一种动力定位船舶连续时间黑箱模型的辨识方法技术

一种动力定位船舶连续时间黑箱模型的辨识方法，本发明专利技术涉及船舶连续时间黑箱模型的辨识方法。本发明专利技术是要解决本发明专利技术的目的是为了解决现有技术计算效率低下、误差较大的问题，而提出的一种动力定位船舶连续时间黑箱模型的辨识方法。该方法是通过一、收集船舶航行试验过程中的输入时域数据和输出时域数据；二、利用正交的拉盖尔函数将收集的输入时域数据和输出时域数据从时域中一一映射到拉盖尔域即L域中得到L域中的等价状态空间数学模型；三、利用子空间辨识算法辨识L域中的等价状态空间数学模型；四、根据映射关系将L域中的等价状态空间数学模型映射成船舶连续时间状态空间模型等步骤实现的。本发明专利技术应用于船舶连续时间黑箱模型的辨识领域。

【技术实现步骤摘要】

本专利技术涉及船舶连续时间黑箱模型的辨识方法，特别涉及一种动力定位船舶连续时间黑箱模型的辨识方法。
技术介绍
随着海上石油开发等工业的发展，与船舶控制相关的技术也越来越受到研究人员的关注，尤其是动力定位系统(Dynamic Positioning System)，更是广泛应用到了海上石油开发、铺管、铺缆、援潜救生等作业上。在动力定位系统中，较为精确的船舶运动数学模型是控制器设计的基础，能够帮助简化控制器设计过程，同时还能有效地提高控制器的控制精度，而且获得较为精确的船舶运动数学模型对模拟船舶操纵运动并且预报操纵性能将会起到至关重要的作用。确定船舶运动学模型较为传统的方法是确定数学模型中的各个水动力导数。如经验公式法、约束船模试验法(包括斜拖试验、悬臂试验、平面运动机构试验等)。这些方法的主要缺点是计算效率低下，而且由于试验手段的不同会导致结果误差较大；约束船模试验法强迫船舶模型进行单一运动，并通过计算得到水动力导数。该方法费时费力，而且由于尺度效应的存在，会导致计算得到的水动力参数和真实值存在偏差。
技术实现思路
本专利技术的目的是为了解决现有技术计算效率低下、试验手段的不同会导致结果误差较大、费时费力以及计算得到的水动力参数和真实值存在偏差的问题，而提出的一种动力定位船舶连续时间黑箱模型的辨识方法。上述的专利技术目的是通过以下技术方案实现的：步骤一、收集船舶航行试验过程中的输入时域数据和输出时域数据；其中，输入时域数据为舵角角度，输出时域数据包括航行速度和转艏角速度r(t)；航行速度包括纵向航行速度u(t)和横向航行速度v(t)；步骤二、利用正交的拉盖尔函数将收集的输入时域数据和输出时域数据从时域中一一映射到拉盖尔域即L域中得到L域中的等价状态空间数学模型；步骤三、利用子空间辨识算法辨识L域中的等价状态空间数学模型；步骤四、根据映射关系将L域中的等价状态空间数学模型映射成船舶连续时间状态空间模型。专利技术效果本专利技术是一种基于动力定位船舶连续时间黑箱模型的辨识算法。通过将离散子空间辨识算法进行改进，直接辨识得到船舶连续时间黑箱模型。本专利技术提出一种对船舶连续时间状态空间模型进行辨识的方法。该方法可以通过采集船舶实际航行数据进行辨识分析，进而直接得到船舶状态空间模型，也避免了进行水动力导数的计算。由于使用的是实船数据，辨识得到的模型也不会受到尺度效应的影响。同一组辨识输入数据的结果表明，辨识得到的状态空间模型的准确率达到90％，完全能够满足工程中动力定位系统的精度要求如图2(a)～图5。本专利技术的不同点在于不需要得到相关水动力导数，而是使用子空间辨识算法直接得到船舶黑箱状态空间模型。算法更易于实现，节约了辨识试验的成本。并且本专利技术的优点在于，通过得到的船舶航行数据能够直接辨识得到船舶连续时间黑箱模型，相比传统确定水动力导数的方法更有效率，也更易于实现，节约试验成本此专利技术的优点在于直接辨识船舶连续时间黑箱模型，避免了对水动力导数的计算，从而使得算法不会收到尺度效应等的影响。