基于支持向量機(jī)方法的船舶操縱運(yùn)動(dòng)建模研究.pdf

1、船舶操縱性是船舶重要的水動(dòng)力性能之一,和船舶的航行安全性密切相關(guān)。對(duì)船舶操縱性進(jìn)行預(yù)報(bào)是船舶設(shè)計(jì)階段的重要工作之一,其日的是為了保證所設(shè)計(jì)的船舶具有良好的操縱性。為此,國(guó)際海事組織在1993年和2002年分別頒布了臨時(shí)的和正式的船舶操縱性標(biāo)準(zhǔn),對(duì)船舶設(shè)計(jì)階段的操縱性預(yù)報(bào)提出了定量的要求。
　　 在船舶設(shè)計(jì)階段對(duì)船舶操縱性進(jìn)行預(yù)報(bào)目前主要有四種方法:數(shù)據(jù)庫(kù)或經(jīng)驗(yàn)公式方法、自航模試驗(yàn)方法、數(shù)學(xué)模型加計(jì)算機(jī)模擬的方法和基于計(jì)算流體動(dòng)力

2、學(xué)(Computational Fluid Dynamics,CFD)的數(shù)值模擬方法。其中,數(shù)學(xué)模型加計(jì)算機(jī)模擬的方法是目前應(yīng)用最廣和最有效的方法。應(yīng)用該方法,精確確定數(shù)學(xué)模型中的水動(dòng)力導(dǎo)數(shù)是提高預(yù)報(bào)精度的關(guān)鍵。目前,主要有四種方法可用于確定數(shù)學(xué)模型中的水動(dòng)力導(dǎo)數(shù):數(shù)據(jù)庫(kù)或經(jīng)驗(yàn)公式方法、約束模試驗(yàn)方法、理論與數(shù)值計(jì)算方法以及結(jié)合自航模試驗(yàn)的系統(tǒng)辨識(shí)方法。系統(tǒng)辨識(shí)方法在試驗(yàn)測(cè)量技術(shù)和辨識(shí)技術(shù)不斷發(fā)展的今天,重新獲得了人們的青睞并展現(xiàn)了強(qiáng)大

3、的功能和廣闊的應(yīng)用前景。
　　 應(yīng)用于船舶操縱性預(yù)報(bào)的船舶運(yùn)動(dòng)數(shù)學(xué)模型目前主要有兩種:一種是Abkowitz模型,又稱(chēng)為整體型模型,這種模型把作用在船-槳-舵系統(tǒng)上的水動(dòng)力看作為一個(gè)整體,并將水動(dòng)力表達(dá)式在直航運(yùn)動(dòng)狀態(tài)平衡點(diǎn)附近按Taylor級(jí)數(shù)進(jìn)行展開(kāi)。另一種是MMG模型,又稱(chēng)為分離型模型,這種模型在前一種模型的基礎(chǔ)上把水動(dòng)力分解為作用在船體、螺旋槳和舵上的三部分,并充分考慮了船體、螺旋槳和舵的相互干擾影響。Abkowitz模

4、型和MMG模型也被統(tǒng)稱(chēng)為水動(dòng)力模型。除了水動(dòng)力模型外,在船舶操縱與控制研究中,還常用到一種所謂的響應(yīng)模型,這種數(shù)學(xué)模型反映的是船舶對(duì)操舵的回轉(zhuǎn)運(yùn)動(dòng)響應(yīng),主要被應(yīng)用于自動(dòng)舵的設(shè)計(jì),但也可應(yīng)用于簡(jiǎn)單的操縱運(yùn)動(dòng)預(yù)報(bào)。
　　 應(yīng)用于船舶操縱運(yùn)動(dòng)建模研究的系統(tǒng)辨識(shí)方法主要包括最小二乘法、擴(kuò)展Kalman濾波方法、嶺回歸分析方法、神經(jīng)網(wǎng)絡(luò)方法、譜分析方法等。無(wú)論采用何種辨識(shí)方法對(duì)水動(dòng)力模型進(jìn)行辨識(shí),如何解決辨識(shí)過(guò)程中眾多水動(dòng)力導(dǎo)數(shù)的多重共線

5、性問(wèn)題以減小參數(shù)漂移是提高建模精度的關(guān)鍵。
　　 本文在國(guó)際上首次采用一種先進(jìn)的現(xiàn)代人工智能技術(shù)--支持向量機(jī)(SupportVector Machines,SVM)對(duì)船舶操縱運(yùn)動(dòng)建模進(jìn)行了研究,包括機(jī)理建模研究與黑箱建模研究。在機(jī)理建模研究階段,應(yīng)用SVM辨識(shí)了水動(dòng)力導(dǎo)數(shù)和操縱性參數(shù),并應(yīng)用建立的操縱運(yùn)動(dòng)數(shù)學(xué)模型進(jìn)行了操縱運(yùn)動(dòng)預(yù)報(bào)。在黑箱建模階段,應(yīng)用SVM研究了船舶操縱運(yùn)動(dòng)這一非線性動(dòng)態(tài)系統(tǒng)的輸入-輸出響應(yīng)特性,并應(yīng)用建立的

6、黑箱模型對(duì)水動(dòng)力和操縱性能指標(biāo)進(jìn)行了預(yù)報(bào)。
　　 在機(jī)理建模研究階段,對(duì)SVM方法及其應(yīng)用進(jìn)行了驗(yàn)證,包括仿真驗(yàn)證和試驗(yàn)驗(yàn)證兩個(gè)階段。在仿真驗(yàn)證階段,應(yīng)用基于線性核的最小二乘支持向量機(jī)(LeastSquares Support Vector Machines,LS-SVM)分別對(duì)Tanker210000DWT和Mariner船型的仿真試驗(yàn)數(shù)據(jù)進(jìn)行了回歸分析,得到了線性水動(dòng)力模型和Abkowitz模型中的水動(dòng)力導(dǎo)數(shù),并利用所得到的

