【技术实现步骤摘要】
本专利技术属于无人艇运动建模及预报，更具体地，涉及一种基于时变参数建模的无人艇操纵运动预测方法及系统。
技术介绍
1、在船舶控制与数字化方面，一个精确的无人艇数学模型至关重要。传统的对无人艇动力学模型进行求解的方法有经验公式法、约束模试验法、数值计算方法和系统辨识算法。经验公式法受限于建立数据库时所涉及的船型，对于新设计的船型无法得到精确的结果。约束模试验法可以得到动力学模型中的几乎所有水动力导数，但是其试验要求较高，费时费力，且会受到尺度效应的影响，影响实船模型的精度。数值计算方法可以较准确地计算得到动力学模型中的水动力导数以及船-桨-舵的相关耦合系数，但是对于计算机硬件比较依赖，而且获取全套水动力导数所需试验工况较多，因此耗时比较严重。系统辨识算法利用系统实际的数据来建立数学模型，有效地避免了尺度效应，并且节省了时间和经济成本。
技术实现思路
1、最小二乘辨识算法是一种经典的系统辨识算法，它通过最小化预报误差准则函数获取辨识参数，但辨识结果是非时变的，不适用于参数时变的情况，针对该算法的缺陷，本专利技术的目的在于提供一种基于时变参数建模的无人艇操纵运动预测方法及系统，旨在解决辨识过程中参数时变且激励不充分的问题。
2、为实现上述目的，一方面，本专利技术提供了一种基于时变参数建模的无人艇操纵运动预测方法，具体包括以下步骤：
3、采用无人艇的前向速度、横向速度、转艏角速度以及无人艇的前向加速度、横向加速度和转艏角加速度，结合无人艇的舵角、推进器传输的脉宽调制
4、通过多个航次的无人艇的操纵试验获取辨识数据源；其中，辨识数据源包括无人艇的前向速度和前向加速度、横向速度和横向加速度、转艏角速度转艏角加速度、无人艇的舵角和推进器传输的脉宽调制值；并将无人艇的操纵动力学模型转换成待辨识形式，利用自适应方向遗忘递推最小二乘法求解待辨识参数；其中，操纵试验舵角的范围覆盖实舵的舵机性能；
5、利用参数辨识得到的操纵动力学模型进行操纵运动预测。
6、进一步优选地，无人艇的操纵动力学模型的待辨识形式为：
7、
8、
9、
10、
11、其中，u、v、r分别为无人艇随时间变化的前向速度、横向速度、转艏角速度，分别为无人艇随时间变化的前向加速度、横向加速度和转艏角加速度；δ为无人艇的舵角；pwm为推进器输入的脉宽调制值，a11～a35为无人艇的操纵动力学模型的待辨识参数。
12、进一步优选地，辨识数据源的获取方法为：
13、通过回转和z型试验获取多个航次的辨识操纵数据，其中，操纵试验舵角的范围覆盖实艇的舵机性能；
14、将多个航次的辨识操纵数据首尾相连，形成混合的辨识数据源。
15、进一步优选地，操纵运动预测方法为：给定初始时刻无人艇的前向速度、横向速度、转艏角速度以及无人艇的前向加速度、横向加速度和转艏角加速度，将航行过程中推进器的转速和舵角输入参数辨识得到的操纵动力学模型，假定无人艇在每个时间步内做均匀直线运动，采用动力学方程迭代的方法，获取无人艇的操纵运动轨迹。
16、另一方面，本专利技术提供了一种基于时变参数建模的无人艇操纵运动预测系统，包括：
17、操纵动力学模型的构建模块，用于采用无人艇的前向速度、横向速度、转艏角速度以及无人艇的前向加速度、横向加速度和转艏角加速度，结合无人艇的舵角、推进器传输的脉宽调制值和待辨识参数构建无人艇的操纵动力学模型；
18、辨识数据源的获取模块，用于通过多个航次的无人艇的操纵试验获取辨识数据源；其中，辨识数据源包括无人艇的前向速度和前向加速度、横向速度和横向加速度、转艏角速度转艏角加速度、无人艇的舵角和推进器传输的脉宽调制值；其中，操纵试验舵角的范围覆盖实舵的舵机性能；
19、待辨识参数的求解模块，用于将无人艇的操纵动力学模型转换成待辨识形式，利用自适应方向遗忘递推最小二乘法求解待辨识参数；
20、操纵运动预测模块，用于利用参数辨识得到的操纵动力学模型进行操纵运动预测。
21、进一步优选地，无人艇的操纵动力学模型的待辨识形式为：
22、
23、
24、
25、
26、其中，u、v、r分别为无人艇随时间变化的前向速度、横向速度、转艏角速度，分别为无人艇随时间变化的前向加速度、横向加速度和转艏角加速度；δ为无人艇的舵角；pwm为推进器输入的脉宽调制值，a11～a35为无人艇的操纵动力学模型的待辨识参数。
27、进一步优选地，辨识数据源的获取方法为：
28、通过回转和z型试验获取多个航次的辨识操纵数据，其中，操纵试验舵角的范围覆盖实艇的舵机性能；
29、将多个航次的辨识操纵数据首尾相连，形成混合的辨识数据源。
