详情

原文传递船舶参数辨识方法研究及应用

论文题名：	船舶参数辨识方法研究及应用
关键词：	船舶模型;参数辨识;粒子滤波;极大似然方法;状态估计
摘要：	利用受力分析建立起来的船舶的状态空间模型，非线性程度很高，其参数，即各项水动力系数获取困难。传统的方法有理论计算方法和利用专业仪器测量。理论计算需要借助于经验，能够达到一定的精度要求，但是不能计算全部参数；利用专业仪器同时需要进行多次试验，成本较高。本文针对船舶非线性状态空间模型，探索通过船舶现有的易得的测量数据进行参数辨识的方法。由于需要借助于滤波方法和系统方程估计状态值，一些常见的基于卡尔曼滤波框架的滤波器在本文中进行了介绍，重点介绍了粒子滤波、置信压缩滤波这样的具有很高滤波精度的非线性滤波方法，并且进行了仿真；分析了现有的一些滤波方法用于参数辨识的优缺点，并给出了基于辅助粒子滤波的参数辨识算法的仿真结果，结果表明该滤波方法直接用于参数辨识具有很大的局限性。　　本文给出了极大似然方法用于参数辨识的算法，并进行了具体仿真研究。极大似然方法用于参数辨识，具有较高的辨识准确度，在多参数辨识时每次迭代速度较快，但是算法复杂，而且需要大量迭代计算，收敛速度慢。　　针对极大似然方法的期望-最大化的两步迭代计算的特点，提出了改进的极大似然方法。首先根据参数的后验概率公式，重新推导得到了新的似然概率公式；所提出的算法是两个阶段的迭代过程：利用改进的极大似然方法进行当前时刻的参数辨识，利用非线性滤波方法和辨识得到的参数进行当前时刻的状态估计；所提出的改进的极大似然方法利用蒙特卡罗方法和两种参数更新方法，作为期望和最大化两阶段的新的计算策略，并且理论证明了采用这两种新的策略进行参数更新是收敛的。与极大似然方法相比，该算法的优点是：不再使用全部观测数据进行极大似然迭代计算，仅利用当前时刻的观测值进行计算，计算简单，可以应用于实时在线参数辨识；可以用于多参数辨识；算法不需要平滑算法。通过仿真证明了所提出的算法是有效的。　　针对一种水下机器人（ODIN），推导得到了其水平面3自由度非线性状态空间模型，并且进行了离散化处理；为了实现对该模型的不同参数间的解耦，同时降低系统的维数，针对船体在两种不同运行条件下的特点，分别给出了待辨识参数模型；利用所提出的改进的极大似然方法，结合粒子滤波和置信压缩滤波两种方法，给出了具体的船舶参数辨识实现和仿真。仿真结果表明，所提出的方法能够用于船体的非线性参数辨识，且有较好的效果。
作者：	王子元
专业：	控制工程
导师：	陈虹丽
授予学位：	硕士
授予学位单位：	哈尔滨工程大学
学位年度：	2014
正文语种：	中文