论文部分内容阅读
无人水面船舶(Unmanned Surface Vessel,USV),作为船舶自动化、智能化领域的发展方向,近年来逐渐受到学者广泛关注。USV需要具备良好的操纵特性,以实现在复杂航行条件下的无人作业。对USV进行操纵性预报和评估,可以为USV的自适应控制提供合理的模型参考。而在操纵性预报以及运动控制中,USV运动模型准确与否十分重要,其关键在于对模型参数的确定。现代控制理论的发展,使得参数辨识成为模型研究的一个重要手段。目前广泛研究的辨识方法分为两类:以最小二乘法、卡尔曼滤波为主的经典辨识方法和以神经网络、支持向量机为主的统计辨识方法。在船舶运动模型参数辨识领域,经典辨识方法的运用较为成熟。以USV整体型水动力模型和响应型模型为辨识对象,研究基于多新息理论的模型参数辨识方法。用来作为对比的经典辨识方法有最小二乘法、卡尔曼滤波法以及最小二乘支持向量机。主要工作如下:1)应用多新息最小二乘法、多新息卡尔曼滤波以及最小二乘支持向量机进行船舶运动模型参数辨识研究,并分别提出基于这三种方法的USV运动模型参数辨识方法。2)对于多新息卡尔曼滤波,通过加入遗忘因子,提出改进多新息卡尔曼滤波算法并加以收敛性证明;对于最小二乘支持向量机,加入对偏置的正则因子,并结合多新息理论,提出改进的多新息最小二乘支持向量机辨识方法。3)构建USV模型船实验数据采集平台与参数辨识仿真平台,采用USV模型船的Z形实验数据进行参数辨识试验和操纵性预报,并从辨识精度和参数收敛速度两方面对比验证本文提出的改进多新息方法和传统辨识方法。对比实验结果表明:相较于经典辨识方法,多新息及其改进方法的辨识精度更高,且多新息最小二乘法与多新息卡尔曼滤波方法的辨识收敛更快,可以为USV参数在线辨识提供参考。