可以随时使用船舶航行过程中记录的数据进行直接辨识，随时对船舶数学模型进行修正和调整，从而大大简化了辨识操作。附图说明图1为具体实施方式一提出的一种动力定位船舶连续时间黑箱模型的辨识方法流程图；其中，原始系统矩阵A、B、C和D为船舶连续时间状态空间模型的系统矩阵A、B、C和D；图2(a)为具体实施方式一提出的辨识输出数据纵向速度示意图；图2(b)为具体实施方式一提出的辨识输出数据横向速度示意图；图2(c)为具体实施方式一提出的辨识输出数据艏摇角速度示意图；图2(d)为具体实施方式一提出的辨识输入数据舵角示意图；图3(a)为具体实施方式一提出的实际纵向速度和辨识后模型的纵向速度对比图；图3(b)为具体实施方式一提出的实际横向速度和辨识后模型的横向速度对比图；图3(c)为具体实施方式一提出的实际艏摇角速度和辨识后模型的艏摇角速度对比图；图3(d)为具体实施方式一提出的实际艏向角和辨识后模型的艏向角对比图；图4为具体实施方式一提出的验证试验航迹对比图；图5为具体实施方式一提出的验证试验艏向角对比图。具体实施方式具体实施方式一：结合图1本实施方式的一种动力定位船舶连续时间黑箱模型的辨识方法，具体是按照以下步骤制备的：步骤一、收集船舶航行试验过程中的输入时域数据和输出时域数据如图2(a)～(d)；其中，输入时域数据为舵角角度，输出时域数据包括航行速度和转艏角速度r(t)；航行速度包括纵向航行速度u(t)和横向航行速度v(t)；步骤二、利用正交的拉盖尔函数将收集的输入时域数据和输出时域数据从时域中一一映射到拉盖尔域即L域中得到L域中的等价状态空间数学模型；步骤三、利用子空间辨识算法辨识L域中的等价状态空间数学模型；步骤四、根据映射关系将L域中的等价状态空间数学模型映射成船舶连续时间状态空间模型；通过映射关系(2)即求出船舶连续时间状态空间模型的状态空间矩阵A、B、C和D，即完成了辨识过程；图2为辨识输入输出数据，本试验采用的是Z型舵操纵试验。图3(a)～(d)为辨识结果和实际结果的比较图。图4和图5为辨识模型和实际模型所做回转试验的对比：图4为航迹对比图，图5为艏向角对比图。本实施方式效果：本实施方式是一种基于动力定位船舶连续时间黑箱模型的辨识算法。通过将离散子空间辨识算法进行改进，直接辨识得到船舶连续时间黑箱模型。本实施方式提出一种对船舶连续时间状态空间模型进行辨识的方法。该方法可以通过采集船舶实际航行数据进行辨识分析，进而直接得到船舶状态空间模型，也避免了进行水动力导数的计算。由于使用的是实船数据，辨识得到的模型也不会受到尺度效应的影响。同一组辨识输入数据的结果表明，辨识得到的状态空间模型的准确率达到90％，完全能够满足工程中动力定位系统的精度要求如图2(a)～图5。本实施方式的不同点在于不需要得到相关水动力导数，而是使用子空间辨识算法直接得到船舶黑箱状态空间模型。算法更易于实现，节约了辨识试验的成本。并且本实施方式的优点在于，通过得到的船舶航行数据能够直接辨识得到船舶连续时间黑箱模型，相比传统确定水动力导数的方法更有效率，也更易于实现，节约试验成本此实施方式的优点在于直接辨识船舶连续时间黑箱模型，避免了对水动力导数的计算，从而使得算法不会收到尺度效应等的影响。可以随时使用船舶航行过程中记录的数据进行直接辨识，随时对船舶数学模型进行修正和调整，从而大大简化了辨识操作。具体实施方式二：本实施方式与具体实施方式一不同的是：步骤一中船舶的三自由度解耦运动学方程： ( m - X u · ) u · - X u u - X | u | u | u | u = τ X ]]> 本文档来自技高网...

