船舶操纵运动高斯过程回归在线非参数辨识建模方法技术

本发明专利技术提供一种基于矩估计的船舶四自由度操纵运动高斯过程回归在线非参数辨识建模方法，包括以下步骤：选定待辨识船舶操纵运动模型，根据模型中的船舶所受力矩与力和船舶运动状态确定在线辨识方法的特征矩阵、输入变量和输出变量；基于增量高斯过程进行船舶运动在线辨识建模；对所述模型进行基于网格索引的增量学习和基于矩估计方法的参数学习，以实现模型的实时更新；同时在线解算船舶运动状态，以实现船舶运动动态仿真。本发明专利技术能够更贴合实际工程应用场景，通过在线辨识操纵运动模型，动态仿真船舶运动状态，可以为智能船舶提供技术支持。支持。支持。

【技术实现步骤摘要】
船舶操纵运动高斯过程回归在线非参数辨识建模方法


[0001]本专利技术涉及一种基于高斯过程的船舶操纵在线非参数辨识建模方法，尤其涉及一种基于矩估计的船舶四自由度操纵运动高斯过程回归在线非参数辨识建模方法。

技术介绍

[0002]随着海上智能船舶的快速发展
[1]，更智能的在线船舶运动建模技术对于自主导航、避碰等至关重要，在线建模可以实时跟踪和捕捉船舶未来动力学属性并估计由要执行的操纵引起的不确定性。因此，在线建模可为无人船等智能船舶在动作决策、运动规划与实施等方面提供实时的技术指导。
[0003]现有的在线船舶运动建模研究中，由于Nomoto响应模型(KT模型)的简化结构
[2]，大多数船舶运动在线建模方法是受KT参数在线识别的启发
[3][4]。较为广泛的处理手段是通过自航模试验数据，使用递归最小二乘类方法或者LS
‑
SVM来动态辨识KT模型中的K，T等参数
[5][6]。但是，KT模型有一个固有缺陷，当同时辨识参数较多时(如，二阶非线性响应模型)，需要避免参数相消效应，同时需要额外修正船舶转动时产生的降速效应
[7]。同时，KT模型只关注船舶转向运动响应，模型精度有限，大大缩小了应用领域
[5]。
[0004]一般来说，全面考虑多自由度耦合运动的非参数船舶运动建模缓解了参数模型与响应模型的缺点并且精度很高，但上述方法的目标系统仅限于静态或离散系统
[8]。通常，离散时间模型中的参数与物理值不直接对应，并且模型的学习与训练是离线处理的不满足在线实时性的要求。因此，基于连续时间模型的在线辨识建模就有明显优势，因为这样可以通过每次观察到输入和输出数据，在线辨识更新模型，以便实时追踪船舶系统动态变化等关键信息。
[0005]参考文献
[0006][1]Z.Liu,Y.Zhang,X.Yu,et al.Unmanned surface vehicles:An overview ofdevelopments and challenges[J].Annual Reviews inControl,2016,41:71
‑
93.
[0007][2]S.Xie,X.Chu,C.Liu,J.Liu,et al.Parameter identificationof ship motion model based on multi
‑
innovation methods[J].Journal ofMarine Science and Technology,2020,25(1):162
‑
184.
[0008][3]S.Wang,L.Wang,N.Im,et al.Real
‑
timeparameter identification of ship maneuvering response modelbased on nonlinear gaussian filter[J].Ocean Engineering,2022,247:110471.
[0009][4]H.Xu,M.A.Hinostroza,V.Hassani,et al.,Real
‑
Time Parameter Estimation of a Nonlinear Vessel Steering ModelUsing a Support Vector Machine[J].Journal of Offshore Mechanics andArctic Engineering,vol.141,2019,141(6):186
‑
195.
[0010][5]张心光.基于支持向量回归机的船舶操纵运动在线辨识建模[J].船舶工程,2019,41(03):98
‑
101.
[0011][6]谢朔,初秀民,柳晨光,等.基于多新息最小二乘法的船舶操纵响应模型参数辨识[J].中国航海,2017,40(01):73
‑
78.
[0012][7]L.P.Perera,P.Oliveira,C.GuedesSoares.System identificationof vessel steering with unstructured uncertainties by persistentexcitationmaneuvers[J].IEEE Journal ofOceanic Engineering,2016,41(3):515
–
528.
[0013][8]张秀凤,王晓雪,孟耀,等.船舶运动建模与仿真研究进展及未来发展趋势[J].大连海事大学学报,2021,47(01):1
‑
8.

