[发明专利]一种无人船模型全系数精确辨识方法

说明书

本发明公开了一种无人船模型全系数精确辨识方法，利用无人船模型全系数精确辨识结构进行辨识，所述无人船模型全系数精确辨识结构包括滤波器模块、积分滤波模块、参数在线估计模块和船舶模型。现有采用人工神经网络或模糊逻辑的模型辨识方法中，仅能实现对无人船模型未知部分进行整体辨识，而本发明仅需通过采集无人船控制力矩以及无人船的状态量，即无人船的输入输出数据，即可实现对无人船模型所有未知系数进行单独精确辨识，有效提高了模型辨识的准确性。现有采用人工神经网络或模糊逻辑的模型辨识方法中，无法对无人船模型惯性矩阵进行辨识，而本发明可以对无人船的惯性矩阵进行精确辨识，进而为无人船高精度控制提供有力保障。

技术领域

本发明涉及无人船控制领域，特别是一种无人船模型全系数精确辨识方法。

背景技术

二十一世纪是海洋的世纪，海洋因其蕴含极其丰富的能源以及具有重要的战略意义，成为各大国之间博弈的焦点，各国都纷纷致力于海洋装备的研究。近些年来，随着人工智能、智能控制等技术的蓬勃发展，无人船因其小型化、轻量化、智能化等特点，逐渐成为人们探索并研究海洋、开发和保护海洋资源的一种重要工具。无人船模型参数包括无人船所受向心力系数与阻尼系数、以及无人船本身的惯性矩阵系数，是无人船控制领域不可或缺的参数，无人船模型的参数识别成为该领域一个非常重要的研究课题，其中无人船模型全系数精确辨识作为一种能够精确识别无人船参数的方法引起广泛的关注。

无人船模型全系数精确辨识的目标是使系统准确地辨识无人船模型的阻尼系数、向心力系数以及惯性矩阵系数。目前，有很多技术用于无人船模型系数辨识。主流的辨识方法有人工神经网络、模糊系统、支持向量机等方法，它们属于在线辨识和离线辨识。但是，现有技术仍然存在以下问题：

第一，现有采用人工神经网络或模糊逻辑的模型辨识估计方法中，仅能在输入矩阵已知的情况下，通过在线或离线的方式对控制增益系数进行辨识。当仅知道无人船模型的控制输入和状态量时，无法完成对控制增益系数的辨识。现有技术仅能实现对无人船模型未知部分进行整体辨识。在实际辨识中，输入矩阵的参数不易得知，则现有的无人船模型辨识方法有着很大的局限性。

第二，现有采用人工神经网络或模糊逻辑的模型辨识估计方法中，无法对无人船模型惯性矩阵进行辨识，所辨识的系数不全面。无人船模型惯性矩阵作为无人船的重要信息，应该对其进行精确辨识，进而为无人船模型高精度控制提供有力保障。

发明内容

为解决现有技术存在的不足，本发明要设计一种无人船模型全系数精确辨识方法，对无人船模型的阻尼系数、向心力系数以及惯性矩阵进行精确辨识。

为了实现上述目的，本发明的技术方案如下：一种无人船模型全系数精确辨识方法，利用无人船模型全系数精确辨识结构进行辨识，所述无人船模型全系数精确辨识结构包括滤波器模块、积分滤波模块、参数在线估计模块和船舶模型，所述滤波器模块的输入端与全驱动无人船模型的输出端以及外部力矩输出端相连，所述积分滤波模块的输入端与滤波器模块的输出端相连，所述无人船模型参数在线估计模块的输入端分别与滤波器模块和积分滤波模块的输出端相连；

所述船舶模型为全驱动无人船模型；

所述滤波器模块、积分滤波模块和无人船模型参数在线估计模块构成全系数辨识模块；

所述辨识方法，包括以下步骤：

A、建立船舶模型

所述的船舶模型用如下微分方程描述：

式中，代表无人船的惯性矩阵，其中m₍·₎表示无人船的质量，I_z是无人船关于z轴的惯性矩，分别表示无人船在前向、侧向和艏摇方向的流体力学导数；

表示船体坐标系下无人船的速度向量，其中u表示前向速度，v表示侧向速度，r表示艏摇角速度；