基于综合应用方法的非线性新息算法无人船辨识

为避免无人船(USV)在辨识建模阶段由于动力相消而导致的参数漂移现象,本文融合并行处理和估计过大及过小初值两种措施形成一种综合应用方法,并基于该方法提出一种非线性新息辨识算法。实验结果表明,本文算法避免了水动力系数的漂移现象,同时,提高了对历史数据的再处理能力;算法具有解算能力强、辨识效率高、计算负担小的特点,为无人船在干扰环境下的稳定航行奠定了基础。

基于双曲正切函数的非线性新息辨识算法

以非线性Nomoto模型作为船舶运动数学模型,同时,通过线性回归模型,类比引入遗忘因子的随机梯度算法并结合推导出的随机梯度算法,以汽车运输船“Hual Trooper”为例进行仿真实验并对该算法进行推导和验证。结合双曲正切函数,得到非线性新息辨识理论,利用双曲正切函数处理新息。通过Matlab编程比较辨识效果,并通过计算得到辨识准确的情况。在模型建立后,可以通过观察响应比较估计船舶动态。该设计方案具有显著的计算优势,辨识速度更快,辨识效率更高。

基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题。[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法。以“育鲲”船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用“育鹏”船对所提算法的有效性进行验证。[结果]结果表明:与最小二乘法相比,非线性新息改进最小二乘法的模型参数辨识精度提升了15%左右。[结论]研究结果可为小样本数据情况下的船舶模型参数辨识提供参考。