一种基于WBRB-PSO的船舶舵机模型参数辨识方法技术

本发明专利技术涉及一种基于WBRB

A parameter identification method of ship steering gear model based on wbrb-pso

【技术实现步骤摘要】
一种基于WBRB
‑
PSO的船舶舵机模型参数辨识方法


[0001]本专利技术涉及一种基于WBRB
‑
PSO的船舶舵机模型参数辨识方法，属于船舶参数智能辨识领域。

技术介绍

[0002]建立精准的舵机模型是研究伺服系统动态特性的关键所在，然而，由于舵机结构较为复杂，导致其模型参数难以精准地通过机理分析等方法确定。因此，有必要研究有效的系统辨识策略并进行舵机动态性能分析。系统辨识是指被识别系统按照优化准则在预设模型中优化出与数据拟合最好的模型参数。国内外在舵机参数辨识研究方面提出了很多方法，如最小二乘法、频率特性法和相关函数法等。这些经典算法能够在一定程度上提升模型参数的辨识精度，然而在优化速度和优化精度方面或多或少存在一些不足。
[0003]近年来，随着智能控制理论不断发展成熟，越来越多的智能优化算法渐渐应用于参数辨识中，如进化算法、支持向量机等。粒子群算法作为进化算法的一种，可以有效地解决复杂非线性难题，同时保证模型具有较强的鲁棒性。此外，相比于其他进化算法，粒子群优化算法(PSO)具有算法规则简单、易于实现、收敛速度快及可调参数少等优点，使其更容易获得寻优问题的最优解。同时，针对传统粒子群算法存在的粒子惯性权重选取不当，而导致寻优结果易陷入局部最优的问题提出改进方案，通过引入加权型置信规则库(WBRB)结构，实现了粒子惯性权重的实时更新，在一定程度上有效改善了易陷入局部最优的问题，有效提高了船舶舵机模型参数的辨识精度。

