基于支持向量回归机的船舶操纵运动在线辨识建模

采用滚动时间窗的方法实现支持向量机的在线辨识。以船舶操纵运动响应模型为研究对象,并由10°/10°和15°/15°仿真Z形试验数据构造支持向量机参数辨识所需的训练样本对,应用支持向量机进行船舶操纵运动在线辨识建模,回归操纵运动响应模型中的操纵性指数,并利用建立的响应模型进行Z形试验的数值模拟。将Z形试验数值模拟结果同仿真Z形试验数据进行比较,结果表明,在线式支持向量回归机是一种进行船舶操纵运动在线辨识建模的有效方法。     

小波去噪在船舶操纵运动建模中的应用

通过向20°/20°Z形试验仿真数据中添加随机噪声,得到含噪声的试验数据;随后,应用最小二乘支持向量回归机(Least Square-Support Vector Regression,LS-SVR)对经过小波去噪的试验数据和含噪声的试验数据进行分析,辨识了船舶操纵运动二阶线性响应模型中的操纵性指数。将由去噪试验数据和含噪试验数据得到的20°/20°Z形试验预报结果同20°/20°Z形试验仿真数据进行对比,验证了小波去噪在对含噪声的Z形试验数据进行去噪处理的有效性。     

基于支持向量回归机和粒子群算法的船舶操纵运动模型辨识

基于仿真的Z形试验数据,应用支持向量回归机对船舶操纵运动响应模型进行了机理建模,从核函数结构中得到了模型中的操纵性指数,并利用建立的响应模型进行了Z形试验的运动预报,同时引入粒子群算法对惩罚因子C值进行寻优,以减少惩罚因子C值选择的任意性对船舶操纵运动模型辨识精度产生的不利影响。通过将运动预报结果同仿真试验数据进行比较,验证了文中方法的有效性。     

支持向量回归机不敏感因子ε对运动建模的影响

通过对仿真Z形试验数据的分析,应用具有不同不敏感因子ε的ε-支持向量回归机(Support Vector Regression,SVR)辨识了船舶操纵运动二阶线性响应模型中的K,T等操纵性指数,并利用回归得到的响应模型进行了Z形试验的数值模拟。通过比较采用不同不敏感因子ε所得首向角和转艏角速度的预报结果,表明可以通过调节不敏感因子ε值来控制样本输入中支持向量的个数与ε-SVR的回归精度。     

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.     

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。     

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.     

基于ν-支持向量机的波浪中船舶操纵运动辨识建模

本文采用系统辨识方法对船舶在波浪中的三自由度操纵运动进行黑箱建模。以KCS船为研究对象，建模所需的数据由规则波中的船模回转试验获得。分别利用原始数据及经低通滤波处理后的数据，应用ν-支持向量机进行黑箱建模。进一步地，利用所建立的模型进行运动预报，并将预报结果与真实的试验值进行比较，对所提出的建模方法进行验证。结果表明，ν-支持向量机是一种可进行波浪中的船舶操纵运动辨识建模的有效方法。     

基于岭回归方法的船舶操纵运动建模

基于自航模试验的系统辨识方法是一种有效的船舶操纵运动建模方法.通过对舵角和转艏角速度试验数据的分析,用岭回归方法确定了船舶操纵运动数学模型中的模型参数,进行了操纵运动预报仿真并同自航模试验数据对比,数值仿真结果验证了方法的有效性.     

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。     

基于实航数据驱动的无人艇操纵运动辨识建模

为快速构建符合海洋航行器实际运动特性的操纵运动模型,开展基于“精海”无人艇实航湖试数据驱动的无人艇操纵运动辨识建模研究。无人艇操纵运动辨识建模的框架以非线性水动力模型和推进器经验模型作为先验知识约束,利用随机舵角序列激励下的航行数据作为训练集,采用支持向量机回归方法完成建模过程,着重探讨了在环境干扰下构建艇体动力学模型的可行性。结果表明,所提出的方法能够快速构建具有非线性特性的无人艇操纵运动模型;先验的模型结构有效降低了实航数据中浪和流的影响,构建的模型能够有效预测回转、Z形等操纵运动的状态变化,具有良好的泛化能力。     

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。     

船舶操纵运动仿真研究

为了利用船舶操纵模拟器进行航海教育培训,以及在船舶设计阶段预报船舶操纵性,建立四自由度船舶操纵运动数学模型以及作用于船体的作用力(矩)计算公式,运用unity开发工具,结合某型船舶数据方便快捷的编制船舶操纵运动三维数值仿真程序。通过船舶变速性能、旋回性能和Z形实验等较为完整的船舶操纵性能数值仿真试验,得到了试验数据,并和该船的实船试验数据以及相关文献的数据进行比对,吻合较好。仿真结果表明:本文的方法是可行的,计算结果是可信的。     

