【技术实现步骤摘要】
一种船舶操纵运动ADAM局部加权回归辨识建模方法
本专利技术涉及一种船舶操纵运动局部加权辨识建模的方法，尤其涉及一种船舶操纵运动ADAM局部加权回归辨识建模方法。
技术介绍
传统船舶建模都是基于已知模型结构求解模型参数的思想。数学意义上，是用数学函数描述船舶运动。然而，船舶运动系统及其复杂，很难用一个确切的函数来准确描述船舶运动。因此，基于已知模型结构的建模是实际系统的一种近似，建模精度受到限制。因此，不依赖于研究对象的数学模型，具有算法稳定性和精度对参数估计初值的依赖性小等特点的系统辨识方法应运而生。通过直接学习系统输入与输出之间的映射关系，避免了未建模动态、参数漂移等问题。文献[1][2][3][4][5]中可知，研究者提出了各种船舶运动辨识模型。在现代船舶领域中有着广泛的应用。但是，上述建模思想都是基于离线数据驱动的,并且多数是以辨识水动力导数为目的，其本质还是一种传统机理建模的拓展[1][3]。如文献[3]通过改进SVM算法的适用性，减少灰箱和黑盒建模预测的参数漂移；文献[5][6]利用局部加权算法，通过重新...
【技术保护点】
1.一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征在于，包括以下步骤：/nS1：数据准备与处理；采集船舶航行参数数据即舵角、转速[δ,n]，以及相对应得船舶运动状态即前进速度，横移速度，转艏角速度[u,v,r]，处理数据[X,Y,N]，船舶运动力与力矩即前进力，横移力，转艏力矩，三部分组成训练样本；/nS2：选择三自由度船舶运动数学模型为辨识对象，根据船舶操纵运动数学模型中船舶所受力矩与力和船舶运动状态确定辨识方法的局部模型为线性回归模型，输入为[δ,n,u,v,r]，输出为[X,Y,N]；/nS3：以所述输入和输出为训练样本，以线性回归模型为基础，用局部加权回归...
【技术特征摘要】
1.一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征在于，包括以下步骤：
S1：数据准备与处理；采集船舶航行参数数据即舵角、转速[δ,n]，以及相对应得船舶运动状态即前进速度，横移速度，转艏角速度[u,v,r]，处理数据[X,Y,N]，船舶运动力与力矩即前进力，横移力，转艏力矩，三部分组成训练样本；
S2：选择三自由度船舶运动数学模型为辨识对象，根据船舶操纵运动数学模型中船舶所受力矩与力和船舶运动状态确定辨识方法的局部模型为线性回归模型，输入为[δ,n,u,v,r]，输出为[X,Y,N]；
S3：以所述输入和输出为训练样本，以线性回归模型为基础，用局部加权回归方法构建船舶操纵运动模型；对局部加权进行优化训练，使模型达到精度要求；
S4：根据某时刻船舶运动状态通过局部加权预测下一时刻船舶运动状态以实现船舶运动动态仿真。
2.根据权利要求1所述的一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征还在于：所述S2中线性回归模型为式(1)形式；输入变量为：x＝[δ,n,u,v,r]T，xi＝[xi1,…,xin]T；输出变量为：y＝[X,Y,N]，yi＝[yi1,…,yin]T；n为样本数量，i＝1,…,5为样本维数；参数矩阵为β＝[β1,β2,β3]，βi＝[β1,β2,…,β5]T：
y＝xTβ(1)。
3.根据权利要求1所述的一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征还在于：所述S3中局部加权进行优化训练包括以下步骤：
步骤S31：给出式(1)的局部模型；训练数据：输入x，输出y；
步骤S32：计算训练数据集中每个训练点xi与查询点xq间距离d(xq,xi)；
步骤S33：计算训练点对查询点的权重W，并给局部模型加权；
步骤S34：求解局部模型参数通过计算查询点对应的预测值
步骤S35：通过预测值与真实值y计算目标函数J；
步骤S36：通过优化方法对J进行经验风险最小化优化；
步骤S37：输出符合S36的最优局部加权训练结果。
4.根据权利要求1所述的一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征还在于：所述步骤S32的距离为描述数据与待辨识模型之间的关联性。对于数据集中两点m,n的距离d(m,n)满足...
【专利技术属性】
技术研发人员：任俊生，张钊，尹勇，孙霄峰，张秀凤，神和龙，刘秀文，刘春雷，朱忠显，钱小斌，白伟伟，岳万程，庞晓思，
申请(专利权)人：大连海事大学，大连海大智龙科技有限公司，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。