一种基于试验数据的动态辨识建模方法及应用

针对大量的水下航行器使用试验数据,构建复杂非线性系统或是高维对象模型问题,提出一种动态辨识建模方法。首先对非线性离散对象建模问题进行了描述;然后提出一种搜索、聚类、模式分类和线性辨识技术相结合的模型辨识方法;最后通过一个仿真建模实例说明了该方法的有效性。     

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。     

遥操作机器人系统软组织环境触觉建模实验

软组织作业环境作为面向微创手术的遥操作机器人系统的一个显著特点,其动力学精确建模具有非常重要的意义.本文研制了一套遥操作机器人实验系统,在动物软组织插针实验的基础上提出了一种交互过程中的非线性软组织力反馈触觉模型,设计了该模型动力学参数辨识的实验研究方法,并通过最小二乘法辨识模型参数.结果表明:本文建立的非线性软组织动力学模型比较准确,能够反映插针过程中力的变化过程,可以应用于虚拟手术仿真和控制策略的研究.     

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.     

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.     

船舶运动辨识建模研究现状与展望

辨识建模是船舶运动建模的主要方法之一.当前的船舶运动辨识建模以参数辨识为主要形式,本文通过文献回顾,归纳总结了参数可辨识性、辨识模型、辨识算法和辨识数据等4个方面的研究成果.分析指出当前存在辨识数据局限性、理论支撑不足和工程应用欠缺等问题,并就下一步在数据处理、理论完备性、非参数辨识和在线辨识方面的研究前景进行了展望.     

一种双电力推进无人水面艇的非线性建模、仿真和实验

针对水面艇运动过程中的非线性因素和线性化建模方法的不足,提出了一种由直流电机驱动固定双桨的无入水面艇非线性建模方法.基于所建模型采用直接数值求解方法对无入水面艇进行运动仿真,分析船体运动的全过程.海上实验结果与仿真结果相符,验证了所建非线性模型的正确性.与经典的线性化建模方法相比,非线性建模方法能更好地对无入水面艇运动的全过程进行分析.     

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。     

基于动态BP算法的非线性系统预测控制

以包含滞后环节的非线性系统为对象,提出一种增加动态特性的动态BP（Back Propagation）学习算法。该算法以传统BP算法为基础,在多层感知机网络的第1隐层和输出层分别引入可调节的自适应延迟参数,并通过误差梯度对其进行修正,实现了对滞后系统的建模和延迟时间的辨识。进而将该算法与神经网络自适应控制器相结合,提出了一种基于神经网络模型的预测控制结构。仿真结果证明了方法的有效性。     

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。     

基于粗糙-支持向量机的航运企业客户信用评估

针对航运企业客户数据样本量少,信息量贫乏、不确定性等特点,提出了一种基于双向互动的粗糙-支持向量机的动态建模方法.利用该方法对具有复杂动态特性和不确定性的航运企业客户信用评估进行建模,并进行了实例研究.结果表明,基于粗糙-支持向量机的动态模型具有较快的收敛速度、较高的建模精度以及较好的泛化能力.     

浮筏隔振装置的超单元建模方法

浮筏是一种集弹簧、阻尼器、刚体和弹性体为一体的混合动力学系统，对其建立合适的动力学模型存在困难，为此本文提出一种超单元建模方法。该方法首先在物理空间中对装置中弹性体的有限元模型进行降阶，并建立相应的超单元，然后与普通单元一样把它们直接组装到总体模型中。用该方法建立起来的动力学降价模型不仅在规模上远小于未降阶的有限元模型，而且能很好地保留原模型在中、低频段内的动态特性。数值示例表明，本文提出的超单元建模方法是一种有效的浮筏隔振装置建模方法。     

梁状浮筏隔振系统的降价建模方法

本文提出了一种梁状浮筏隔振系统结构形式。该系统是由２根自由－自由梁和连接民梁、梁与基础的弹簧及阻尼组成。为了减少在动力分析和结构动力优化设计中的计算工作量，本文提出了一种降价建模方法。由该方法得到的降价系统，能够很好地保留由示缩聚有限元模型建立起来的系统低阶动特性。与部件模态综合法相比，该方法形成降价系统的总刚度矩阵和质量矩阵过程简单，且计算结果通常不需要坐标转换即可求得系统的动力响应， 实例计算     

A nonlinear model reference adaptive inverse control algorithm with pre-compensator

In this paper, the reduced-order modeling （ROM） technology and its corresponding linear theory are expanded from the linear dynamic system to the nonlinear one, and H∞ control theory is employed in the frequency domain to design some nonlinear system＇ s pre-compensator in some special way. The adaptive model inverse control （AMIC）theory coping with nonlinear system is improved as well. Such is the model reference adaptive inverse control with pre-compensator （PCMRAIC）. The aim of that algorithm is to construct a strategy of control as a whole. As a practical example of the application, the nunlerical simulation has been given on matlab software packages. The numerical result is given. The proposed strategy realizes the linearization control of nonlinear dynamic system. And it carries out a good performance to deal with the nonlinear system.     