30、进一步优选地，操纵运动预测方法为：给定初始时刻无人艇的前向速度、横向速度、转艏角速度以及无人艇的前向加速度、横向加速度和转艏角加速度，将航行过程中推进器的转速和舵角输入参数辨识得到的操纵动力学模型，假定无人艇在每个时间步内做均匀直线运动，采用动力学方程迭代的方法，获取无人艇的操纵运动轨迹。
31、第三方面，本申请提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
32、第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
33、第五方面，本申请提供一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
34、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
35、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具有以下有益效果：
36、本专利技术提供了一种基于时变参数建模的无人艇操纵运动预测方法及系统，在建立无人艇动力学模型时使用自适应方向遗忘递推最小二乘算法，能够有效辨识出时变的模型参数，方向分解确保了在参数激励不充分时算法的稳定性，自适应遗忘能有效适应参数变化的速度，在变化速度快时减少遗忘因子，快速跟踪参数变化，在速度变化慢时增大遗忘因子，确保辨识结果的稳定。
37、本专利技术提供了一种基于时变参数建模的无人艇操纵运动预测方法及系统，获取待辨识数据时，使用实艇操纵数据，避免了尺度效应的影响，且在构建待辨识数据集时，将多组操纵试验数据混合使用，提高了模型精度和泛化性。
38、本专利技术提供了一种基于时变参数建模的无人艇操纵运动预测方法及系统，提供了一本文档来自技高网...
【技术保护点】
1.一种基于时变参数建模的无人艇操纵运动预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无人艇操纵运动预测方法，其特征在于，无人艇的操纵动力学模型的待辨识形式为：
3.根据权利要求1或2所述的无人艇操纵运动预测方法，其特征在于，辨识数据源的获取方法为：
4.根据权利要求1或2所述的无人艇操纵运动预测方法，其特征在于，操纵运动预测方法为：给定初始时刻无人艇的前向速度、横向速度、转艏角速度以及无人艇的前向加速度、横向加速度和转艏角加速度，将航行过程中推进器的转速和舵角输入参数辨识得到的操纵动力学模型，假定无人艇在每个时间步内做均匀直线运动，采用动力学方程迭代的方法，获取无人艇的操纵运动轨迹。
5.一种基于时变参数建模的无人艇操纵运动预测系统，其特征在于，包括：
6.根据权利要求5所述的无人艇操纵运动预测系统，其特征在于，无人艇的操纵动力学模型的待辨识形式为：
7.根据权利要求5或6所述的无人艇操纵运动预测系统，其特征在于，辨识数据源的获取方法为：
8.根据权利要求5或6所述的无人艇操纵运
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序在处理器上运行时，使得所述处理器执行如权利要求1-4任一所述的方法。
10.一种计算机程序产品，其特征在于，当所述计算机程序产品在处理器上运行时，使得所述处理器执行如权利要求1-4任一所述的方法。
...【技术特征摘要】
1.一种基于时变参数建模的无人艇操纵运动预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无人艇操纵运动预测方法，其特征在于，无人艇的操纵动力学模型的待辨识形式为：
3.根据权利要求1或2所述的无人艇操纵运动预测方法，其特征在于，辨识数据源的获取方法为：
4.根据权利要求1或2所述的无人艇操纵运动预测方法，其特征在于，操纵运动预测方法为：给定初始时刻无人艇的前向速度、横向速度、转艏角速度以及无人艇的前向加速度、横向加速度和转艏角加速度，将航行过程中推进器的转速和舵角输入参数辨识得到的操纵动力学模型，假定无人艇在每个时间步内做均匀直线运动，采用动力学方程迭代的方法，获取无人艇的操纵运动轨迹。
5.一种基于时变参数建模的无人艇操纵运动预测系统，其特征在于，包括：
6.根据权利要求5所述的无人艇操纵运动预测系统，其特征在于，...
【专利技术属性】
技术研发人员：向巩，袁在思，向先波，张逸凡，岳林，万一鸣，杨少龙，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
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。