船舶操纵非线性KT方程参数的辨识.pdfVIP

船舶操纵非线性KT方程参数的辨识

郑文龙;肖昌润

【摘要】利用差分进化法对一阶和二阶非线性船舶操纵KT方程中的参数进行辨

识,采用积分的方法处理试验数据以获得辨识所需的样本,将辨识结果与前人的方法

进行比较,证明该方法能有效提高辨识精度.另外,辨识过程采用平行处理法代替分步

辨识法,解决了辨识中的参数相消现象,同时也简化了辨识流程.%Identifiedthe

parametersofthefirstandsecondordershipmaneuveringnolinear

responseequation.Iteg-ratedthetestdatastogetsampledatas.Ithas

beenconfirmedthatthismethodcanimprovetheaccuracyof

identificationcomparedtoothermethods.Usingtheparallelprocessing

method,insteadofstep-by-stepidentificationtoreduceparametersoffset.

Thismethodcanalsosimplifyidentificationflow.

【期刊名称】《舰船科学技术》

【年(卷),期】2017(039)009

【总页数】5页(P129-132,137)

【关键词】船舶操纵KT方程;系统辨识;平行处理法

【作者】郑文龙;肖昌润

【作者单位】海军工程大学舰船工程系,湖北武汉430033;海军工程大学舰船工程

系,湖北武汉430033

【正文语种】中文

【中图分类】U661.3

船舶操纵响应模型在船舶操纵性研究中占有重要地位。自野本谦作通过Z形试验

求取K，T的标准算法提出后[1]，各国的船舶操纵性研究者都乐于用Z形操舵试

验来确定K，T，以评价船舶的操纵性能。用系统辨识的方法来获取K，T简单、

快速、准确。辛元欧等通过自然回归离散模型的最小二乘法建立了一阶和二阶KT

非线性的连续模型[2]；邹早建等利用分步辨识的方法对一阶和二阶非线性KT方程

的参数进行了辨识[3]；罗伟林结合船模自航模试验，应用岭回归方法，辨识了一

类非线性的船舶操纵运动数学模型并且进行了操纵运动预报[4]。文献[2-3]在辨识

时对原始数据采用差分的方法处理，误差较大。本文利用积分方法获取样本数据，

以使辨识的准确性有所提高。

系统辨识[5]是在系统的输入和输出数据基础上，建立一个与所测系统等价的数学

模型的理论和方法，包括确定模型结构和估计模型参数两部分。系统辨识方法应用

于船舶操纵运动建模已经有近40年的历史。经典的辨识方法由于其本身的局限性

已经逐渐被淘汰，智能算法因其对初值要求不高，不要求系统具有连续性等优势而

兴起，差分进化法就是其中一种。

RainerStorn和KennethPrice于1995年共同提出了一种基于群体进化的算法

[6]，即差分进化法（DifferentialEvolution，DE），目的是求解切比雪夫多项式

拟合问题。DE最大的特点就是可以记忆个体最优解并且在种群内共享信息，即利

用群体内个体间的竞争与合作来求解优化问题，它基于实数进行编码，具有保留精

英个体的思想，实质是一种贪婪遗传算法。整体结构上与其他进化算法类似，由变

异、交叉和选择3个基本操作构成。标准差分进化法主要包括4个步骤[7]。

1）生成初始群体

在n维空间里随机生成满足约束条件的M个个体，实施措施如下：

其中，分别为第j个染色体的上界和下界，之间的随机小数。

2）变异操作

从群体中随机选择3个个体则基本的变异操作为

如果无局部优化问题，变异操作可写为

其中，为差异化向量，此差分操作是差分进化算法的关键；F为变异因子；p1，

p2，p3为随机整数，表示个体在种群中的序号；为当前种群中最好的个体。由于

式（3）借鉴了当前种群中最好的个体信息，可加快收敛速度。

3）交叉操作

交叉操作是为了增加群体的多样性，具体操作如下：

其中，randlij为[0，1]之间的随机小数；CR为交叉概率，CR∈[0，1]。

4）选择操作

为了确定是否成为下一代的成员，实验向量和目标向量对评价函数进行比较：

反复执行步骤2～步骤4操作，直到达到最大迭代次数G，差分进化基本运算流程

如图1所