详情

原文传递基于贝叶斯回归的船舶操纵模型系统辨识与模型预测控制

论文题名：	基于贝叶斯回归的船舶操纵模型系统辨识与模型预测控制
关键词：	船舶;操纵模型;系统辨识;预测控制;高斯过程;在线学习;模型预测控制
摘要：	海洋，因其巨大的资源与空间储备，对社会经济、环境、军事等具有重要的战略意义。发展海洋经济、建设海洋强国，是实现中国梦的必然选择。船舶是人类海洋活动的主要载体，现代航运对船舶的建模与控制提出了更高的要求。随着信息技术、自动化技术及通信技术的发展，船舶智能化、无人化是船舶发展的必然趋势。　　进行船舶自动化研究的前提是获得准确的船舶操纵模型。由于船舶动态系统存在耦合关系复杂、非线性强、惯性大等特点，导致船舶操纵模型的建立十分困难，至今没有适用于各类船舶的统一精确模型。系统辨识通过船舶运动数据对船舶操纵模型进行识别，被证明是一种成本低、准确度高、适用性强的建模方法。系统辨识方法包括参数化建模和非参数化建模，其中参数化建模需要首先预设某种参数化模型框架，再对其中的水动力参数进行辨识，其优点是建模机理直观、计算效率高，但存在参数漂移、先验模型选择困难、泛化能力低等问题。非参数化建模直接将数据映射到高维空间建立非线性关系，适用于非线性系统，且模型信息都由训练数据本身提供，能够避免参数化模型先验框架选择困难的问题，但存在所需训练数据多、泛化能力低、计算复杂度高等问题，限制了其进一步应用。　　本文从贝叶斯概率视角出发，围绕“如何辨识得到船舶操纵模型”和“如何利用辨识所得操纵模型进行船舶控制”两大问题开展研究。首先，分别基于贝叶斯线性回归和非线性回归，提出船舶操纵模型参数化和非参数化建模的统一方法，解决辨识模型准确度低、泛化能力差的问题;在此基础上，分别依据辨识得到的参数化和非参数化船舶操纵模型，将其融入到模型预测控制，进一步应用于船舶运动的自动控制，为智能船舶的理论研究和应用做出贡献。具体研究内容如下: 　　在船舶操纵模型的参数化模型辨识方面，提出用于船舶水动力参数估计的贝叶斯半共轭线性回归(Semi-conjugatelinearregression)方法。为解决半共轭回归不能解析求解的问题，引入吉布斯取样器对所估计参数进行取样逼近，并通过贝叶斯优化算法对超参数进行优化。基于所提出回归算法，分别使用KCS四自由度模型仿真数据、KVLCC2水池实测数据对水动力参数进行了辨识，将辨识所得水动力参数代入预设模型框架内进行了模型准确度和泛化能力的测试。结果表明，所提出的线性回归算法能够准确辨识水动力参数，辨识得到的参数化模型能够反映出船舶动态特性，但辨识精度和泛化能力受限于预设的参数框架。　　针对参数化模型辨识的缺点，提出基于高斯过程回归的船舶操纵模型辨识框架。其无需任何先验知识与预定框架，且能提供预测的不确定性。针对高斯过程的不确定性传播问题，通过引入矩匹配法对高斯过程的随机输入积分进行拟合，实现预测方差的累计传播。分别基于所提出高斯过程方法，使用KCS四自由度模型仿真数据和KVLCC2水池实测数据对船舶操纵模型进行辨识，并与参数化建模、支持向量机非参数化建模方法进行对比。仿真和试验结果表明，所提出的基于高斯过程的船舶操纵模型辨识方法相比参数化建模方法无需先验知识，建模精度更高，泛化能力强;相比其他机器学习方法能提供预测的不确定性，应用场景更为广阔。　　针对高斯过程不能考虑输入噪声、计算复杂度高难以应用于在线学习的缺点，提出考虑输入噪声的在线快速高斯过程建模方法(online-FNIGP)。首先在高斯过程中引入输入噪声超参数，通过迭代算法求解输入噪声，利用泰勒展开近似求解考虑输入噪声的后验分布。进一步与FITC稀疏算法结合，提出用于实时更新诱导点的判别准则，最终形成了可用于船舶动态模型辨识的在线辨识方法。该方法经过集装箱船仿真数据和无人艇试验数据测试，结果证明online-FNIGP能够显著降低运算复杂度，且辨识精度未受影响。　　根据贝叶斯回归辨识得到的参数化和非参数化船舶操纵模型，提出相应的模型预测控制方法用于船舶自动控制。在将参数化船舶操纵模型作为预测模型的非线性模型预测控制器中，根据国际船舶避让规则添加了约束条件，使得控制器能同时完成轨迹追踪和自动避让，并通过CasADi求解器提升了求解效率。以WAM-USV(waveadaptivemodularunmannedsurfacevehicles)为对象，进行了对静态障碍物、行驶船舶的自动避让测试和对复杂路径的跟踪。提出基于高斯过程的完全由数据驱动的船舶路径点跟踪控制器，引入LOS方法将高维的路径追踪问题转化为了易于实现的航向角跟踪问题，将高斯过程辨识得到船舶操纵模型作为预测模型引入模型预测算法实现船舶路径点跟踪。所提出方法以某集装箱船为对象，在噪声和环境扰动下实现了对航向角和复杂路径点的跟踪，所提出控制器具有良好的控制精度和鲁棒性。
作者：	薛祎凡
专业：	机械制造及其自动化
导师：	刘延俊;薛钢
授予学位：	博士
授予学位单位：	山东大学
学位年度：	2022