船舶操纵运动数学模型研究

本文共分3个部份:第一部份阐述了船舶操纵运动数学模型的建立,选择了解析式水动力模型结构;第二部分依据实船试验结果,对船舶运动数学模型进行相似性率定,通过数值模拟和相似性分析,数学模型取得了与实船试验非常接近的结果;第三部分对建立的数学模型作了综合评价,认为达到了工程实用要求。     

基于特征模型的船舶运动数学模型

为了获得形式简洁而精度较高的船舶运动数学模型,将航空航天领域的特征模型移植到航海领域.利用部分实船试验数据辨识出特征模型的参数,通过船舶Z形试验验证了在航海领域使用特征模型的可行性.该精度稍高于目前使用的Nomoto模型,且保留了其简洁的形式.     

大型船舶运动方程辨识方法研究

针对大型船舶水面二阶运动方程参数辨识问题,提出了一种舵效参数K与时间参数T独立辨识的方法。该方法利用恒舵角机动来辨识舵效参数K,在船舶恒舵角机动完成后,再进一步利用零舵角运动来辨识时间参数T,通过某型船舶的实验测试验证了所提出的辨识算法的有效性。     

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.     

船舶动力定位系统数学模型参数辨识方法研究

船舶动力定位是深海开发的关键技术之一,随着海上油气生产向深海的发展,对应用于船舶动力定位系统的船舶数学建模也提出更高的要求。首先介绍船舶动力定位系统的意义及其应用的数学模型,然后针对船舶及推进器动力学数学模型的辨识与建立过程进行详细介绍,最后讨论船舶外界环境扰动建模的策略。     

船舶运动的数学模型构建与验证研究

针对船舶在海面航行运动的复杂情况,构建一种用于船舶运动仿真控制分析的数学模型。分析船舶运动中的坐标系运动变化过程,并给出运动坐标系中作用力、力矩、重心速度、角速度等模型变量。研究数学模型中运动坐标系的移动过程,并适度调整运动方程的参量值,以更好地实现数学模型对船舶航行运动的控制作用。仿真验证结果表明,在提出的数学模型控制下,船舶的航行轨迹更接近于理想航线,在外界环境更加恶劣的条件下优势更为明显。     

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.     

船舶运动干扰力和力矩数学模型

为了准确计算船舶运动参数,以提高航海模拟器的模拟精度,本文基于欧拉理论建立船舶运动干扰力和力矩数学模型,考虑了水流压力、水力矩、风压力、风力矩、螺旋桨推力、螺旋桨力矩等力学参数对船身运动的影响。以某试验船为实例进行计算研究。结果表明,本文建立的数学模型与相关文献计算结果较为一致,本文建立的船舶运动干扰力和力矩数学模型具有较好的准确性。     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法.首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤.对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度.然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度.通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度.     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法。首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤。对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度。然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度。通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度。     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法.该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态.Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定.     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法。该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态。Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定。     

卡尔曼滤波器在船舶运动模型参数辨识中的应用

船舶航行在广阔洋面时,由于速度极快,因此具有很好的机动性,但遇到恶劣天气时,会面临很大的控制难题,尤其是控制信号的传递和导航数据的传输过程中会面临较强的干扰问题。本文主要研究船舶运动模型参数的辨识问题,采用卡尔曼滤波器对输入信号进行处理,能够主动分离出有用信号和噪声信号。在滤波过程中,通过对滤波参数进行提取,能够提高滤波效率,显著改善了船舶运动控制的水平。     

基于S修正卡尔曼滤波的自适应网格模糊交互多模型算法研究

针对机动目标跟踪问题中,固定结构多模型(FSMM)算法费效比不高以及交互式多模型(IMM)算法马尔可夫转移概率难以准确确定的问题,研究一种基于S修正卡尔曼滤波的自适应网格模糊交互式多模型(AGFIMM-SKF)算法。该算法通过自适应网格调整实现了模型集自适应,通过模糊逻辑推理得到模型集中各个模型的匹配度,并且对标准卡尔曼滤波器进行S修正。仿真结果表明,AG-FIMM-SKF算法与标准的IMM算法相比,可以有效提高多模型算法的精度和费效比,且适合工程应用。     

基于多船舶技术下的交通客流调度数学模型优化

在多船舶下进行交通客流调度是一个非线性的多目标规划问题,采用传统的线性调度模型会出现稳态误差。提出一种基于拟线性双曲反演控制的多船舶技术下的交通客流调度数学模型,构建多船舶技术下的交通客流调度的控制约束参量模型,采用Riccati拟线性双曲微分方程进行交通客流调度的数学建模,在渐进稳定约束泛函下进行调度模型的最优解向量分析,采用稳态补偿和自适应反演积分调控方法进行全局稳定性收敛控制,实现交通客流调度优化。仿真实验表明,采用该模型进行多船舶技术下的交通客流调度,能提高客流运输量,调度模型的全局稳定性较好,全过程自适应能力较强。     

广义卡尔曼算法在船舶动力定位系统辨识中的应用

进入21世纪,人们在海洋开发方面给予了高度重视,使得海洋开发范围逐渐拓展。其中,动力定位系统具体指的就是海上漂浮物依靠自身动力,接受控制系统指令对外界干扰加以抵抗并确保船舶亦或是海洋平台始终以同一姿态停留于空间某定点位置。将动力定位系统应用于海底勘探、海底矿物质采集与海洋石油开发等海洋工程活动中,可以提供多元化的服务。自动力定位技术成功研发并应用于动力定位系统后,船舶动力定位系统在辨识方面的需求不断提高,本文将广义卡尔曼算法应用其中,不仅可以有效改善系统功能,同样可以充分发挥船舶动力定位系统作用。     

基于云粒子群算法的船舶纵摇运动参数辨识

提出一种基于云粒子群优化算法的船舶纵摇运动参数辨识方法。该方法利用正态云发生器自适应调整粒子群算法的惯性权重,并在算法进化过程中对粒子位置进行基于云模型的变异操作,可以很好地解决算法早熟收敛的缺点,能够提高算法的收敛精度和收敛速度。应用该算法对船舶纵摇有关运动参数进行辨识,辨识结果在可以接受的范围之内。     

基于DSP的船舶通信设备故障辨识模型

针对当前船舶通信设备故障辨识误差大,不能满足现代船舶通信要求的难题,提出基于数字信号处理(DSP)的船舶通信设备故障辨识模型。首先分析船舶通信设备故障辨识原理,并采用数字信号处理技术采集船舶通信设备的状态信号,然后采用小波包对船舶通信设备的状态信号进行处理,并提取最有效的船舶通信设备故障辨识特征,最后引入机器学习算法建立船舶通信设备故障辨识模型,采用具体船舶通信设备故障辨识样本进行仿真测试,结果表明,数字信号处理的船舶通信设备故障辨识精度高,船舶通信设备故障辨识误差小于当前其他辨识模型,而且故障辨识的训练时间和测试时间相应减少,改善了船舶通信设备故障辨识结果。