原文传递
基于循环神经网络的船舶试验数据智能处理研究
| 论文题名： | 基于循环神经网络的船舶试验数据智能处理研究 |
| 关键词： | 船舶模型试验;数据处理;智能化;循环神经网络 |
| 摘要： | 船舶模型试验贯穿于船舶研制的整个流程中，船舶模型试验主要包括阻力试验、螺旋桨敞水试验、自航试验和耐波性试验等，在进行船舶试验和系统仿真的过程中产生了大量原始试验数据。传统试验数据的处理多采用人工方法，在实际操作过程中会出现错误和效率低等问题，实现对船舶试验原始数据处理的方法总结和自动化处理很有必要；随着船舶试验中大量原始数据的积累和深度学习研究的不断深入，利用循环神经网络对船舶试验数据进行研究实现船舶试验数据处理的智能化很有意义。本文的主要内容和成果包括： （1）详细介绍了船舶试验数据的研究现状和循环神经网络的发展，着重研究船舶模型试验数据中的快速性试验和耐波性试验数据的处理方法； （2）船舶试验数据作为一种时间序列数据，规律隐藏在大量的时间序列数据中。本文针对船舶试验得到的时序数据使用了三种深度学习方法进行分析，包括基于支持向量机的船舶试验数据分类预测方法、基于BP神经网络的船舶试验数据分类预测方法和基于循环神经网络LSTM的时间序列分类预测方法，分别从原理和具体研究方法进行了讨论； （3）对船舶试验数据进行了预处理和方法总结并使用Matlab GUI设计了船舶试验数据预处理平台。首先对船舶试验数据中的快速性试验和耐波性试验数据进行数理统计特征分析；其次对船舶试验数据进行统计学处理和归一化操作；最后总结不同类型船舶试验数据预处理方法，使用Matlab GUI设计船舶试验数据处理平台并采用对应类型的试验数据验证平台的准确率和稳定性； （4）搭建循环神经网络LSTM模型对船舶试验数据进行分类预测，并和基于支持向量机的船舶试验数据分类预测方法以及基于BP神经网络的船舶试验数据分类预测方法进行对比，试验表明基于循环神经网络LSTM模型更加准确。 |
| 作者： | 汪坤 |
| 专业： | 船舶与海洋工程 |
| 导师： | 李海涛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