果蝇算法在基于LSSVM智能水下机器人操纵运动模型辨识中的应用

基于水下机器人的Z型仿真试验,应用支持向量机对水下机器人的操纵运动模型进行辨识,从核函数结构中得到水动力系数,并建立水下机器人的预报模型,引入果蝇算法对惩罚因子C进行寻优,以减少基于经验而选择的参数对辨识精度产生的影响。通过预报与仿真比较,验证了该方法的有效性。     

POD推进方式的大型船舶运动模型仿真

以改进吊舱推进方式的船舶操纵性能为目的,基于MMG分离建模思想,依据船舶运动的状态建立基于吊舱推进方式的船舶运动数学模型。然后将模型进行仿真,通过接收信息来控制船桨的转速及旋转的角度,再对船舶的操纵性能分别进行回转操纵运动仿真和Z形操纵运动仿真,软件仿真得到的数据和实船测试得到的数据相似。表明所构建的基于吊舱推进方式的船舶运动数学模型能够较准确地反映出船舶操纵的运动状态,对基于POD推进方式的船舶运动研究有较深远意义。     

基于神经网络的舰船运动模型辨识

通过神经网络对线性水动力系数、弱非线性水动力系数和强非线性水动力系数进行了研究,利用免疫模糊遗传算法对各神经网络辨识器进行优化,以确定舰船运动的待识别系数,并且进行了10°/10°Z形操舵运动、30°回转操舵运动和35°回转操舵运动辨识的仿真。结果表明:利用辨识所得的各种典型操舵运动曲线与利用原参数所得结果符合良好。     

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。     

船舶操纵性能及其代理模型构建

为了提高船舶操纵性能计算效率,文章结合基于NAPA计算仿真结果和支持向量回归方法预报海洋平台支援船的操纵性能,在收集足够相关船型信息前提下,采用能够合理探索设计空间和抽样的拉丁超立方方法获取了30条样本船型数据。通过NAPA仿射变化、位移转换及根据船型设计变量进行局部调整从而生成系列船型以表达船体几何形状。针对每个船型,分别计算了5项操纵性衡准指标：进距、战术直径、横距、10°舵角第一超越角和20°舵角第一超越角。为提高船舶操纵性能的计算效率,文中利用作者早先新提出的一种单参数Lagrangian 支持向量回归算法来训练并构建代理模型以预报船舶操纵性能,该算法整合了Laplace损失函数,仅采用单参数控制计算误差并于置信区间中增加了b2/2项。以海洋平台支援船为例,采用SPL-SVR算法预报船舶操纵性能,并与基于NAPA计算仿真结果、人工神经网络、经典支持向量回归算法进行对比。不需要昂贵的仿真代码计算,文中采用SPL-SVR算法建立的船舶操纵性能响应面模型比较适合船型初步设计的工程实际应用,并具有较好的效率和适用性。     

船舶操纵性能及其代理模型构建（英文）

为了提高船舶操纵性能计算效率,文章结合基于NAPA计算仿真结果和支持向量回归方法预报海洋平台支援船的操纵性能,在收集足够相关船型信息前提下,采用能够合理探索设计空间和抽样的拉丁超立方方法获取了30条样本船型数据。通过NAPA仿射变化、位移转换及根据船型设计变量进行局部调整从而生成系列船型以表达船体几何形状。针对每个船型,分别计算了5项操纵性衡准指标:进距、战术直径、横距、10°舵角第一超越角和20°舵角第一超越角。为提高船舶操纵性能的计算效率,文中利用作者早先新提出的一种单参数Lagrangian支持向量回归算法来训练并构建代理模型以预报船舶操纵性能,该算法整合了Laplace损失函数,仅采用单参数控制计算误差并于置信区间中增加了b~2/2项。以海洋平台支援船为例,采用SPL-SVR算法预报船舶操纵性能,并与基于NAPA计算仿真结果、人工神经网络、经典支持向量回归算法进行对比。不需要昂贵的仿真代码计算,文中采用SPL-SVR算法建立的船舶操纵性能响应面模型比较适合船型初步设计的工程实际应用,并具有较好的效率和适用性。     

基于广义最小二乘法的ROV水下机器人模型在线参数辨识

以水下机器人俯仰操纵响应模型为研究对象,并由小型特种水下机器人实时采集纵向变电机速度、前推电机1速度、前进电机2速度、侧推电机速度和俯仰角等试验数据,通过对这些试验数据进行分析,采用基于ARX模型的广义最小二乘法对一种变桨机构的ROV水下机器人运动模型进行在线辨识建模.将水下机器人航向角实时预报结果与试验数据进行比较,结果表明,辨识得到的水下机器人运动模型具有良好的泛化性能,可为后续ROV水下机器人的航向控制器优化提供参考.