末端；从而得到时间序列在整个时间窗的下包络线l(t)；C7、根据得到的u(t)和l(t)，计算上包络线和下包络线的均值如下：C8、从中分离出上包络线和下包络的均值得到中间项如下：
C9、验证h(t)是否满足IMF的如下要求：h(t)极大值和极小值点的总个数及其连线过零点的个数相差小于等于1，且h(t)的局部极大值和极小值形成的包络线均值为零；但实际情况中，由局部极大值和极小值形成的包络线均值不会为零，所以这里用一个特别小的值ε代替零，当均值小于ε时，即认为h(t)满足IMF的要求；如果h(t)满足IMF的要求，则h(t)为一个IMF分量，记为c
p
(t)＝h(t)，将c
p
(t)保存至数组IMFs；如果h(t)不满足IMF的要求，则判断w是否等于w
*
，w
*
为最大循环次数，若不等于，则令w＝w+1，用h(t)代替转到步骤C2，否则，视h(t)为一个IMF分量，记为c
p
(t)＝h(t)，将c
p
(t)保存至数组IMFs，所述IMF为本征模态函数；C10、将c
p
(t)从中分离出来，得到剩余项如下：利用经验公式判断模态分解过程是否终止，δ取值0.2～0.3，若SD大于δ，令w＝1和p＝p+1，转到步骤C2直到得到下一个满足IMF要求的分量c
p
(t)；以此类推，在进行多次计算后，将得到的IMF分量都保存至数组IMFs，直到SD小于δ，此时分解过程结束，将余项r(t)保存至数组IMFs；D、在对新的2k个时间序列...

【专利技术属性】
技术研发人员：杜佳璐，薛兴，李健，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：