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。     

船舶横摇变参数LSSVM在线预报方法(英文)

为提高船舶横摇运动预报的精度以及实时性,提出一种利用混沌理论和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)在线训练算法的实时在线预报方法。针对预报模型的固定核参数不能适应横摇运动的动态变化而进行自动调节这一问题,设计一种基于LSSVM的变参数在线建模方法。利用三个LSSVM并行建模,将整个预报过程分为初始阶段和若干个预报阶段,并在每个阶段末选出下一个预报阶段的预报LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为下一阶段的比较LSSVM。对某船横摇运动时间序列进行预报,仿真结果表明,所提变参数LSSVM在线预报方法平均相对均方误差为6.85%,相比于固定参数预报方法具有更好的适应性。     

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。     

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。     

参数辨识在船舶运动控制中的研究与应用

本文以系统辨识的方法,对船舶运动模型--KT方程的参数进行辨识.通过分别研究最小二乘法和遗传算法在船舶运动方程参数辨识中的应用,提出了一种结合最小二乘法和间接模型参考自适应法的混合辨识算法,并经仿真实验数据的辨识结果分析,有力地证明了本方法的可行性和合理性.     

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。     

一种分解策略的船舶横摇运动姿态在线预报方法

为了解决单一预报模型对复杂的船舶横摇运动姿态时间序列建模预报困难以及支持向量机预报方法离线训练导致实时性差的问题,文中提出一种分解域船舶运动姿态在线预报方法。采用经验模式分解法对时序的不同特征信息进行分解;应用游程法将分量重构为高、中、低频三个分量;针对每个分量建立在线最小二乘支持向量机预报模型,对各分量的预报结果累加得出最终预报值。对某船横摇角时序进行了预报,结果表明,所提方法预报10s的相对均方误差在13%以内,相比于支持向量机预报模型,该模型能够有效提高预报精度和效率。     

基于混沌理论和改进极限学习机的船舶升沉预报（英文）

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分。为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM)。在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型。不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10%,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性。     

基于混沌理论和改进极限学习机的船舶升沉预报

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分.为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM).在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型.不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10％,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性.     

可控被动式减摇水舱随机控制策略研究

在"船舶-可控被动式减摇水舱"系统数学模型基础上,根据安装减摇水舱的船舶在随机海浪作用下的横摇运动特点,利用成型滤波器以及在线辨识方法对"船舶-可控被动式减摇水舱"系统横摇运动进行预报,并利用预报信息以及实时测量信号对减摇水舱内液体进行控制,实现船舶横摇运动与水舱内液体运动的相位控制,使减摇水舱在不同航态以及不同海情下均有较好的减摇效果.     

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。     

基于固定网格小波神经网络的不规则波中船舶横摇运动在线预报（英文）

船舶横摇运动预报对于船舶安全与作业非常重要。本文应用固定网格小波神经网络在线预报不规则波中的船舶横摇运动。该固定网格小波神经网络由离散的小波激活函数组成,其结构和参数可以基于滑动数据窗在线调整;在每一个滑动数据窗,误差下降比判据被用来从小波函数库中选择重要的小波函数项来构建小波神经网络模型,直到该模型可以较好地表达所研究的非线性系统,获得的模型一般比较简洁。预报结果表明,仅仅几个小波函数项就可以很好地捕捉到不规则波中船舶横摇运动的非线性动力学内在特性,这不仅展示了小波函数很强的非线性表达能力,也证实了所采用的建模方法对于预报船舶在不规则波中的横摇运动的有效性。     

基于最小二乘支持向量机的船舶水下焊接质量在线监测

以径向基函数(radial basis function,RBF)为核函数,将最小二乘支持向量机(least squares support vector machines,LSSVM)预测模型应用于船舶水下焊接质量在线监测.提出了一种自适应优化方法确定该模型中的可调超参数和核宽度参数,并建立了实时显示和报警系统.实验结果表明,该方法预测误差较小,建模耗时少,适合于船舶水下焊接质量在线监测.     

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.     

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.     

实船运动与包络的极短期预报分析

舰船运动及包络的实时预报可以为舰载机起降、船舶减摇、海上锚泊并靠物资补给、动力定位等提供辅助指导意见。本文利用某实船的升沉、纵摇与横摇数据,建立运动和包络的2阶自适应Volterra级数模型,通过RLS算法估计Volterra级数模型的核,统计了不同工况下的运动预报精度。分析结果表明,Volterra级数模型可以用来辨识船舶运动系统,纵摇与升沉预报精度较好,运动预报可以与包络预报相结合共同指导工程作业。     

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.