基于修正辅助变量法的船舶操纵响应模型辨识

为了解决有色噪声干扰对船舶操纵响应模型参数的有偏估计问题,本文提出一种递推修正辅助变量最小二乘法对船舶操纵二阶响应模型进行参数辨识。算法在递推辅助变量最小二乘法的基础上,针对辨识模型引入动态滤波模型改善有色噪声的统计特性,使得系统被估参数值在有色噪声干扰的情况下也能无偏趋近于参数真值。为了验证所提算法的有效性,在实船Z形试验数据的基础上,将递推修正辅助变量最小二乘法、递推辅助变量最小二乘法、增广最小二乘法和标准最小二乘法所辨识得到的模型的进行比较。结果表明:递推修正辅助变量最小二乘法的辨识模型相比其余三者的辨识模型与船舶实际航向角的拟合精度和泛化精度更高,对应的均方根拟合误差和均方根泛化误差分别可达到1°和2°以下,最大绝对误差分别在3°和4°以下。

基于改进MILS的船舶操纵响应模型辨识

考虑到在船舶正常航行过程中采集的辨识数据存在难以满足持续激励的情况,基于多新息最小二乘法(Multi-Innovation Least Square Algorithm,MILS),利用奇异值分解技术处理协方差阵,提出一种改进的MILS船舶模型参数辨识算法。依据某船型参数进行仿真实验,利用实验数据进行模型参数辨识,对比多新息最小二乘法与改进算法的模型参数辨识结果,并根据辨识得到的参数进行船舶运动预报,验证算法的有效性。仿真结果表明,与多新息最小二乘法相比,改进的MILS辨识算法降低了船舶参数辨识对舵角输入信号的要求,使得在船舶航行过程中的小幅度短暂操舵情况下具有更高的辨识精度,为船舶的航向自适应控制奠定了基础。