基于RBF-AR的船舶变形极短期预报

• 作者: 彭侠夫 高健钦
• 来源期刊: 计算机测量与控制
• 关键词: 船体变形 预报 状态相依自回归模型(SD-AR) 径向基神经网络(RBF)
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 设计与应用
• 页码范围: 199-203
• 页数: 5页
• 分类号: U666.12
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.07.040

摘要

统一空间基准是海上作战平台实现精准探测打击的重要保证,而船体角变形的存在将严重影响空间基准的建立;针对这一问题,提出一种基于状态相依自回归(state-dependent auto regressive,SD AR)与径向基(radial basis function,RBF)神经网络的极短期变形预报方法,实现船体角形变的实时预报,为后续角变形的补偿提供依据;不同于传统的时间序列预报方法,该模型用一组RBF网络来逼近SD-AR模型中的函数系数,并采用一种结构化的非线性参数优化方法(structured nonlinear parameter optimization method,SNPOM)辨识该模型;基于该RBF-AR预报模型,给出了船舶变形预报算法设计并进行了仿真实验;实验结果表明,该方法在船体变形预测精度上优于传统时间序列预测方法,具有较好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭侠夫	厦门大学航空航天学院	51	356	12.0	16.0
2	高健钦	厦门大学航空航天学院	1	0	0.0	0.0