原文传递
基于高斯过程回归的船舶运动建模方法研究
| 论文题名： | 基于高斯过程回归的船舶运动建模方法研究 |
| 关键词： | 船舶运动建模;系统辨识;船模试验;支持向量机;高斯过程回归 |
| 摘要： | 随着船舶智能化、自主化、无人化发展进程的加快，船舶智能航行能力的测试技术研究受到国内外学者的广泛关注。虚拟仿真测试成本低、零风险、可定制、可加速、可重复，然而仿真的准确性存疑且缺少真实反馈，物理试验可以得到真实的测试反馈，但受限于测试的安全性、经济性和高效性，且测试的可控性和可重复性较差。因此，船舶智能航行亟需开展测试技术研究，虚拟仿真和物理实验中的船舶运动控制都依赖准确的运动模型。动态系统建模方法主要可以分为机理分析建模和数据驱动建模，数据驱动建模又可细分为参数建模和非参数建模。在船舶运动建模领域，机理建模和经典参数建模方法的研究已经较为成熟。随着现代工程自动化的发展，机器学习逐渐成为热门的研究手段，学习类的非参数建模方法在船舶运动建模领域的应用越来越多。 本文分析了船舶智能航行测试技术，介绍了船舶运动建模理论和经典船舶运动建模方法，研究了基于高斯过程回归（Gaussianprocessregression,GPR）的船舶运动建模方法。利用世界拖曳船池协会（InternationalTowingTankConference,ITTC）提供的集装箱船KCS和油轮KVLCC2水池试验数据所构建的机理模型开展了仿真试验，基于模型船实验平台的缩比集装箱船和港作拖轮开展了船模试验，并分别利用神经网络（NeuralNetworks,NNs）、最小二乘支持向量机（LeastSquaresSupportVectorMachines,LS-SVM）和GPR进行运动建模和对比。本文的主要内容如下： 1）船舶智能航行测试技术。分析了船舶智能航行测试需求、对象，提出了以虚拟测试为先导，模型测试为中试，实船测试为校验的船舶智能航行测试方法；梳理了船舶智能航行测试内容，最后指出了船舶智能航行测试与运动建模的关系。 2）船舶运动建模理论与方法。介绍了船舶运动坐标系与坐标系转换；介绍了船舶运动整体型模型、分离型模型和响应型模型，并对三种模型进行了比较；介绍了船舶水动力操纵理论，介绍了两种经典船舶运动建模方法（NNs和LS-SVM）及在本文中的辨识原理；最后介绍了基于函数空间的GPR原理、GPR的协方差函数和超参数优化方法。 3）GPR运动建模与仿真验证。介绍了基于GPR的船舶运动建模的总体框架，并利用NNs、LS-SVM和GPR对集装箱船KCS和油轮KVLCC2机理模型所产生的仿真试验数据进行了建模和对比，结果验证了GPR建模方法的可行性和有效性，以支撑模型船试验验证。 4）GPR运动建模与实验验证。介绍了实验平台的模型船、硬件设备和软件系统；利用模型尺度集装箱船和港作拖轮开展回转试验和Z形试验以获取数据；利用NNs、LS-SVM和GPR对自航试验数据进行了建模和对比，验证了GPR建模方法用于模型船的有效性和普适性。 |
| 作者： | 杨帆 |
| 专业： | 交通运输工程 |
| 导师： | 刘佳仑 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
