买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学

摘要：本发明属于船舶与海洋工程技术领域，公开了一种动力系统建模的非平稳性船舶运动预报方法及系统。该方法引入傅里叶滤波与koopman理论，构建基于koopa架构的船舶运动预报模型，分别构建低频koopman预测器与高频koopman预测器，滤波后的高频分量通过低频koopman预测器映射到高维空间，在高维空间中通过一个koopman算子控制其状态转移；滤波后的低频分量则通过低频koopman预测器映射到高维空间，并在高维空间中对分布特征不同的数据状态区域分别采用不同的koopman算子控制其状态转移。本发明有效提高预报模型对非平稳性船舶运动时历数据的预报精度。

主权项：1.一种动力系统建模的非平稳性船舶运动预报方法，其特征在于，该方法包括：S1：对已知船舶某一自由度运动时历数据进行分割，得到时历预报的训练集和测试集；S2：建立基于koopa架构的神经网络模型，设置历史输入步长back和提前预测步长ahead，并根据训练集和测试集构建基于koopa架构的神经网络模型的输入数据集和输出数据集；S3：根据得到的基于koopa架构的神经网络模型训练输入数据集和测试输入数据集，对其中的各段输入数据通过快速傅里叶变换由时域转换到频域，并根据滤波阈值分别进行高通滤波和低通滤波，将各段输入数据分解为高频分量与低频分量；S4：根据得到的基于koopa架构的神经网络模型训练输入数据的低频分量和高频分量，分别输入低频koopman预测器与高频koopman预测器进行预测，并将低频koopman预测器与高频koopman预测器的预测结果进行线性叠加；S5：将基于koopa架构的神经网络模型训练的输入数据集中各输入片段依次经过傅里叶滤波和koopman预测器处理生成预测结果，基于koopa架构的神经网络模型通过调整内部网络结构的参数设置，使预测结果与基于koopa架构的神经网络模型训练输出数据集中输出片段间的误差不断减小，经过多次迭代后得到训练好的基于koopa架构的神经网络模型；S6：将基于koopa架构的神经网络模型测试的输入数据集输入训练好的基于koopa架构的神经网络模型之中，各输入片段依次求经过傅里叶滤波和koopman预测器求解得到船舶运动时历预报结果。

全文数据：

权利要求：

百度查询： 青岛哈尔滨工程大学创新发展中心 哈尔滨工程大学 一种动力系统建模的非平稳性船舶运动预报方法及系统