优秀论文推荐｜船舶运动预报新突破：灰箱建模如何在规则波中实现高效建模

摘要：船舶在波浪中航行时，其运动受到波浪和自身动力的复杂影响，预测其运动轨迹是一项极具挑战性的任务。为了提高船舶在波浪中的运动预测精度，中国船舶科学研究中心韩阳等人采用了一种先进的方法——灰箱建模。

船舶在波浪中航行时，其运动受到波浪和自身动力的复杂影响，预测其运动轨迹是一项极具挑战性的任务。为了提高船舶在波浪中的运动预测精度，中国船舶科学研究中心韩阳等人采用了一种先进的方法——灰箱建模。

灰箱建模是一种融合了物理机理和数据驱动的建模方法。首先，研究人员基于牛顿力学原理建立了船舶运动的数学模型，明确了船舶在波浪中的受力情况和运动规律。然而，仅依靠理论模型难以完全精准地描述实际复杂的船舶运动，因此他们引入了深度神经网络技术，利用大量的实验数据对模型进行修正和优化。通过傅里叶变换分离出船舶的操纵运动和耐波运动数据，深度神经网络能够学习到静水水动力修正和波浪漂移力的特性，从而弥补了传统模型的不足。

经过这种方法优化后的灰箱模型，在预测精度上比传统数学模型平均提高了4.5%，并且计算效率极高，每个时间步长的计算耗时仅需2到3毫秒。这使得船舶在复杂海洋环境中的运动预测变得更加准确和高效，为船舶的实时导航和安全操控提供了有力的技术支持，也为未来船舶智能化航行奠定了坚实的基础。

本文引用地址（点击可阅读全文）：韩阳, 郝立柱, 师超, 等. 规则波中船舶操纵运动预报的灰箱建模研究[J]. 中国舰船研究, 2025, 20(1): 47–57.

● 论文主要内容

研究背景

船舶在波浪中的操纵运动受多种因素影响，包括静水水动力、波浪力等。传统的预报方法（如数学模型、CFD方法和模型试验）存在一定的局限性，难以同时满足实航阶段对操纵运动预报的实时性和精度要求。系统辨识方法，尤其是近年来人工智能技术的发展，为船舶操纵运动的实时准确预报提供了新的可能性。

研究方法：

1. 建立船舶操纵运动方程：基于质心运动定理和动量矩定理，建立了船舶水平面三自由度操纵运动方程，考虑了静水水动力和二阶定常波浪漂移力的影响。2. 数学模型构建：采用泰勒级数展开近似静水水动力，利用经验公式估算二阶定常波浪漂移力，形成了规则波中船舶操纵运动的数学模型。3. 灰箱建模：为了克服数学模型的不足，提出了基于深度神经网络（DNN）的静水水动力修正及二阶定常波浪漂移力模型。通过傅里叶变换方法分离低频操纵运动数据和高频耐波运动数据，为DNN模型提供数据基础。4. DNN模型构建：DNN模型包含输入层、隐藏层和输出层，采用二进制Sigmoid函数作为活化函数。通过训练集数据训练DNN模型，利用验证集防止过拟合，并用测试集评估模型精度。

实验与结果：

1. 研究对象：以ONRT模型船为研究对象，开展了规则波迎浪条件下的回转试验，获取了丰富的操纵运动数据。2. 数据处理：通过傅里叶变换提取低频操纵运动数据，结果表明数据处理方法有效，能够准确分离出操纵运动轨迹。3. DNN模型训练与测试：DNN模型经过训练后，在测试集上表现出良好的泛化能力。训练集和测试集的结果对比显示，DNN能够成功学习静水水动力修正及二阶定常波浪漂移力的特性。4. 预报精度评估：采用平均角度测量值（AAM）法评估预报精度。结果显示，灰箱模型的预报精度均值为94.83%，相比数学模型平均提高了4.5%。灰箱模型在所有工况下的相对精度均高于数学模型，表明其在规则波中船舶操纵运动预报中的有效性。

关键结论：

1. 灰箱模型的有效性：灰箱模型能够有效融合机理与数据，克服传统数学模型的不足，提高船舶操纵运动的预报精度。2. 实时性与精度的平衡：灰箱模型的仿真单位时间步长耗时平均约2～3 ms，满足实时预报的需求，同时预报精度显著高于传统数学模型。3. 数据与算法的重要性：数据量和算法对数据不确定性的包容度是影响预报精度的关键因素。未来的研究可以通过增加数据量和改进算法来进一步提高灰箱模型的预报精度。

研究意义：

本文的研究为船舶在真实海洋环境中的操纵运动实时预报提供了新的方法和理论基础，对于提升船舶航行安全、优化操控策略具有重要的实际意义。

采用深度神经网络建立水动力修正统一

模型流程图

获取更多精彩内容，请点击以下原文链接查看

1.“智能船艇操纵与控制”专辑：2025-1期

2.【虚拟专题】船舶与海洋工程智能设计理论及方法：解锁未来海洋的“智慧密码”

3.【虚拟专题】无人船艇技术专题推荐

4.【虚拟专题推荐】舰船数字孪生与增强现实技术

5.【专题推荐】舰船声隐身技术专题

6. 优秀论文推荐｜王宁教授等：多特征融合的无人艇视觉目标长时相关鲁棒跟踪

7.【论文推荐】彭周华教授等：无人船集群的抗干扰最优覆盖控制 | 无人海洋航行器集群技术专题