基于神经网络的船舶运动姿态预测方法研究.pdf

哈尔滨理工大学工学硕士学位论文

基于神经网络的船舶运动姿态预测方法研究

摘要

船舶在风浪的作用下，通常会产生六自由度的摇荡运动（横摇、纵摇、艏

摇、横荡、纵荡、及垂荡）。其中横摇、纵摇和垂荡运动对船舶稳定性及功能

性的影响尤为突出。这三类运动，会不断干扰船上精密设备的正常工作，降低

海上作业的安全性和效率。为减轻摇荡运动对船舶安全航行的不利影响，研究

人员提出了短期和极短期船舶运动姿态预测理念。通过对未来运动姿态的精确

预测，能够实现对船舶姿态的及时调整，从而确保海上作业平台的安全运行和

船上设备的稳定性。因此，船舶运动预测的研究对于提高海上作业的效率和安

全具有深远的实际意义。

海洋环境的不确定性和复杂性为船舶运动姿态的有效预测带来了显著挑

战。针对现有预测方法在处理短期船舶运动姿态方面的不足，本文提出了一种

TRSA-VMD-GAN船舶姿态短期预测模型。该模型巧妙地结合了时间残差自注

意力机制（TRSA）和生成对抗网络（GAN），创新地运用TRSA来分析和理

解不同时间点的姿态数据间的相关性，随后利用变分模态分解生成对抗网络

（VMD-GAN）进行预测分析。模型中，生成器集成了VMD和GRU神经网络，

以优化预测能力，而卷积神经网络作为判别器，进一步提高预测的准确度。仿

真实验表明，该组合预测模型可以有效预测未来500秒内的船舶运动状态。

为了解决当前鲸鱼优化算法（WOA）中存在的收敛速度慢和易于陷入局部

最优的问题，本文提出了改进鲸鱼优化算法（IWOA）。在这种改进方法中，通

过使用非线性收敛因子替代原有WOA的线性收敛因子，从而提升了算法的搜

索效率。此外，引入了自适应权重和差分变异策略，这些措施旨在加速算法的

收敛过程并有效避免算法陷入局部最优解。通过这些改进，IWOA在提高收敛

速度和维持全局搜索能力方面显示出显著的优势。

针对船舶运动极短期预测时预测精度低的问题，本文设计了一种

IWOA-TCN-Attention船舶运动姿态极短期预测模型。该模型以时间卷积网络

（TCN）为基础构建了深度学习架构，从而有效捕获船舶运动时间序列数据的

基本特征。同时，通过注意力机制的引入，模型能够为不同特征赋予不同的权

重，强调关键特征并减少非主要特征对预测准确性的影响。此外，为了进一步

I

哈尔滨理工大学工学硕士学位论文

提升TCN-Attention模型的预测精度，本文采用了改进鲸鱼优化算法（IWOA）

来优化模型的超参数，从而实现更优越的预测性能。仿真实验表明，该模型能

够准确估计未来20秒内的船舶极短期运动姿态。

关键词船舶运动姿态预测；时间卷积网络；改进型鲸鱼优化算法；时间残差自

注意力机制；生成对抗网络；

II

哈尔滨理工大学工学硕士学位论文

ResearchonShipMotionAttitudePrediction

MethodBasedonNeuralNetworks

Abstract

Undertheinfluenceofwindandwaves,shipstypicallyexperiencesixdegrees

ofrockingmotion(roll,pitch,yaw,sway,surge,andheave).Amongthese,roll,pitch,

andheavemovementsnotablyaffectashipsstabilityandfunctionality.These

motionscancontinuallydisruptthenormaloperation