技术实现思路

[0014]根据上述提出
技术介绍
中提到的技术问题，而提供一种基于矩估计的船舶四自由度操纵运动高斯过程回归在线非参数辨识建模方法。本专利技术采用的技术手段如下：
[0015]船舶操纵运动高斯过程回归在线非参数辨识建模方法，包括以下步骤：
[0016]步骤S1：采集数据；所述数据包括：控制器采集船舶航行参数数据即舵角、转速[δ,n]，通过惯性测量单元IMU实时采集得到船舶运动状态，即，前进速度u，横移速度v，转艏角速度r，横摇角速度p，横摇角φ以及航向角以及船舶外力，即，前进力X，横移力Y，转艏力矩N，横摇力矩K；
[0017]步骤S2：选择四自由度船舶运动连续时间系统为辨识对象，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回归模型为高斯过程，设多输入为多输出为船舶运动力与力矩[X,Y,N,K]；
[0018]步骤S3：以所述多输入和多输出[X,Y,N,K]为试验数据，以所述回归模型为基础，根据某时刻船舶运动状态通过增量高斯过程方法进行在线辨识该时刻t
k
的非参数模型网格索引进行在线更新模型信息通过矩估计方法对于超参数θ
t
进行更新学习；使用模型输出实现船舶操纵在线辨识建模；
[0019]步骤S4：根据某时刻船舶运动状态通过所述步骤S3的在线辨识模型预测下一时刻船舶运动状态以实现船舶运动动态仿真。
[0020]较现有技术相比，本专利技术具有以下优点：
[0021]1、本专利技术能够更贴合实际工程应用场景，基于在线辨识的船舶运动非参数模型，通过查询变量的输入(舵角，船速等)，即可解算出对应的船舶运动状态，符合实际的工程应用。
[0022]2、本专利技术通过在线辨识可以实时预测跟踪捕捉船舶的未来动力学特性，并估计由要执行的动作引起的不确定性，同时可以实时的仿真船舶运动状态。
[0023]3、本专利技术通过在线辨识生成模型摆脱了训练数据的重复利用，提高建模效率，同时连续时间系统在线建模对训练数据要求低。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.船舶操纵运动高斯过程回归在线非参数辨识建模方法，其特征在于，包括以下步骤：步骤S1：采集数据；所述数据包括：控制器采集船舶航行参数数据即舵角、转速[δ,n]，通过惯性测量单元IMU实时采集得到船舶运动状态，即，前进速度u，横移速度v，转艏角速度r，横摇角速度p，横摇角φ以及航向角以及船舶外力，即，前进力X，横移力Y，转艏力矩N，横摇力矩K；步骤S2：选择四自由度船舶运动连续时间系统为辨识对象，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回归模型为高斯过程，设多输入为多输出为船舶运动力与力矩[X,Y,N,K]；步骤S3：以所述多输入和多输出[X,Y,N,K]为试验数据，以所述回归模型为基础，根据某时刻船舶运动状态通过增量高斯过程方法进行在线辨识该时刻t
k
的非参数模型网格索引进行在线更新模型信息通过矩估计方法对于超参数θ
t
进行更新学习；使用模型输出实现船舶操纵在线辨识建模；步骤S4：根据某时刻船舶运动状态通过所述步骤S3的在线辨识模型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所述的船舶操纵运动高斯过程回归在线非参数辨识建模方法，其特征还在于：所述S2中回归模型为式(1)形式；其中，输入变量为：输出变量为：y＝[X,Y,N,K]，j＝1,
…
,m为样本维数，i＝1,
…
,t为采样数据时间；则，表示多输出高斯过程的联合分布，k(
·
)表示相关函数。3.根据权利要求1所述的船舶操纵运动高斯过程回归在线非参数辨识建模方法，其特征还在于：所述S3中增量高斯过程方法在线辨识t
k
时刻非参数模型包括以下步骤：步骤S31：根据公式(1)的回归模型；读入t
k
时刻通过IMU采样获取的数据即输入步骤S32：构建网格子空间s，通过网格索引在线更新模型信息步骤S33：计算t
k
时刻采样数据对应的相关函数步骤S34：计算相关向量步骤S35：根据相关向量更新协方差矩阵步骤S36：更新模型后验分布步骤S37：根据协方差阵更新协方差逆矩阵
步骤S38：通过矩估计方法动态更新模型超参数步骤S39：在线更新模型步骤S310：根据更新模型预测系统输出4.根据权利要求1所述的船舶操纵运动高斯过程回归在线非参数辨识建模方法，其特征还在于：所述步骤S32的网格索引是描述数据与先前模型信息之间的...

【专利技术属性】
技术研发人员：任俊生，张钊，尹勇，张秀凤，刘秀文，孙霄峰，神和龙，朱忠显，景乾峰，刘春雷，钱小斌，
申请(专利权)人：大连海大智龙科技有限公司，
类型：发明
国别省市：