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。     

基于SR-UKF的潜艇水动力系数辨识方法

[目的]针对潜艇运动模型中水动力系数难以准确获取的问题,采用平方根无迹卡尔曼滤波(SR-UKF)算法进行系统辨识。[方法]首先,以潜艇垂直面运动非线性数学模型为基础,结合SR-UKF算法,建立潜艇垂直面水动力系数辨识模型;然后,利用自动操舵控制潜艇在垂直面进行类正弦机动,将运动仿真生成的数据作为SR-UKF参数辨识的输入,并加入测量误差的影响;最后,通过数值仿真计算对潜艇垂直面机动的6个黏性无因次水动力系数进行辨识。[结果]仿真结果表明,全部待识别水动力系数在3 000 s内均收敛至固定值,通过合适的初值选取,辨识结果与水动力试验所测定标准值的最大误差仅1.5%。[结论]SR-UKF能有效应用于潜艇水动力系数辨识,并可进一步拓展用于实艇的水动力系数辨识。     

子空间在线辨识算法原理及应用技术研究

为了解决船舶数学模型中水动力参数可能随着外界海洋环境的不同而发生漂移的问题，提出一种在线更新船舶黑箱模型的子空间辨识策略。该方法根据子空间辨识过程中QR分解的特点，采用Givens旋转矩阵对该复杂分解过程进行处理，从而降低计算复杂度，并通过改进使得子空间辨识算法能够适用于在线辨识。最终将该算法应用于动力定位系统中，实现了对船舶模型参数的实时调整，克服了传统船舶模型辨识算法只能对模型进行离线辨识的缺点，同时也为动力定位中紧急情况下的船位推算提供了较为准确的模型依据，最大限度地提高了作业的安全性。文末的仿真及实船数据进一步验证了算法的有效性。     

基于分阶段粒子群优化算法的船舶横向运动水动力参数辨识

提出了一种基于分阶段粒子群优化算法的船舶横向运动参数辨识问题。针对船舶横向水动力参数多、参数之间耦合度高的特点,提出了一种计算参数敏感性系数的方法,并依据敏感性系数对参数进行了分类,采用分阶段粒子群优化算法对参数进行辨识。对船舶横向运动参数辨识问题的求解结果表明,该算法能够快速地辨识出满足精度要求的船舶横向运动参数,验证了算法的有效性。     

基于遗传混沌粒子群混合算法的船舶动力定位推力分配研究

针对船舶动力定位系统中一类非线性有约束的推力分配问题,提出了一种以粒子群算法为基础,并引入混沌理论和遗传算法中交叉及变异策略的混合算法。建立以推进系统能耗最小为目标,包括推进器功率消耗、磨损、推力误差等;以推进器推力、方位角的工作范围和变化速率等为约束条件的多变量非线性有约束优化问题。通过仿真表明,该算法能够解决该优化问题,而且能够兼顾船舶推进系统的能耗和操纵性能,有效地提高了船舶动力定位系统的相关性能。     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识。对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行。     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识.对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行.     

基于云模型的舰船动力定位控制系统设计

船舶动力定位控制是保证船舶平稳运行的关键。本文首先研究了云模型理论,对云模型控制进行深入分析,在船舶动力定位系统数学模型和云模型的基础上,建立了动力定位云模型控制器,并且利用基于遗传算法的粒子群算法进行控制因子的优化,最后进行控制系统仿真,实验结果表明,本文算法能够对船舶动力定位起到很好的控制作用。     

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。     

非线性Backstepping算法在舰船动力定位系统控制的应用

船舶动力定位系统是一种闭环控制系统,通过检测船舶的位置、状态信号,控制船舶推进器产生相应的动力,抵消干扰作用力,使船舶能够相对稳定的定位。本文的研究内容是船舶定位系统的控制算法,通过建立船舶动力定位系统的函数模型,结合Backstepping算法,设计一种新型的船舶动力定位控制系统,通过仿真实验证明了该船舶动力定位控制系统的有效性。     

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。     

船舶动力定位系统滤波器设计及仿真

针对船舶动力定位系统中单一滤波器的滤波性和稳定性差的问题,设计了基于Sage-Husa自适应滤波算法和强跟踪卡尔曼滤波算法相结合的自适应滤波算法,建立了动力定位船舶的数学模型,并根据此船舶设计了滤波器以及相应的算法,通过和实船测试数据的比较,两者的结论几乎一致,而且在工程上是可行的。     

船舶动力定位系统中的非线性滤波器设计研究

船舶动力定位系统主要作用是维持船舶在航行过程中的位置和方向,保证航行的安全。为了克服海面水流和风力对船舶航行造成的影响,需要动力系统中的滤波系统对船舶的综合位置信号进行分离,以消除干扰,从而能够精确控制船舶姿态。本文在研究船舶定位系统的基础上,建立理想状态下的动力定位模型,并利用卡尔曼滤波算法和贝叶斯估计模型获得精确的样本,最后与非线性滤波控制系统联合仿真,以此得到精确的仿真模型。仿真结果表明,此滤波算法具有良好的适应性,能够满足动力定位系统的需求。     

基于渐消记忆自适应滤波的船舶动力定位算法仿真（英文）

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立。为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号。采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一。文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗。仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性。     

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。     

工程船动力定位系统滤波器设计与研究

为了解决卡尔曼滤波器在给定艏向线性化和过程噪声矩阵难以精确计算的问题,在建立船舶动力定位系统数学模型的基础上,设计了基于Sage-Husa自适应滤波算法的动力定位系统滤波器,并针对具体船型进行了滤波器设计,通过实船试验表明此方法能够很好的滤除高频运动信息的干扰,准确地估计出船舶低频运动信息,在工程上是可行的。     

基于渐消记忆自适应滤波的船舶动力定位算法仿真

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立.为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号.采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一.文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、 不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗.仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性.     

模型参数辨识在运动控制仿真系统的应用

船舶运动控制仿真系统是船舶开发过程中的辅助系统,能够模拟船舶在多种激励下的运动状态,有助于提高船舶运动控制系统的设计水平。本文研究的重点是一种模型参数辨识技术在船舶运动控制仿真系统的应用,本文首先建立了船舶运动仿真力学模型,利用基于粒子群算法等数学算法,针对船舶运动控制仿真系统的参数辨识等进行了优化与仿真试验。     

推力分配优化算法在船舶动态控制中的应用研究

动力定位系统是通过自身的动力推进器来平衡外力作用,使船舶的航行方向及速率按照预设有序进行。其中推力分配优化是动力定位的重要组成部分,在此根据实际的船舶运行环境确定各种外力变换,进一步给出动力定位系统中推力分配优化问题的目标函数及约束条件,从而可以利用各类多目标算法进行求解。本文首先研究海上航行船舶受到的外力及运动模型,在此基础上设计基于遗传算法的船舶动态控制中的推力分配优化算法,最后进行仿真。     

船舶动力定位系统多模型自适应融合滤波

为了减小波浪高频和环境噪声对船舶运动的影响,解决动力定位系统中的滤波问题,采用一种改进的多模型自适应融合(MMAF)估计算法。MMAF算法运用DGPS和平台罗经建立对地速度基准的研究方法,采用多模型描述系统结构,且每个模型对应不同滤波算法,利用不同滤波器所提供信息的融合,得到有效的船舶位置和首向估计信息。仿真实验表明,与其他方法相比,MMAF的应用使得滤波效果得到提升,性能得到改进。