论文部分内容阅读
船舶操纵是指操纵者按照船舶操纵性能和车、舵效应,结合风、流和水域等客观条件,运用船舶推进器、舵、锚、缆、拖船等以保持或改变船舶运动状态的行为和过程。描述船舶操纵过程运动学和动力学上输入输出关系的船舶操纵运动数学模型在船舶操纵性预报、船舶运动自动控制系统设计以及航海仿真系统建设等领域具有广泛的应用需求和较高的精度要求。然而船舶运动建模却是一项十分繁重的任务,建模精度与效率受到多种条件的影响。一方面,建模理论与技术水平是推动船舶运动模型发展动力,建模方法与辅助工具的使用也是提高建模工作效率的关键。另一方面,数据资料的缺乏也是制约建模与辨识工作的瓶颈问题。实船试验和系统辨识技术的发展为解决船舶运动建模与辨识问题提供了新的途径。基于实船试验开展船舶运动建模与辨识技术的相关研究,具有十分重要的理论意义和工程意义。
本文主要围绕船舶操纵运动的建模方法、模型参数辨识方法、以及一体化的船舶运动建模与辨识技术等开展研究。主要内容如下:
1、提出了开展研究所基于的系统辨识框架,描述了船舶运动建模的基础理论以及模型结构的研究进展,重点提出了开展本文研究的数据基础,主要包括3000吨级散货船、5000吨级散货船和2000吨级油船的操纵试验的设计与开展、数据采集与处理等。
2、开展了基于最小二乘相关算法的差分方程模型参数辨识研究。对机理型模型类中的ARX型差分方程,设计使用批处理最小二乘算法、单新息和多新息递推最小二乘算法进行参数辨识。实例研究验证了所述方法的可行性和有效性。
3、开展了基于蝙蝠算法的响应型模型参数辨识研究。对机理型模型类中的响应型船舶运动模型参数辨识问题进行建模,应用蝙蝠算法求解参数辨识问题。基于误差准则,将响应型船舶运动模型参数辨识问题转化为单目标函数的优化问题,采用蝙蝠算法对目标函数进行优化,找到目标函数的极值及对应的自变量,从而实现模型参数辨识。实例研究验证了所述方法的可行性和有效性。
4、开展了基于粒子群优化算法的分离型模型参数辨识研究。对机理型模型类中的分离型船舶运动模型参数辨识问题进行建模,应用粒子群优化算法求解参数辨识问题。基于误差准则,三自由度的分离型船舶运动模型参数辨识时需同时优化三个目标函数;通过引入权重,将三个目标函数的优化问题转化成对一个总目标函数的优化问题。采用线性递减惯性权重粒子群优化算法对总目标函数进行优化,找到目标函数的极值及对应的自变量,从而实现模型参数辨识。实例研究验证了所述方法的可行性和有效性。
5、开展了基于人工智能系统的船舶运动黑箱型建模研究。基于逼近原理,研究并提出了基于RBFNN、T-S ANFIS的船舶运动黑箱型建模方法。所述方法构建的黑箱型模型结构简单,与实际输入输出对应关系清晰,便于在工程中应用。实例研究验证了所述方法的可行性和有效性。
6、研究了基于实船试验的船舶操纵运动一体化建模与辨识技术。在机理型模型参数辨识及实例研究的基础上,研究并提出了一种集成数据采集与处理、运动建模、参数辨识和后端应用的实船一体化运动建模与辨识技术。通过典型案例进行了技术验证,研发的应用系统具有较高可靠性和工程实用性,能够为船舶运动建模提供技术支持,提高相关工作的智能化水平和效率。
本文的创新性工作主要体现在:
1、提出并验证了一种基于蝙蝠算法辨识响应型船舶运动模型参数的算法。基于误差准则,将响应型船舶运动模型参数辨识问题转化为单目标函数的优化问题,采用蝙蝠算法对目标函数进行优化,搜索目标函数的极值及对应的自变量,从而实现模型参数辨识。
2、提出并验证了一种基于粒子群优化算法辨识分离型船舶运动模型参数的算法。基于误差准则,通过引入权重,将三自由度的分离型船舶运动模型参数辨识时三个目标函数的优化转化为对一个总目标函数的优化问题,采用线性递进惯性权重粒子群优化算法对总目标函数进行优化,搜索总目标函数的极值及对应的自变量,从而实现模型参数辨识。