技术实现思路

[0004]本专利技术针对现有系统辨识方法的不足，提出一种基于WBRB
‑
PSO的船舶舵机模型参数辨识方法，该方法在标准粒子群优化算法(PSO)的基础上，引入了加权型置信规则库(WBRB)结构，实现了各粒子的惯性权重w的在线实时调整及待辨识参数的估计，有效提高了船舶舵机模型参数的辨识精度。
[0005]本专利技术提出的基于WBRB
‑
PSO的船舶舵机模型参数辨识方法，包括以下各步骤：
[0006](1)在不加负载的情况下，船舶舵机模型可表示为传递函数的形式：
[0007][0008]式(1)中，G表示舵机的传递函数，δ
E
为指令舵角，δ为实际舵角，K
E
和T
E
分别表示舵机的控制增益和时间常数；
[0009](2)通过舵角传感器实时采集舵机的指令舵角δ
E
和实际舵角δ信号，设定采样周期T＝0.02s，共计采样K个样本，取K≥300，将δ
E
(k),δ(k)表示成样本集合S＝{[δ
E
(k),δ(k)]|k＝1,2,...,K}，其中[δ
E
(k),δ(k)]为一个样本向量；
[0010](3)将步骤(2)中采集的指令舵角δ
E
和实际舵角δ信号作为辨识模型的输入，辨识模型的输出为舵机模型参数(K
E
,T
E
)，构造关于舵机模型参数K
E
和T
E
的WBRB
‑
PSO辨识模型，
具体是：
[0011](3
‑
1)以粒子群优化算法(PSO)为基础，对舵机模型参数进行辨识，进而将参数辨识问题转化为参数优化问题；
[0012](3
‑
2)引入加权型置信规则库(WBRB)推理模型，通过置信推理来获取PSO算法中粒子的惯性权重；
[0013](3
‑
3)根据步骤(3
‑
1)和步骤(3
‑
2)获取粒子更新后的位置和速度后，计算粒子的适应度值，并更新其个体最优值和全局最优值；
[0014](3
‑
4)重复步骤(3
‑
1)～步骤(3
‑
3)，直到达到最大迭代次数，停止优化，最终获得待辨识参数K
E
和T
E
的最优取值。
[0015]本专利技术提出的基于WBRB
‑
PSO的船舶舵机模型参数辨识方法，根据船舶舵机参数的辨识模型，确定待辨识参数及辨识模型的输入、输出特征；初始化粒子速度、位置、惯性权重等参数，并设置待辨识参数的搜索范围；基于全局最优值和粒子的个体最优值更新各粒子的速度、位置；构造关于惯性权重的加权型置信规则推理模型(WBRB)，通过置信推理得到惯性权重增量的估计值，并更新粒子的惯性权重；计算粒子的适应度值，更新全局最优值和粒子的个体最优值；依次迭代，直到满足停止条件，实现传递函数模型参数辨识。该方法将传统粒子群算法与置信规则推理的方法相结合，构造关于惯性权重的加权型置信规则推理模型(WBRB)，通过置信推理得到惯性权重增量的估计值，并在线实时更新惯性权重，有效提升了参数辨识的精度。
附图说明
[0016]图1是本专利技术方法的程序流程框图；
[0017]图2是船舶舵机模型结构框图；
[0018]图3是船舶舵机参数辨识结果仿真图。
具体实施方式
[0019]本专利技术提出的基于WBRB
‑
PSO的船舶舵机模型参数辨识方法，其流程框图如图1所示，包括以下各步骤：
[0020](1)在不加负载的情况下，船舶舵机模型可表示为传递函数的形式：
[0021][0022]式(1)中，G表示舵机的传递函数，δ
E
为指令舵角，δ为实际舵角，K
E
和T
E
分别表示舵机的控制增益和时间常数。
[0023](2)通过舵角传感器实时采集舵机的指令舵角δ
E
和实际舵角δ信号，设定采样周期T＝0.02s，共计采样K个样本，取K≥300，将δ
E
(k),δ(k)表示成样本集合S＝{[δ
E
(k),δ(k)]|k＝1,2,...,K}，其中[δ
E
(k),δ(k)]为一个样本向量。
[0024](3)将步骤(2)中采集的指令舵角δ
E
和实际舵角δ信号作为辨识模型的输入，辨识模型的输出为舵机模型参数(K
E
,T
E
)，构造关于舵机模型参数K
E
和T
E
的WBRB
‑
PSO辨识模型；具体是：
[0025](3
‑
1)以粒子群优化算法(PSO)为基础，对舵机模型参数进行辨识，进而将参数辨
识问题转化为参数优化问题。
[0026](3
‑
2)引入加权型置信规则库(WBRB)推理模型，通过置信推理来获取PSO算法中粒子的惯性权重。
[0027](3
‑
3)根据步骤(3
‑
1)和步骤(3
‑
2)获取粒子更新后的位置和速度后，计算粒子的适应度值，并更新本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于WBRB
‑
PSO的船舶舵机模型参数辨识方法，其特征在于该方法包括以下步骤：(1)在不加负载的情况下，船舶舵机模型可表示为传递函数的形式：式(1)中，G表示舵机的传递函数，δ
E
为指令舵角，δ为实际舵角，K
E
和T
E
分别表示舵机的控制增益和时间常数；(2)通过舵角传感器实时采集舵机的指令舵角δ
E
和实际舵角δ信号，设定采样周期T＝0.02s，共计采样K个样本，取K≥300，将δ
E
(k),δ(k)表示成样本集合S＝{[δ
E
(k),δ(k)]|k＝1,2,...,K}，其中[δ
E
(k),δ(k)]为一个样本向量；(3)将步骤(2)中采集的指令舵角δ
E
和实际舵角δ信号作为辨识模型的输入，辨识模型的输出为舵机模型参数(K
E
,T
E
)，构造关于舵机模型参数K
E
和T
E
的WBRB
‑
PSO辨识模型；(3
‑
1)以粒子群优化算法PSO为基础，对舵机模型参数进行辨识，进而将参数辨识问题转化为参数优化问题；(3
‑
2)引入加权型置信规则库WBRB推理模型，通过置信推理来获取PSO算法中粒子的惯性权重；(3
‑
3)根据步骤(3
‑
1)和步骤(3
‑
2)获取粒子更新后的位置和速度后，计算粒子的适应度值，并更新其个体最优值和全局最优值；(3
‑
4)重复步骤(3
‑
1)～步骤(3
‑
3)，直到达到最大迭代次数，停止优化，最终获得待辨识参数K
E
和T
E
的最优取值。2.根据权利要求1所述的一种基于WBRB
‑
PSO的船舶舵机模型参数辨识方法，其特征在于，所述步骤(3
‑
1)具体步骤如下：(3
‑1‑
1)对粒子群优化算法中的各项参数进行初始化，具体地：定义目标搜索空间维度N、粒子群定义为最大迭代次数H
max
、初始化粒子的位置X
i
、速度V
i
、个体最优值P
i
，并初始化粒子群的全局最优值P
g
、初始惯性权重w和目标搜索空间[x
n,min
,x
n,max
]，其中表示粒子群中的第i个粒子，M表示粒子的总数，x
n,min
和x
n,max
分别表示第n维目标搜索空间的上、下边界，即第n个待辨识参数的上、下边界，有K
E
∈[x
1,min
,x
1,max
],T
E
∈[x
2,min
,x
2,max
],n＝1,2；(3
‑1‑
2)定义经过h次迭代后，全局最优值对应的适应度值为粒子的惯性权重为位置为速度为个体最优值及其对应的适应度值为其中和分别表示迭代次数为h时，粒子在第n维目标搜索空间中的位置、粒子的历史个体最优位置和M个个体最优位置中的全局最优位置，满足满足当进行第h+1次迭代时，粒子的位置和速度V
ih+1
根据如下公式进行更新：根据如下公式进行更新：
式(2)中，r
l
、r2为均匀分布在[0,1]区间的随机数，c1、c2为粒子的正加速度常数，满足0≤c1,c2≤4，利用式(2)和(3)可对M个粒子的位置和速度进行更新；表示进行第h+1次迭代过程中粒子惯性权重。3.根据权利要求2所述的一种基于WBRB
‑
PSO的船舶舵机模型参数辨识方法，其特征在于，所述步骤(3
‑
2)具体步骤如下：(3
‑2‑
1)构建包含L条规则的置信规则库，用于描述输入变量f1(h+1,i
‑
1...

【专利技术属性】
技术研发人员：沈旭峰，孙松，张雪林，马枫，徐晓滨，孙杰，陈晨，席敬波，李立芝，沈梅艳，
申请(专利权)人：杭州电子科技大学南京智慧水运科技有限公司，
类型：发明
国别省市：