基于PSO与ε-SVR的无人水下航行器水动力参数辨识方法

为了提高无人水下航行器(UUV)在小样本且存在噪声干扰情况下水动力参数辨识的准确性,文中提出了一种基于粒子群优化(PSO)与支持向量机回归(SVR)方法。该方法利用基于不敏感损失因子的支持向量机回归(ε-SVR)方法辨识水下航行器的水动力参数,克服了小样本情况下的水动力参数难以准确辨识问题;在此基础上,采用粒子群算法对ε-SVR的超参数进行优化,提升了算法的抗噪声性能。仿真结果表明,在相同样本和噪声条件下,ε-SVR辨识的水动力参数值与真值的最大相对误差(MRE)不超过11.8%,而递归最小二乘算法(RLS)辨识结果的最大相对误差高达55%。此外,文中在Z型实验激励信号下对辨识的模型进行验证,结果表明与RLS算法辨识的模型相比,ε-SVR辨识的模型误差更小。

自航式诱饵捷联惯性系统构建与导航控制参数解算

捷联惯性技术有着许多突出优点,自航式声诱饵可利用陀螺仪和加速度计构建捷联惯性系统,以提高航向角、姿态角等导航控制参数精度,降低陀螺启动时间。通过研究给出了此系统下诱饵航向角、姿态角、速度、位置、深度等导航控制参数解算方法。

自航式诱饵捷联惯性系统初始对准难点及方案

自航式诱饵捷联惯性系统初始对准必需同时保证准确性与快速性,其战术使命、装载使用特点及敏感元件安装方式决定了初始对准面临诸多难点。通过粗对准和精对准两个步骤,在精对准阶段采用基于现代控制理论的卡尔曼滤波法,能有效去除各种干扰,可以在较短时间内实现高精度初始对准。