基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题。[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法。以"育鲲"船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用"育鹏"船对所提算法的有效性进行验证。[结果]结果表明:与最小二乘法相比,非线性新息改进最小二乘法的模型参数辨识精度提升了15%左右。[结论]研究结果可为小样本数据情况下的船舶模型参数辨识提供参考。     

基于多新息最小二乘法的船舶操纵响应模型参数辨识

提出基于多新息最小二乘法的船舶二阶非线性响应型模型参数辨识方法。在实验室环境下对模型船开展Z形试验,分别应用最小二乘递推法和多新息最小二乘法对试验数据进行参数辨识;用得到的模型分别进行Z形试验预报,比较2种方法的准确性和辨识结果的收敛性。试验结果表明:基于多新息最小二乘法的船舶操纵响应模型参数辨识结果收敛更迅速且精度满足要求。     

基于操纵试验的实船运动模型参数辨识实例研究

参数辨识对于构建船舶操纵运动数学模型具有重要意义。为有效、准确估计实船操纵运动模型参数,提出一种基于系统辨识原理、采用递推最小二乘算法进行差分方程型船舶运动模型参数辨识的技术路线。基于操纵试验数据,将技术路线应用于实船舵角-航向差分方程模型的参数辨识。应用研究显示,提出的技术路线在实船操纵运动模型参数辨识的应用中可行性好,辨识出的参数具有较高的精度,模型输出能够较好拟合观测输出。本文中提出的技术路线流程简单,便于工程实现,能够为船舶运动模型参数的自动辨识提供支持。     

基于支持向量机的水下机器人操纵运动参数辨识

根据平面运动机构试验所得到的水动力系数确定水下运载器的运动方程,应用最小二乘支持向量机对水下运载器的试验数据进行分析,辨识得到了水动力系数,并将辨识得到的参数同平面运动机构试验所确定的参数相比,验证了最小二乘支持向量机进行水下运载器操纵运动参数辨识的有效性。根据所辨识的水动力系数进行了模型验证,证明所辨识得到的水动力参数是可靠的。该方法对水下运载器的操纵和控制的研究有重要意义。     

基于改进LSSVM的船舶操纵运动模型在线参数辨识方法

为实现船舶操纵性的在线预报及自适应运动控制,针对Nomoto二阶非线性运动模型参数辨识问题,将最小二乘支持向量机(least squares support vector machines,LSSVM)与多新息方法相结合,提出一种新的多新息在线LSSVM辨识建模方法。试验结果表明,使用所提出的算法辨识的模型进行预报的拟合误差可达到4.76%以下,能准确拟合船舶操纵运动模型。     

基于LS-SVM的船舶操纵运动在线建模

基于最小二乘支持向量机(LS-SVM)和积分型辨识样本结构开展了船舶操纵运动的在线建模.以整体型Abkow-itz模型为辨识对象,大阪号油轮作为具体研究对象.在操纵运动仿真时,采用40个粘性类水动力导数的Abkowitz模型,但是在参数辨识时,采用了仅具有20个粘性类水动力导数的简化模型.为了对建模方法的有效性进行检验,将辨识得到的水动力导数与其原始值进行了比较,同时也针对辨识模型和原始模型的操纵运动仿真进行了比较.辨识结果表明,使用简化模型进行船舶操纵运动的在线建模是合适的,具有较好的预报效果和较高的精度.     

船舶电力系统中同步发电机的实测建模

本文分析了船舶电力系统中同步发电机的派克模型和实用模型,提出了运用最小二乘法和人工鱼群智能算法混合算法辨识同步发电机参数的方法,并进行了仿真实验,验证了该方法的正确性和高效性。利用实验平台,对柴油发电机组中同步发电机通过特定实验测试和参数辨识处理,建立了符合实际运行状况的同步发电机模型。     

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度.     

一种基于扩展状态观测器的智能船舶Nomoto模型参数辨识方法北大核心CSCD

[目的]为了支持制导、导航、控制等船舶智能化技术的测试验证平台的搭建,利用系统辨识技术得到高精度的智能船舶野本(Nomoto)运动模型参数。[方法]充分结合扩展状态观测器(ESO)以及鲁棒加权最小二乘支持向量回归(RW-LSSVR)算法的优势,提出一种高效低成本的混合参数辨识方法。为解决模型参数辨识中无法直接有效获取某些状态量的问题,构建了基于ESO的状态估计方法。基于估计方法与直接测量的船舶运动状态量,采用具有较强抗异常值干扰的RW-LSSVR对智能船舶二阶线性Nomoto运动模型参数进行辨识。以已知模型的两艘船舶为测验对象,对所提参数估计与辨识方法进行综合测验。[结果]在利用较少传感器的情况下,通过ESO可较精确地估计出非直接测量的船舶运动状态量,并且利用RW-LSSVR辨识得到的参数值十分接近标准值。[结论]利用所提方法获得的估计状态可用于参数辨识,并且辨识模型具有较好的泛化性。     

基于CFD数值模拟的船舶横摇附加质量系数和阻尼系数

基于CFD理论提出一种船舶周围水动力参数的辨识方法.以某型号驱逐舰船模为研究对象,对其典型剖面在静水中横摇进行CFD二维数值模拟,通过最小二乘法拟合得到船舶典型剖面水动力附加质量系数和阻尼系数,再沿船长积分得到船舶周围的等效水动力参数,并分析舭龙骨对横摇力矩的影响.研究结果表明,该参数辨识方法能有效得到船舶周围水动力参数,且具备较高的计算效率.此外,加装舭龙骨对船舶横摇稳定性的提升有着显著作用.     

