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。     

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。     

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。     

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。     

基于全局最优局部加权学习算法的船舶操纵运动辨识

运用一种基于全局最优的局部加权学习(Locally Weighted Learning,LWL)算法进行船舶操纵运动辨识建模。该方法是一种基于计算机存储的离线学习的黑箱建模方法,直接考虑船舶运动状态输入与输出之间的映射关系,可克服传统机理建模及参数辨识模型中存在的参数漂移问题和未建模动态问题。对样本点进行重新排列并提高输入空间的维度,解决船舶运动状态一对多映射和不可分问题。通过学习"Mariner"轮的三自由度数学模型,并进行旋回试验、Z形试验及逆螺旋试验,验证算法的有效性。     

基于MATLAB的卡尔曼滤波法参数辨识与仿真

本文介绍了基于MATLAB的使用卡尔曼滤波法进行参数辨识的设计与仿真方法。简述了参数辨识的概念和卡尔曼滤波法应用于参数辨识的基本原理,结合实例与最小二乘法进行比较,给出了相应的仿真结果和分析。     

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。     

关于K—T方程类的辨识方法研究——自回归模型的辨识

利用自回归离散模型的最小二乘辨识法最终建立了一阶和二阶K—T非线性的连续模型。为提高辨识精度和改善上述数学模型的可辨识性,利用了一组Z型试验(Z10°/10°,Z15°/15°,Z20°/20°),并采用平行数据处理法分别辨识K,T(或T_1,T_2,T_3),δ_0和α。通过模拟试验数据的辨识结果分析,有力地证明了本法简单可行,辨识精度符合一般工程需要。并在Mariner型船模试验中得到了较成功的应用。     

水下航行器模型参数辨识技术

采用系统辨识技术识别水下航行器模型参数,是修正理论计算或船模水动力试验结果,实现精确数学建模的有效手段,对水下航行器总体性能优化、操纵性预报、控制器设计等方面都具有重要意义。重点对基于最小二乘法、人工智能和卡尔曼滤波的3种典型参数辨识方法进行分述,并对相关领域取得的成果、存在的问题和研究热点进行系统梳理。最后,对系统辨识技术在水下航行器模型参数辨识应用领域的发展趋势进行展望。     

响应型船舶运动模型的建模与遗传算法辨识

为了建立更准确的响应型船舶运动模型,在充分考虑横摇对舵响应的非最小相位性、阻尼震荡性和惯性横倾的基础上,提出一种横摇响应型模型,其参数具有物理意义明显和估值简单的特点.在此基础上,以某多功能运输船的非线性运动模型的对舵响应输出为试验数据,应用自适应遗传算法对船舶运动响应模型的各参数进行辨识,得到该船的艏摇与横摇的响应模型.仿真试验结果显示,遗传算法辨识后的船舶响应型模型能以较高的精度逼近试验数据,进而验证了响应型船舶运动模型及其参数辨识的有效性和可靠性.     

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。     

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。     

基于高级遗传算法的船舶模型参数辨识

提出一种以二阶K-T方程为基础，并基于高级遗传算法的船舶参数辨识算法，能有效地保证了算法的收敛性和全局优化能力，避免陷入局部最优解。并引入噪声参数，再用基于多局部种群的遗传算法进行迭代计算，将残差白噪声化。最终将该方法与传统的广义最小二乘算法相比较，得到了较为理想的船舶参数。通过对采集的仿真数据和实际自动舵数据的辨识结果验证了该方法在实际工程应用中的可行性和有效性。     

磁流变阻尼器双曲正切模型参数辨识方法

针对试验数据条件下如何高效精确地识别磁流变阻尼器动力学模型参数这一问题,从双曲正切模型出发,在磁流变阻尼器力学特性试验的基础上,提出遗传算法与非线性最小二乘算法结合的方法进行参数识别,并利用Simulink工具箱进行数值仿真验证。结果表明:遗传算法与最小二乘算法结合的方法识别精度高、速度快,其拟合的结果和辨识的模型均能满足要求。     

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.     

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。