船舶參數(shù)辨識(shí)方法研究及應(yīng)用.pdf

1、利用受力分析建立起來(lái)的船舶的狀態(tài)空間模型，非線性程度很高，其參數(shù)，即各項(xiàng)水動(dòng)力系數(shù)獲取困難。傳統(tǒng)的方法有理論計(jì)算方法和利用專業(yè)儀器測(cè)量。理論計(jì)算需要借助于經(jīng)驗(yàn)，能夠達(dá)到一定的精度要求，但是不能計(jì)算全部參數(shù)；利用專業(yè)儀器同時(shí)需要進(jìn)行多次試驗(yàn)，成本較高。本文針對(duì)船舶非線性狀態(tài)空間模型，探索通過(guò)船舶現(xiàn)有的易得的測(cè)量數(shù)據(jù)進(jìn)行參數(shù)辨識(shí)的方法。由于需要借助于濾波方法和系統(tǒng)方程估計(jì)狀態(tài)值，一些常見(jiàn)的基于卡爾曼濾波框架的濾波器在本文中進(jìn)行了介紹，重點(diǎn)介

2、紹了粒子濾波、置信壓縮濾波這樣的具有很高濾波精度的非線性濾波方法，并且進(jìn)行了仿真；分析了現(xiàn)有的一些濾波方法用于參數(shù)辨識(shí)的優(yōu)缺點(diǎn)，并給出了基于輔助粒子濾波的參數(shù)辨識(shí)算法的仿真結(jié)果，結(jié)果表明該濾波方法直接用于參數(shù)辨識(shí)具有很大的局限性。
　　本文給出了極大似然方法用于參數(shù)辨識(shí)的算法，并進(jìn)行了具體仿真研究。極大似然方法用于參數(shù)辨識(shí)，具有較高的辨識(shí)準(zhǔn)確度，在多參數(shù)辨識(shí)時(shí)每次迭代速度較快，但是算法復(fù)雜，而且需要大量迭代計(jì)算，收斂速度慢。

3、>　　針對(duì)極大似然方法的期望-最大化的兩步迭代計(jì)算的特點(diǎn)，提出了改進(jìn)的極大似然方法。首先根據(jù)參數(shù)的后驗(yàn)概率公式，重新推導(dǎo)得到了新的似然概率公式；所提出的算法是兩個(gè)階段的迭代過(guò)程：利用改進(jìn)的極大似然方法進(jìn)行當(dāng)前時(shí)刻的參數(shù)辨識(shí)，利用非線性濾波方法和辨識(shí)得到的參數(shù)進(jìn)行當(dāng)前時(shí)刻的狀態(tài)估計(jì)；所提出的改進(jìn)的極大似然方法利用蒙特卡羅方法和兩種參數(shù)更新方法，作為期望和最大化兩階段的新的計(jì)算策略，并且理論證明了采用這兩種新的策略進(jìn)行參數(shù)更新是收斂的。與極

4、大似然方法相比，該算法的優(yōu)點(diǎn)是：不再使用全部觀測(cè)數(shù)據(jù)進(jìn)行極大似然迭代計(jì)算，僅利用當(dāng)前時(shí)刻的觀測(cè)值進(jìn)行計(jì)算，計(jì)算簡(jiǎn)單，可以應(yīng)用于實(shí)時(shí)在線參數(shù)辨識(shí)；可以用于多參數(shù)辨識(shí)；算法不需要平滑算法。通過(guò)仿真證明了所提出的算法是有效的。
　　針對(duì)一種水下機(jī)器人（ODIN），推導(dǎo)得到了其水平面3自由度非線性狀態(tài)空間模型，并且進(jìn)行了離散化處理；為了實(shí)現(xiàn)對(duì)該模型的不同參數(shù)間的解耦，同時(shí)降低系統(tǒng)的維數(shù)，針對(duì)船體在兩種不同運(yùn)行條件下的特點(diǎn)，分別給出了待辨識(shí)