[发明专利]一种考虑不同风级条件下4自由度船舶运动在线预报方法

权利要求书

1.一种考虑不同风级条件下4自由度船舶运动在线预报方法，其特征在于，包括，

步骤一、构建4自由度船舶运动数学模型，所述4自由度包括纵荡、横荡、艏摇以及横摇运动，通过航海模拟器分别获取船舶在不同风级条件下的运动数据集，所述不同风级包括0-8级风，并对船舶的运动数据集进行预处理，

步骤二、构建加权多核相关向量机模型，并通过改进的灰狼算法对加权多核相关向量机模型的权重参数和和核函数参数进行优化，对0-8级风进行分类，所述分类为0-2级是微风，3-5级是和风，6-8级是强风，从微风中任意选择一种风级作为第一训练风级，从和风中任意选择一种风级作为第二训练风级，从强风中任意选择一种风级作为第三训练风级，分别根据第一训练风级条件下、第二训练风级条件下以及第三训练风级条件下的运动数据集对加权多核相关向量机模型进行训练，分别获取第一训练风级、第二训练风级以及第三训练风级子预报模型，

步骤三、从船舶的运动数据集中获取测试运动数据集，基于滑动时间窗方法对测试运动数据集进行更新，第一训练风级、第二训练风级以及第三训练风级子预报模型分别根据更新后的测试运动数据集进行预测并获取预测结果，分别根据预测结果计算第一训练风级、第二训练风级以及第三训练风级子预报模型的平均绝对误差，根据平均绝对误差对第一训练风级、第二训练风级以及第三训练风级子预报模型的权重进行自适应更新，根据更新后的权重对第一训练风级、第二训练风级以及第三训练风级子预报模型进行融合并表示为4自由度船舶运动集成学习预报模型，

步骤四、根据4自由度船舶运动集成学习预报模型对不同风级条件下的船舶运动状态进行预测。

2.根据权利要求1所述的一种考虑不同风级条件下4自由度船舶运动在线预报方法，其特征在于，所述对船舶的运动数据集进行预处理包括根据公式(1)对运动数据集中的数据进行预处理，

ζ_i＝ζ_oi+ζ^maxk₀k_ξξ_i       (1)

其中，ζ_i是进行预处理后的仿真实验数据，ζ_oi是运动数据集中的仿真实验数据，ζ^max是ζ_oi中绝对值最大的值，k₀为常数，k_ξ对于不同的仿真实验数据类型采用不同的比例系数，所述仿真实验数据类型包括直航速度、横移速度、转艏角速度以及横摇角速度。

3.根据权利要求1所述的一种考虑不同风级条件下4自由度船舶运动在线预报方法，其特征在于，所述加权多核相关向量机模型的核函数包括径向基核函数和Sigmoid核函数，通过公式(2)对径向基核函数和Sigmoid核函数进行混合并表示为混合核函数，

K_M＝wK_G+(1-w)K_S             (2)

式中，w是权重，K_G是径向基核函数，K_S是Sigmoid核函数，K_M是混合核函数。

4.根据权利要求1所述的一种考虑不同风级条件下4自由度船舶运动在线预报方法，其特征在于，所述根据预测结果的平均绝对误差对第一训练风级、第二训练风级以及第三训练风级子预报模型的权重进行自适应更新包括，

S11、分别获取第一训练风级、第二训练风级以及第三训练风级子预报模型的平均绝对误差，将平均绝对误差最大所对应的子预报模型的权重设置为0，

S12、对于剩余的两个子预报模型判断平均绝对误差的关系是否满足公式(3)，

其中，Mae₁、Mae₂分别为剩余的两个子预报模型的平均绝对误差，

S13、若满足公式(3)，则根据公式(4)对剩余的两个子预报模型的权重进行设置，若不满足公式(3)，则将剩余的两个子预报模型中平均绝对误差最大所对应的子预报模型的权重设置为0，

其中，W₁、W₂分别为剩余的两个子预报模型的权重。

5.根据权利要求1所述的一种考虑不同风级条件下4自由度船舶运动在线预报方法，其特征在于，所述分别根据预测结果计算第一训练风级、第二训练风级以及第三训练风级子预报模型的平均绝对误差包括根据公式(5)计算平均绝对误差，

其中，L是滑动时间窗长度，为仿真实验数据，为是预测第j个子预报模型的预测结果，k是时间步，Mae_j为第j个子预报模型的平均绝对误差。