文献类型：期刊文章

作　　者：何柏岩[1] 杜金辉[1] 杨绍琼[1,2,3] 张润锋[1] 牛文栋[1,2,3] 兰世泉[1]

He Baiyan;Du Jinhui;Yang Shaoqiong;Zhang Runfeng;Niu Wendong;Lan Shiquan(School of Mechanical Engineering,Tianjin University,Tianjin 300350,China;Qingdao Institute for Ocean Engineering of Tianjin University,Qingdao 266237,China;The Joint Laboratory of Ocean Observing and Detection,Pilot National Laboratory for Marine Science and Technology(Qingdao),Qingdao 266237,China)

机构地区：[1]天津大学机械工程学院,天津300350 [2]天津大学青岛海洋技术研究院,青岛266237 [3]青岛海洋科学与技术试点国家实验室,海洋观测与探测联合实验室,青岛266237

出　　处：《天津大学学报（自然科学与工程技术版）》

基　　金：国家重点研发计划资助项目(2016YFC0301100,2017YFC0305902);深圳市投资控股有限公司资助项目;国家自然科学基金资助项目(51722508,11902219),天津市自然科学基金资助项目(18JCQNJC05100,18JCJQJC46400);装备预研教育部联合基金资助项目(6141A02011906-1).

年　　份：2021

卷　　号：54

期　　号：4

起止页码：388-396

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：水下滑翔机是海洋立体观测网络的重要组成部分.本文以天津大学“海燕-L”水下滑翔机为平台,针对其航行过程中易受到海流等因素影响发生航向偏离的问题,提出基于变分模态分解(variational mode decomposition,VMD)和最小二乘支持向量机(least squares support vector machine,LSSVM)方法的深平均流(depth-averaged current velocity,DACV)预测模型,从而指导水下滑翔机进行有效航向修正或局部路径规划.首先,根据水下滑翔机运动原理,针对水下滑翔机剖面运动理论出水位置与实际出水位置的偏离现象,结合岸基操作与控制条件以及水下滑翔机的通信方式,建立了短数据精简深平均流计算模型;其次,对得到的深平均流数据按照时间顺序进行序列构造,得到了实时性多剖面深平均流历史序列,并利用VMD将其分解为若干分量序列;最后,基于LSSVM对深平均流数据进行预测,得到了未来深平均流预测数据.海试结果表明,在以4个剖面数据作为输入的情况下,VMDLSSVM的预测结果在经度、纬度方向的流速均方根误差分别为0.0257、0.0205,相关系数分别为0.9484、0.9737,优于LSSVM、经验模态分解(empirical mode decomposition,EMD)的LSSVM(EMD-LSSVM)、长短期记忆神经网络(long short-term memory,LSTM)、EMD-LSTM及VMD-LSTM预测性能,更好地预测深平均流的数值并追踪其变化趋势,证明所提方法的有效性.

关 键 词：水下滑翔机  深平均流  变分模态分解  最小二乘支持向量机 预测方法  

分 类 号：TP242.3]