[发明专利]一种基于四自由度的无人船动力参数实时辨识方法

说明书

本发明提供一种基于四自由度的无人船动力参数实时辨识方法，涉及无人船运动控制与路径预判领域，通过对无人船动力参数的辨识，改善船舶的实时运动状态。本发明方法，包括构建无人船船舶模型；针对不同型号的船舶构建详细的部件；重新定义船舶操纵数学模型；基于重新定义的船舶操纵数学模型，设定输出标量，构建线性回归模型；设计非线性新息算法，对相关辨识参数进行更新。本发明针对参数辨识不精准导致路径控制不准确和不能实时辨识的问题，结合最小二乘理论和非线性新息的概念，利用非线性双曲正切函数进行误差修正，使得误差严格有界，并对相关辨识参数进行更新，解决了无人船在航行中操纵性能效率低以及路径控制不准确的问题。

技术领域

本发明涉及无人船运动控制与路径预判应用技术领域，具体而言，尤其涉及一种基于四自由度的无人船动力参数实时辨识方法。

背景技术

在船舶运动参数辨识领域，最小二乘算法是辨识方法中最常见的算法之一。通过辨识方法，可以确定出一组水动力系数。使仿真得到的船舶运动状态接近真实船舶运动状态。

基于传统最小二乘支持向量机(LS-SVM)的运动模型参数辨识方法应用于无人船运动控制设计，利用LS-SVM辨识方法在线更新模型参数，实现了无人船运动控制。传统辨识方法实现控制无人船运动的过程如下：

给定N个点的训练数据集其中x_k∈Rⁿ是第k个输入数据，y_k∈R是第k个输出数据；标准支持向量机回归模型为下式(1)，LS-SVM的函数估计表达式为下式(2)。其中，ω是权重矩阵，φ(x)是输入空间到高维空间的映射非线性函数，b是偏置，a_k∈R是拉格朗日乘子。

y(x)＝ω^Tφ(x)+b (1)

如果|b|→0很小，则函数估计模型可表示为下式(3)：

y(x)＝θ^Tx (3)

其中，θ∈Rⁿ是系数矩阵，且

但是还存在很多缺陷，例如：在航海实践中，由于无人船在改变航向或航速时需要快速的获得响应，避免发生碰撞以及不按预期路径行驶的情况。传统的模型辨识都是先收集无人船的相关数据，随后在进行参数辨识，这种辨识方法计算效率低，而且得到的辨识结果不够准确，非常影响无人船的实时性。

基于以上分析，传统无人船模型参数辨识方法主要存在以下2点缺陷：

(1)、现有的辨识方法周期长，不能实时辨识，无法快速获得结果，这在实际航行中缺乏时效性，不能体现无人船的实时性。

(2)、现有的辨识方法计算结果不够准确，不能很好的避免触礁等危险，以及很好的按照预期的路径航行。

发明内容

根据上述提出现有技术无法有效解决无人船操纵性实时辨识的技术问题，而提供一种基于四自由度的无人船动力参数实时辨识方法。本发明针对参数辨识不精准导致路径控制不准确的问题和不能实时辨识的难点，通过结合最小二乘理论和非线性新息的概念，利用非线性双曲正切函数进行误差修正，使得误差严格有界，并对相关辨识参数进行更新，解决了无人船在航行中操纵性能效率低以及路径控制不够准确的问题。

本发明采用的技术手段如下：

一种基于四自由度的无人船动力参数实时辨识方法，包括：

S1、构建无人船船舶模型；

S2、针对不同型号的船舶构建详细的部件；

S3、重新定义船舶操纵数学模型；

S4、基于重新定义的船舶操纵数学模型，设定输出标量，构建线性回归模型；