刘锡祥，宋 清，司马健，黄永江，杨 燕

（1. 微惯性仪表与先进导航技术教育部重点实验室，南京 210096；2. 东南大学 仪器科学与工程学院，南京 210096）

一种基于在线序贯极限学习机的大型舰船甲板态势预测方法

刘锡祥1,2，宋 清1,2，司马健1,2，黄永江1,2，杨 燕1,2

（1. 微惯性仪表与先进导航技术教育部重点实验室，南京 210096；2. 东南大学 仪器科学与工程学院，南京 210096）

在舰船摇荡运动无法有效抑制时，可利用惯性导航系统实时测量甲板运动，并利用甲板运动的当前以及历史数据对未来时刻的甲板运动进行预测，以提高舰载机的起降安全性。然而甲板摇荡运动作为风浪、潮汐等共同作用的产物，具有较强的非线性、随机性和时变性。针对上述特性，引入具有信息实时更新功能的在线序贯极限学习机（OS-ELM）方法对甲板运动态势进行预测。该方法通过实时更新参与模型解算的样本数据，具有计算量小、学习映射能力强的优点。针对OS-ELM中存在的隐含层节点个数选择，以及甲板态势预测中出现的样本个数、历史数据长度等参数选择问题，引入遗传算法（GA）进行寻优。基于模拟甲板摇荡数据的仿真表明，该预测方法可以实时跟踪甲板运动的实时性变化，并对甲板运动态势进行预测。

甲板态势预测；在线序贯极限学习机；信息更新；遗传算法

航空母舰作为舰载机的起降平台，其甲板运动是影响舰载机着舰安全的一个重要因素[1-2]。由于风浪的激励，在海上航行的航母会产生六自由度的摇荡运动，摇荡运动将导致舰载机的理想着舰点为三维空间中的活动点[1-2]。……