买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学

摘要：本发明属于船舶与海洋工程技术领域，公开了基于傅里叶滤波的船舶运动包络预报数据处理方法及系统。该方法提取船舶运动时历数据的极值点进行三次样条拟合插值，得到船舶运动包络时历数据；将所述船舶运动包络时历数据通过傅里叶变换转换到频域，将滤波后的频域数据通过傅里叶逆变换转换回时域；将上述经过傅里叶滤波后的船舶运动包络时历数据输入到长短期记忆LSTM神经网络模型中进行训练预报。本发明实现了将频谱中低于最大模长一定占比的高频部分进行截断，从而降低了谱宽，达到了滤波效果，得到了更加简单的信号。提升了LSTM模型在较长时间预报时的预报精度。

主权项：1.一种基于傅里叶滤波的船舶运动包络预报数据处理方法，其特征在于，该方法包括：S1，通过测量设备采集船舶垂荡、横摇、纵摇自由度的船舶运动时历数据，所述船舶运动时历数据以时间序列的形式记录下来，提取所述船舶运动时历数据的极值点进行三次样条拟合插值，得到船舶运动包络时历数据；S2，将所述船舶运动包络时历数据通过傅里叶变换转换到频域，在所述频域中，利用傅里叶滤波器对所述船舶运动包络时历数据进行滤波处理；S3，完成滤波处理后，将滤波后的频域数据通过傅里叶逆变换转换回时域；S4，将经过傅里叶滤波后的船舶运动包络时历数据输入到长短期记忆LSTM神经网络模型中进行训练，训练船舶运动包络预报模型，基于所述船舶运动包络预报模型进行船舶运动包络时历数据的预报；在步骤S2中，将所述船舶运动包络时历数据通过傅里叶变换转换到频域包括：首先，根据的极值点R′1通过三次样条拟合插值算法进行包络提取，依据原始数据R1的时间步长，通过重采样的方式得到包络线上的具体点为：R″1＝[r″1，r″2…r″T]式中，R″1表示不同时刻下船舶运动包络时历组成的集合，r″1表示在第1个时刻下的船舶运动包络所表示数值，r″T表示在第T时刻下的船舶运动包络所表示的数值；然后，利用快速傅里叶变换将包络线上的具体点R″1从时域转换到频域为：Fi＝[f1，f2…fT]其中，Fi为在频域下船舶运动包络R″1所对应的频率集，fT表示T时刻下分布的频率；通过频谱的计算得到各个频率对应的模长Ai＝[a1，a2…aT]和频谱中的最大模长amax，式中，Ai为不同频率值所对应的模长，aT为T时刻下对应频率的模长；设置阈值，根据实际情况设置百分比作为滤波占比，阈值设置为： 式中，Ithre为阈值，其表达式为最大模长amax与所设滤波占比的乘积，为阈值Ithre的具体表达式；通过设置阈值，将模长低于阈值所对应的高频信号Hi＝[h1，h2…hm]的模长设定为0，其中，Hi为频域中的高频信号集，共有m个高频信号，m的数量随所选数据的变化而变化；将频谱中低于最大模长滤波占比的高频部分进行截断，降低谱宽，得到原信号Fi在频域上的特征数据集Xi＝[x1,x2…xT]；在步骤S3中，所述将滤波后的频域数据通过傅里叶逆变换转换回时域包括：对通过快速傅里叶滤波后的船舶运动包络频域数据Xi进行反傅里叶变换，得到从频域转到时域的运动包络数据Zi＝[z1，z2…zT]，并分割为训练集与测试集其中，训练集和测试集的数据数量根据实际需求设置；在步骤S4中，船舶运动包络预报模型的输入步长、输出步长按需求设定，将通过傅里叶滤波得到的训练集与测试集传入到长短期记忆LSTM神经网络模型中开始训练与预报。

全文数据：

权利要求：

百度查询： 青岛哈尔滨工程大学创新发展中心 哈尔滨工程大学 基于傅里叶滤波的船舶运动包络预报数据处理方法及系统