7、數(shù)學(xué)模型對(duì)Z形試驗(yàn)和回轉(zhuǎn)試驗(yàn)進(jìn)行了預(yù)報(bào)。在試驗(yàn)驗(yàn)證階段,首先分別采用一階線性、一階非線性、二階線性和二階非線性四種響應(yīng)模型,應(yīng)用LS-SVM對(duì)在上海交通大學(xué)海洋工程國(guó)家重點(diǎn)實(shí)驗(yàn)室海洋工程水池進(jìn)行的某船自航模試驗(yàn)數(shù)據(jù)進(jìn)行了回歸分析,辨識(shí)了模型參數(shù),并利用回歸模型對(duì)Z形試驗(yàn)和回轉(zhuǎn)試驗(yàn)進(jìn)行了預(yù)報(bào)。進(jìn)一步,以國(guó)際拖曳水池會(huì)議(Internatioanl Towing TankConference,ITTC)操縱技術(shù)委員會(huì)推薦的用于比較研究的超大

8、型油輪KVLCC1、KVLCC2船型為對(duì)象,對(duì)SVM方法及其應(yīng)用進(jìn)行了試驗(yàn)驗(yàn)證,試驗(yàn)類(lèi)型包括自航模試驗(yàn)和約束模試驗(yàn)。對(duì)自航模試驗(yàn),先后應(yīng)用響應(yīng)模型和Abkowitz模型進(jìn)行了機(jī)理建模,為了減小辨識(shí)過(guò)程中的參數(shù)漂移,對(duì)Abkowtiz模型進(jìn)行了簡(jiǎn)化,包括:以船的合速度為無(wú)因次化因子,去除了跟縱向速度有關(guān)的非線性項(xiàng)；對(duì)橫向方程和轉(zhuǎn)首方程,用橫流模型替代與橫向速度和轉(zhuǎn)首角速度有關(guān)的耦合項(xiàng)。利用所辨識(shí)的水動(dòng)力導(dǎo)數(shù),應(yīng)用回歸模型對(duì)Z形試驗(yàn)進(jìn)行了預(yù)

9、報(bào),驗(yàn)證了SVM方法應(yīng)用于自航模試驗(yàn)結(jié)果分析以進(jìn)行操縱運(yùn)動(dòng)建模的可行性和有效性。對(duì)約束模試驗(yàn),以斜拖試驗(yàn)為例,通過(guò)對(duì)試驗(yàn)結(jié)果有限樣本的回歸分析獲得了船體橫向力和轉(zhuǎn)首力矩的數(shù)學(xué)表達(dá)式,并對(duì)不同運(yùn)動(dòng)工況下的船體水動(dòng)力進(jìn)行了預(yù)報(bào)和比較,初步驗(yàn)證了SVM方法應(yīng)用于約束模試驗(yàn)結(jié)果分析以進(jìn)行操縱運(yùn)動(dòng)水動(dòng)力預(yù)報(bào)的可行性。
　　 在機(jī)理建模研究階段,為消除多參數(shù)系統(tǒng)回歸模型中的參數(shù)漂移,采取了幾項(xiàng)措施:一是結(jié)合主成分分析法,對(duì)線性水動(dòng)力導(dǎo)數(shù)項(xiàng)進(jìn)

10、行拆分和合并,對(duì)其中與其他項(xiàng)線性相關(guān)嚴(yán)重的部分予以重新整理；二是引入附加激勵(lì),用于減小常規(guī)操縱中由于操舵階段粘性力的動(dòng)力相消效應(yīng)和過(guò)渡階段慣性力的消失二者所引起的參數(shù)漂移；三是對(duì)所辨識(shí)樣本采用差分格式,用于減緩樣本中各輸入變量之間的多重共線性現(xiàn)象。辨識(shí)和預(yù)報(bào)結(jié)果驗(yàn)證了所采取措施的有效性。
　　 在黑箱建模研究階段,采用高斯核SVM進(jìn)行了辨識(shí)研究:以舵角和操縱運(yùn)動(dòng)變量為輸入,以水動(dòng)力為輸出,對(duì)Abkowitz模型中的復(fù)雜非線性函數(shù)

11、進(jìn)行了辨識(shí),根據(jù)辨識(shí)得到的函數(shù)關(guān)系預(yù)報(bào)了縱向、橫向及轉(zhuǎn)首方向的水動(dòng)力(力矩):以回轉(zhuǎn)試驗(yàn)為例,以舵角為輸入,以縱距、橫距及戰(zhàn)術(shù)直徑等回轉(zhuǎn)性能參數(shù)為輸出,建立了舵角和回轉(zhuǎn)性能參數(shù)之間的映射關(guān)系,根據(jù)辨識(shí)得到的映射關(guān)系預(yù)報(bào)了回轉(zhuǎn)性能參數(shù)。以對(duì)首向角的辨識(shí)和預(yù)報(bào)為例,對(duì)SVM和經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)性能進(jìn)行了比較研究,驗(yàn)證了SVM方法的優(yōu)越性；以對(duì)槳推力的辨識(shí)和預(yù)報(bào)為例,驗(yàn)證了SVM方法應(yīng)用于數(shù)據(jù)濾波與平滑的有效性；以對(duì)操縱運(yùn)動(dòng)變量及舵角的