-
题名基于联邦泛化的非平稳船舶横摇运动预测方法
- 1
-
-
作者
张琴
刘敦康
李嘉宾
周福娜
胡雄
-
机构
上海海事大学物流工程学院
-
出处
《船舶力学》
EI
CSCD
北大核心
2024年第11期1654-1665,共12页
-
基金
国家自然科学基金资助项目(62373213)
国家高技术研究发展计划项目(2013AA041106)。
-
文摘
船舶易受到风浪干扰而影响海上风力发电机的安装精度和维护安全性,其中长峰波随机波浪谱下的非平稳横摇运动影响最大。为保证海上作业在复杂海况下的稳定性,需要提高预测模型的泛化性,故本文提出基于联邦泛化的非平稳船舶横摇运动预测方法。首先,利用变模态方法分解非平稳船舶横摇运动为多分量平稳序列,进而采用注意力机制的长短期记忆神经网络建立本地多维多步预测模型,并进行误差校正;其次,为了提高复杂海况下遇到新类型船舶横摇运动时的预测效果,在不共享数据的前提下联合多家船舶横摇运动数据持有方进行择优联邦建模;最后,使用最大均值差异方法选择特征相似度高的数据进行加权平均联邦训练。实验结果表明,经过联邦学习后的模型具有更高的预测精度,以及更好的泛化能力,有助于风电安装时的波浪补偿稳定控制。
-
关键词
船舶横摇运动预测
变分模态分解
注意力机制
LSTM
联邦学习
-
Keywords
ship roll motion prediction
variational modal decomposition
attention mechanism
LSTM
federated learning
-
分类号
U661.321
[交通运输工程—船舶及航道工程]
-