应用支持向量机的船舶操纵运动响应模型辨识

建模是评估船舶操纵性和可控性的重要前提.基于自由自航船模试验的系统辨识方法是求取船舶操纵运动数学模型中的水动力系数的有效手段之一.文中提出了一种使用支持向量回归估计的船舶操纵运动响应模型辨识方法,该方法通过训练自由自航试验数据样本得到参数回归模型.辨识和仿真结果验证了文中所提出的方法的有效性.     

舰艇横摇进水过程姿态参数数值求解与实验研究

目前在进行破损舰艇进水过程姿态计算的理论和实验研究时,主要还是针对静水情况进行分析,而未考虑舰艇横摇运动下进水过程的姿态计算。基于此,首先以横摇运动的进水过程为研究对象,建立横摇运动微分方程组;然后,在对时间域进行离散化的基础上,使用“四阶龙格-库塔”公式建立数值求解算法;最后,对模型及求解算法进行船模实验验证。设计的实验包括3个不同的进水模式,船模实验结果表明了模型和算法的准确性。所建立的模型和算法可直接用于舰艇横摇运动的仿真,并能为横摇过程中的舰艇稳性计算提供支撑。     

基于支持向量机的船舶操纵运动在线建模

支持向量机算法以结构风险最小化为准则,具有良好的泛化性,是一种先进的人工智能算法。文章根据最小二乘支持向量机对其增量式算法进行推导,并应用该算法对船舶操纵运动进行在线建模。通过仿真试验对粘性力和舵力水动力导数进行在线辨识,通过自航模试验对操纵性K、T指数进行在线辨识,并利用K、T指数对自航模的转首角速度进行了预报,所得结果都同试验值非常接近,证明了增量式最小二乘支持向量机应用于船舶操纵运动在线建模的有效性。     

工程船动力定位系统滤波器设计与研究

为了解决卡尔曼滤波器在给定艏向线性化和过程噪声矩阵难以精确计算的问题,在建立船舶动力定位系统数学模型的基础上,设计了基于Sage-Husa自适应滤波算法的动力定位系统滤波器,并针对具体船型进行了滤波器设计,通过实船试验表明此方法能够很好的滤除高频运动信息的干扰,准确地估计出船舶低频运动信息,在工程上是可行的。     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

基于指数函数非线性反馈的船舶航向保持控制

为研究船舶航向保持控制问题,本文以“育鹏”轮为研究对象,建立了其非线性Nomoto船舶模型,设计了基于闭环增益成形算法的指数函数非线性反馈控制器,并以“育鹏”轮的非线性模型为被控制对象,用Matlab的Simulink工具箱进行系统仿真研究。系统仿真结果表明,建立的非线性Nomoto数学模型精度良好,设计的控制器进行船舶航向保持控制时效果优异,并且更节能。使用这种方法设计的控制器,可以很好地进行船舶航向保持控制,对今后的船舶运动仿真和控制器的设计具有重要意义。     

基于自动识别系统和门控递归装置的港口流量预测模型（英文）

Water transportation today has become increasingly busy because of economic globalization.In order to solve the problem of inaccurate port traffic flow prediction,this paper proposes an algorithm based on gated recurrent units(GRUs) and Markov residual correction to pass a fixed cross-section.To analyze the traffic flow of ships,the statistical method of ship traffic flow based on the automatic identification system(AIS) is introduced.And a model is put forward for predicting the ship flow.According to the basic principle of cyclic neural networks,the law of ship traffic flow in the channel is explored in the time series.Experiments have been performed using a large number of AIS data in the waters near Xiazhimen in Zhoushan,Ningbo,and the results show that the accuracy of the GRU-Markov algorithm is higher than that of other algorithms,proving the practicability and effectiveness of this method in ship flow prediction.     

船模在简谐激励存在时的运行模态分析(英文)

A ship is operated under an extremely complex environment, and waves and winds are assumed to be the stochastic excitations. Moreover, the propeller, host and mechanical equipment can also induce the harmonic responses. In order to reduce structural vibration, it is important to obtain the modal parameters information of a ship. However, the traditional modal parameter identification methods are not suitable since the excitation information is difficult to obtain. Natural excitation technique-eigensystem realization algorithm (NExT-ERA) is an operational modal identification method which abstracts modal parameters only from the response signals, and it is based on the assumption that the input to the structure is pure white noise. Hence, it is necessary to study the influence of harmonic excitations while applying the NExT-ERA method to a ship structure. The results of this research paper indicate the practical experiences under ambient excitation, ship model experiments were successfully done in the modal parameters identification only when the harmonic frequencies were not too close to the modal frequencies.     

小波阈值消噪在耙吸挖泥船参数辨识中的应用

船舶和海洋技术的快速发展对船舶数学模型提出了更高的要求,为消除船舶试验数据中含有的噪声等不良因素,获取准确的数据用于建模,将小波阈值消噪法用于数据预处理,通过仿真对比了消噪前后辨识出的船舶模型相关参数,并将辨识结果用于耙吸挖泥船变吃水作业状态下的运动仿真,验证了小波阈值消噪在耙吸挖泥船参数辨识中的有效性及其工程价值。