3、提出并实现了一种基于人工智能系统的船舶运动黑箱式建模和辅助辨识机理型模型参数的方法。基于人工智能系统的逼近能力,提出了采用RBFNN、T-S ANFIS进行黑箱型建模的方法。采用T-S ANFIS的黑箱型建模,能够实现实船运动输入输出拟合,同时得到对应于ARX型模型的参数。
4、提出并验证了一套实船试验船舶操纵运动一体化建模与辨识技术。在系统辨识框架下,提出并验证了一种集成数据采集与处理、离线/在线建模、参数辨识和模型后端应用的实船一体化运动建模与参数辨识技术。
本文主要围绕船舶操纵运动的建模方法、模型参数辨识方法、以及一体化的船舶运动建模与辨识技术等开展研究。主要内容如下:
1、提出了开展研究所基于的系统辨识框架,描述了船舶运动建模的基础理论以及模型结构的研究进展,重点提出了开展本文研究的数据基础,主要包括3000吨级散货船、5000吨级散货船和2000吨级油船的操纵试验的设计与开展、数据采集与处理等。
2、开展了基于最小二乘相关算法的差分方程模型参数辨识研究。对机理型模型类中的ARX型差分方程,设计使用批处理最小二乘算法、单新息和多新息递推最小二乘算法进行参数辨识。实例研究验证了所述方法的可行性和有效性。
3、开展了基于蝙蝠算法的响应型模型参数辨识研究。对机理型模型类中的响应型船舶运动模型参数辨识问题进行建模,应用蝙蝠算法求解参数辨识问题。基于误差准则,将响应型船舶运动模型参数辨识问题转化为单目标函数的优化问题,采用蝙蝠算法对目标函数进行优化,找到目标函数的极值及对应的自变量,从而实现模型参数辨识。实例研究验证了所述方法的可行性和有效性。
4、开展了基于粒子群优化算法的分离型模型参数辨识研究。对机理型模型类中的分离型船舶运动模型参数辨识问题进行建模,应用粒子群优化算法求解参数辨识问题。基于误差准则,三自由度的分离型船舶运动模型参数辨识时需同时优化三个目标函数;通过引入权重,将三个目标函数的优化问题转化成对一个总目标函数的优化问题。采用线性递减惯性权重粒子群优化算法对总目标函数进行优化,找到目标函数的极值及对应的自变量,从而实现模型参数辨识。实例研究验证了所述方法的可行性和有效性。
5、开展了基于人工智能系统的船舶运动黑箱型建模研究。基于逼近原理,研究并提出了基于RBFNN、T-S ANFIS的船舶运动黑箱型建模方法。所述方法构建的黑箱型模型结构简单,与实际输入输出对应关系清晰,便于在工程中应用。实例研究验证了所述方法的可行性和有效性。
6、研究了基于实船试验的船舶操纵运动一体化建模与辨识技术。在机理型模型参数辨识及实例研究的基础上,研究并提出了一种集成数据采集与处理、运动建模、参数辨识和后端应用的实船一体化运动建模与辨识技术。通过典型案例进行了技术验证,研发的应用系统具有较高可靠性和工程实用性,能够为船舶运动建模提供技术支持,提高相关工作的智能化水平和效率。
本文的创新性工作主要体现在:
1、提出并验证了一种基于蝙蝠算法辨识响应型船舶运动模型参数的算法。基于误差准则,将响应型船舶运动模型参数辨识问题转化为单目标函数的优化问题,采用蝙蝠算法对目标函数进行优化,搜索目标函数的极值及对应的自变量,从而实现模型参数辨识。
2、提出并验证了一种基于粒子群优化算法辨识分离型船舶运动模型参数的算法。基于误差准则,通过引入权重,将三自由度的分离型船舶运动模型参数辨识时三个目标函数的优化转化为对一个总目标函数的优化问题,采用线性递进惯性权重粒子群优化算法对总目标函数进行优化,搜索总目标函数的极值及对应的自变量,从而实现模型参数辨识。
3、提出并实现了一种基于人工智能系统的船舶运动黑箱式建模和辅助辨识机理型模型参数的方法。基于人工智能系统的逼近能力,提出了采用RBFNN、T-S ANFIS进行黑箱型建模的方法。采用T-S ANFIS的黑箱型建模,能够实现实船运动输入输出拟合,同时得到对应于ARX型模型的参数。
4、提出并验证了一套实船试验船舶操纵运动一体化建模与辨识技术。在系统辨识框架下,提出并验证了一种集成数据采集与处理、离线/在线建模、参数辨识和模型后端应用的实船一体化运动建模与参数辨识技术。