【技术保护点】
一种动力定位船舶连续时间黑箱模型的辨识方法，其特征在于一种动力定位船舶连续时间黑箱模型的辨识方法具体是按照以下步骤进行的：步骤一、收集船舶航行试验过程中的输入时域数据和输出时域数据；其中，输入时域数据为舵角角度，输出时域数据包括航行速度和转艏角速度r(t)；航行速度包括纵向航行速度u(t)和横向航行速度v(t)；步骤二、利用正交的拉盖尔函数将收集的输入时域数据和输出时域数据从时域中一一映射到拉盖尔域即L域中得到L域中的等价状态空间数学模型；步骤三、利用子空间辨识算法辨识L域中的等价状态空间数学模型；步骤四、根据映射关系将L域中的等价状态空间数学模型映射成船舶连续时间状态空间模型。

【技术特征摘要】
1.一种动力定位船舶连续时间黑箱模型的辨识方法，其特征在于一种动力定位船舶连续时间黑箱模型的辨识方法具体是按照以下步骤进行的：步骤一、收集船舶航行试验过程中的输入时域数据和输出时域数据；其中，输入时域数据为舵角角度，输出时域数据包括航行速度和转艏角速度r(t)；航行速度包括纵向航行速度u(t)和横向航行速度v(t)；步骤二、利用正交的拉盖尔函数将收集的输入时域数据和输出时域数据从时域中一一映射到拉盖尔域即L域中得到L域中的等价状态空间数学模型；步骤三、利用子空间辨识算法辨识L域中的等价状态空间数学模型；步骤四、根据映射关系将L域中的等价状态空间数学模型映射成船舶连续时间状态空间模型。2.根据权利要求1所述一种动力定位船舶连续时间黑箱模型的辨识方法，其特征在于：步骤一中船舶的三自由度解耦运动学方程： ( m - X u · ) u · - X u u - X | u | u | u | u = τ X m - Y v · mx g - Y r · mx g - Y r · I z - N r · v · r · + - Y v ( m - X u · ) u 0 - Y r ( X u · - Y v · ) u 0 - N v ( mx g - Y r · ) u 0 - N r v r = - Y δ - N δ δ ]]>其中，m为船舶质量，xg为重心在船体坐标系上的坐标，τX为船舶推进器对船的纵向作用力，δ为舵角，Iz为船舶的转动惯量，u为船舶纵向速度，v为船舶横向速度，r为船舶回转速率，为船舶纵向加速度，为船舶横向加速度，为回转加速度，Xu为船舶纵向速度产生的纵向线性阻尼系数；为船舶纵向加速度产生的纵向附加质量系数；X|u|u为船舶纵向速度产生的纵向非线性阻尼系数，该系数和纵向速度的绝对值|u|和纵向速度u的乘积有关；为船舶横向加速度产生的横向附加质量系数；为船舶回转加速度产生的横向附加质量系数；为船舶回转加速度产生的艏向附加转动惯量系数；Yv为船舶横向速度产生的横向线性阻尼系数；Yr为船舶回转速度产生的横向线性阻尼系数；Nr为船舶回转速度产生的附加转动惯量系数；Nv为船舶横向速度产生的附加转动惯量系数；Yδ为船舶舵角变化产生的横向线性阻尼系数；Nδ为船体舵角变化产生的附加转动惯量系数；u0为船舶初始速度。3.根据权利要求2所述一种动力定位船舶连续时间黑箱模型的辨识方法，其特征在于：步骤二中利用正交的拉盖尔函数将收集的输入时域数据和输出时域数据从时域中一一映射到拉盖尔域即L域中得到L域中的等价状态空间数学模型具体为：步骤二一、将船舶的三自由度解耦运动学方程简化为船舶连续时间状态空间模型： x · ( t ) = A x ( t ) + B u ( t ) + d ω ( t ) / d t ]]>y(t)＝Cx(t)+Du(t)+dv(t)/dt其中，ω(t)∈R3和v(t)∈R3表示测量噪声项；u(t)表示输入时域数据即舵角；y(t)表示输出时域数据；x(t)船舶连续时间状态空间模型的状态变量；t为时间；A、B、C和D为船舶连续时间状态空间模型的系统矩阵；步骤二二、构造一组满足标准正交特性的第i个拉盖尔函数Li(s)： L i ( s ) = 2 a ( s - a ) i ( s + a ) i + 1 = 1 2 a ( 1 - w ( s ) ) w i ( s ) , j = 0 , 1 , 2 , ... ]]> ∫ 0 ∞ l q ( τ ) l r ( τ ) d τ = δ q r ]]>其中，a为拉盖尔函数的参数；且a>0，为全通滤波器传递函数；li为拉盖尔函数Li(s)的脉冲响应，i＝0,1,2,…，；lq为Lq(s)的脉冲响应函数，q＝0,1,2,…；lr为Lr(s)的脉冲响应函数，r＝0,1,2,…；τ为积分式中的时间常数，且τ∈(0,∞)；δqr是克罗内克乘积；s为拉普拉斯变换中复数域的变量；Lq(s)为第q个拉盖尔函数；Lr(s)为第r个拉盖尔函数；步骤二三、根据拉盖尔函数Li(s)将船舶连续时间状态空间模型在L域中的等价状态空间数学模型表示为如下： [ w x ] ( t ) = A M x ( t ) + B M [ l 0 u ] ( t ) + K 1 x 0 l 0 ( t ) + K M [ l 0 e ] ( t ) [ l 0 y ] ( t ) = C M x ( t ) + D M [ l 0 u ] ( t ) + K 2 x 0 l 0 ( t ) + [ l 0 e ] ( t ) - - - ( 1 ) ]]>其中，e(t)为白噪声过程，表示系统的干扰；x0为x(t)的初始值；x为船舶状态空间模型的状态变量；[wx](t)为w(s)的脉冲响应和x(t)的卷积；[l0u](t)为时域信号u(t)和拉盖尔函数L0(s)的脉冲响应的卷积；[l0e](t)为时域信号e(t)和拉盖尔函数L0(s)的脉冲响应的卷积；[l0y](t)为时域信号y(t)和拉盖尔函数L0(s)的脉冲响应的卷积；4.根据权利要求3所述一种动力定位船舶连续时间黑箱模型的辨识方法，其特征在于：步骤三中利用子空间辨识算法辨识L域中的等价状态空间数学模型具体为：步骤三一、将L域中的等价状态空间数学模型进行变换，得到子空间辨识所需的矩阵形式；即将公式(1)的状态方程写成如下的预测形式： [ w x ] ( t ) = A ‾ M x ...

【专利技术属性】
技术研发人员：夏国清，赵昂，王国庆，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23