来源：期刊VIP网 时间：
作者：廖声浩;王立军;王思思;贾宝柱;尹建川;李荣辉;
单位：广东海洋大学船舶与海运学院;广东海洋大学广东省南海海洋牧场智能装备重点实验室;
摘要：【目的】针对船舶横摇运动具有非线性和多变量耦合等特征，提出一种基于粒子群优化（PSO）径向基函数神经网络（RBFNN）的预报模型，以提升预报精度，支持智能航行。【方法】构建基于PSO和RBFNN的混合预报方案。采用PSO对RBFNN的中心和宽度参数进行全局优化，通过PSO-RBFNN模型对船舶横摇运动进行预报。【结果】基于“育鲲”轮实测和仿真数据，验证了模型的可行性和有效性。仿真结果表明，PSO-RBFNN在3种不同工况下均表现出优异的预报性能[提前3 s预报时，平均绝对误差（MAE）≤0.111 9，均方误差（MSE）≤0.028 0，均方根误差（RMSE）≤0.167 3，归一化均方根误差（NRMSE）≤0.021 2，平均绝对百分比误差（MAPE）≤22.9%，决定系数（R2）≥0.988 4]，显著优于PSO-RNN、PSO-BP和PSO-MLP等模型。【结论】PSO-RBFNN模型能够高效、准确地预报船舶横摇运动，并在多种工况下保持稳定的性能优势，为智能航行提供实时可靠的技术支撑。
关键词：船舶横摇运动;;运动预报;;智能航行;;径向基函数神经网络;;粒子群优化算法
基金资助：国家自然科学基金（52171346,52271361）;; 广东省南海海洋牧场智能装备重点实验室资助课题（2023B1212030003）;; 广东省普通高校重点领域项目（2024ZDZX3054）