基于SIMULINK的开关磁阻电机调速系统的建模与仿真

提出一种在MATLAB/SIMULINK环境下建立开关磁阻电机模型的方法，其主电路可用SIMULINK库中的功率电子器件直接搭建，并用此模型对SRD系统的高、低速动态性能进行了仿真，结果表明此模型对实际SRD系统模拟效果很好，是研究SRD系统控制方法的一种有效的辅助手段。     

基于一个二维修正水弹性方法的集装箱船体梁动态前极限强度评估研究

海上极端波因其巨大的波高常常导致船体的极限破坏。该文提出了一个二维的修正水弹性方法来研究一个集装箱船船体梁在极端波中的动态前极限强度。传统的极限强度评估基于准静态方法,没有动态效应被考虑。而船体在波浪下的动态结构响应是基于水弹性方法,传统的水弹性方法并不能计算船体梁的动态非线性强度。该二维修正的水弹性方法考虑时域波浪和非线性船体梁之间的耦合,将水弹性方法和Smith方法结合,用Smith方法计算船体梁的刚度,而其刚度与船体梁的强度和变形曲率有关。所以该时域的非线性刚度被用于修改水弹性方法里的常数项的结构梁刚度。几组极端波模型被用以产生船体梁的大变形和非线性动态垂向弯矩。文中分别采用修正水弹性方法和普通水弹性方法,通过改变四个重要的极端波参数如极端波最大波高、规则波的波高、波速和波长等来研究其对船体梁船中处的大变形转角和非线性垂向弯矩的影响,通过采用修正的水弹性方法计算得来的结果与水弹性方法计算得来的结果相比较,得到了一些差异和结论。     

基于逼近的动态面二阶滑模的船舶航向跟踪控制

针对船舶航向非线性运动数学模型存在不确定性误差的情况下,提出一种新颖的动态面二阶滑模智能控制方法.首先采用动态面控制(DSC)技术,以消除传统Backstepping方法中存在的"计算爆炸"问题.为了削弱滑模控制中固有的抖振效应,提高系统的鲁棒性,引用了一种新颖的二阶滑模控制方法.然后直接利用径向基神经网络技术逼近模型误差,同时采用最少学习参数(MLP)技术,以减少控制器的计算负担,所设计的控制器可以保证闭环系统中所有信号一致最终有界,并使跟踪误差任意小,最后通过仿真验证所提算法的有效性.     

船舶航向非线性系统的自适应动态面控制

针对船舶航向控制非线性系统模型中存在的不确定性和外界干扰的影响,采用动态面控制算法设计了一种鲁棒自适应控制器.由于在反步法设计过程中加入了一阶低通滤波器使得该方法无需对模型非线性多次微分,因而设计方法简单.所设计的鲁棒自适应控制器不仅能保证闭环系统的半全局渐近稳定,使得输出渐近跟踪期望轨迹;而且,跟踪误差可以通过控制器的设计参数加以调整,同时该算法还能克服可能存在的控制器奇异值问题.数字仿真结果表明,控制系统对给定航向的跟踪具有良好的动态特性,对系统的不确定性,具有较强的鲁棒性.     

基于神经网络的船舶操纵运动建模研究（英文）

In this paper, Neural Networks(NNs) are used in the modeling of ship maneuvering motion. A nonlinear response model and a linear hydrodynamic model of ship maneuvering motion are also investigated. The maneuverability indices and linear non-dimensional hydrodynamic derivatives in the models are identified by using two-layer feed forward NNs. The stability of parametric estimation is confirmed. Then, the ship maneuvering motion is predicted based on the obtained models. A comparison between the predicted results and the model test results demonstrates the validity of the proposed modeling method.     

Modeling of ship maneuvering motion using neural networks

In this paper, Neural Networks (NNs) are used in the modeling of ship maneuvering motion. A nonlinear response model and a linear hydrodynamic model of ship maneuvering motion are also investigated. The maneuverability indices and linear non-dimensional hydrodynamic derivatives in the models are identified by using two-layer feed forward NNs. The stability of parametric estimation is confirmed. Then, the ship maneuvering motion is predicted based on the obtained models. A comparison between the predicted results and the model test results demonstrates the validity of the proposed modeling method.