[发明专利]基于数据过滤的船舶运动模型自适应辨识方法和系统

说明书

本发明公开一种基于数据过滤的船舶运动模型自适应辨识方法和系统，包括：监测船舶运动的航向角和艏摇角速度；当监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间，则启动可辨识状态；记录此时的船舶航行数据并同时启动递推最小二乘法进行系统参数辨识；当监测到实时的航向角、艏摇角速度和船舶航行速度中的至少两者进入稳定状态并持续达第二预定时间，则退出可辨识状态。本发明在船舶正常航行过程中，通过对可辨识状态的自动判断、自动辨识和自动退出来实现船舶运动模型的自适应辨识，避免了现有辨识系统对试验时间和试验空间的限定。

技术领域

本发明属于船舶运动参数辨识技术领域，具体涉及一种基于数据过滤的船舶运动模型自适应辨识方法和系统。

背景技术

船舶在海上航行或执行战斗任务时，必然会受到海浪、海风及海流等海洋环境扰动的作用，不可避免地要产生摇荡运动，这种摇荡运动包括横摇、纵摇、艏摇、横荡、纵荡、垂荡(或升沉)。船舶运动模型描述船舶在运动过程中对控制输入(舵角)的响应特性，随着海上交通运输的发展，船舶运动模型的研究越来越重要，了解和掌握船舶运动模型是对船舶进行操纵控制的前提条件，也是研究船舶操纵性能和设计自动舵的基础。

近年来，系统辨识理论的发展为确定船舶运动模型的参数提供了新的方法。系统辨识是根据系统的输入输出数据建立系统数学模型的理论和方法，包括确定系统数学模型的结构和估计数学模型的参数。传统的一些系统辨识技术如最小二乘法、扩展卡尔曼滤波算法、极大似然算法、递推预报误差算法等已经应用于水动力导数的辨识。但是，最小二乘回归必须基于众多试验次数，不利于优化设计；而基于Kalman滤波技术的辨识方法则必须把非线性方程线性化和对过程、量测噪声统计规律准确估计，因此其应用受到一定限制。

公开号CN109271652A的中国专利于2019年1月25日公开了一种基于多目标进化算法的船舶横向三自由度运动参数辨识方法，包括以下步骤：根据船舶横向三自由度运动微分方程，建立状态方程和观测方程模型；根据水池实验数据，建立海浪的扰动力和扰动力矩模型；以曼哈顿距离作为评判标准，评价观测值和模型输出值之间的误差，建立船舶横向运动多目标输出模型；利用进化算法对船舶横向运动多目标优化函数进行优化，并给出最优pareto前沿面；从前沿面中选取一个点对应的参数作为输出最优参数。不需要考虑各自由度运动之间的权重因子。该专利申请可以得到一系列非占优的解，可以根据客户偏好从这些解里边选出最适合的一组横向水动力参数，实验数据少，效率高，误差小，但是该专利方法不能在船舶正常行驶过程中进行运动参数辨识，而是需要在试验水域模拟船舶运动来完成。

公开号CN110333667A的中国专利于2019年10月15日公开了一种基于非线性新息辨识模型的船舶运动仿真及控制方法，包括：获取少量船舶的实验参数抽样样本；用非线性函数对系统辨识算法的抽样样本进行处理；将所述抽样样本代入处理后的系统辨识算法获得辨识参数；采用所述辨识参数建立船舶模型，并根据所述船舶模型对船舶进行仿真或用于船舶运动控制器设计。该专利申请的辨识模型方法具有较好的普适性，能够实现船舶模型的快速和准确辨识，但是其方法集中在仿真验证研究阶段，对实船或者船模试验结果验证仍欠缺。

可见，现有的系统辨识，需要在某个水域划定一个较大的区域作为试验水域，然后在该试验水域进行船舶运动过程模拟并进行船舶运动模型辨识，该方式既阻碍了水域内的正常船舶的通航，又耗费了大量的人力物力，因此，需要提供一种船舶运动模型自适应辨识方法，能够在不影响船舶正常行驶的情况下，对船舶运动参数进行自适应辨识并具有较高的辨识精度，解决现有辨识系统耗时耗力且对实船或者船模试验结果验证欠缺的问题。

发明内容

为克服上述现有技术的不足，本发明提供一种基于数据过滤的船舶运动模型自适应辨识方法和系统，其在船舶正常航行过程中，通过对可辨识状态的自动判断、自动辨识和自动退出来实现船舶运动模型的辨识，避免了现有辨识系统对试验时间和试验空间的限定。

根据本发明说明书的一方面，提供了一种基于数据过滤的船舶运动模型自适应辨识方法，包括：