基于多目标群智能算法的船舶横向运动参数辨识方法研究

发布时间：2020-07-30 20:28

【摘要】：在船舶控制领域,船舶数学模型可以用于建立船舶操纵模拟器,为研究闭环系统性能提供基础的仿真平台,还能直接用于设计船舶运动控制器。其中,水动力系数是船舶数学模型的重要参数,通过理论或者试验求得的水动力系数精度无法保证,因此,目前大多采用系统辨识的方法估计水动力参数。实践已经证明,水动力参数辨识问题可以看作是优化搜索问题。本文主要针对多目标粒子群优化算法以及在船舶横向运动的水动力参数辨识问题上的应用进行研究。本文首先对船舶横向运动进行数学建模,然后详细介绍了多目标优化问题的基础理论,最后分析出船舶横向运动的参数辨识问题可以转换成非线性的最优化问题,而且还是一个多目标优化问题。然后,简要介绍了基本粒子群优化算法的工作原理和工作流程,阐述了常见的多目标粒子群优化算法中涉及的概念,包括对粒子的评价标准、外部储备集的保存和全局和局部最优解的选取方式,引入了多目标优化算法常用的性能度量标准。然后引入基于竞争机制的粒子群算法,借鉴该算法的竞争机制,提出了基于竞争机制的多目标粒子群算法,分别对该算法的外部储备集和全局向导的选取的改进做了具体的介绍,并通过实验得出基于竞争机制的多目标优化算法对普遍的多目标优化问题具备良好的收敛性能。最后,提出了一种基于竞争机制的多目标粒子群算法的船舶横向运动的参数辨识方法。对海浪扰动和扰动力矩建模作为辨识的输入参数,然后确定了辨识问题的三个目标函数。最后利用基于竞争机制的多目标粒子群算法对横向运动的参数进行辨识,通过实验表明,提出的方法对船舶横向运动的参数辨识可以得到多个非劣解,而且这些非劣解对应的目标值和实际观测值的误差小,可供决策者根据实际需要选择,具有更好的实际意义。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U666.158;TP18
【图文】：

非支配解,分布关系,解和

图 2.1 支配解和非支配解的分布关系向运动参数辨识的分析虑海浪扰动，则系统的离散方程组可写为(1)(1)(1)(1)()() YkHXkVkXkMXkWk量是 X 、参数 para和扰动力和扰动力矩W 的函数，即(,,)iX fXparaW 也是 X 、参数 para和扰动力和扰动力矩W 的函数，即ygxparaWVNiiiii ( ,,) ,观测次数， g ( )表示模型输出向量，iy 表示观测向量。根据水动力参数辨识问题可以这样描述，从观测到的船舶运动状辨识选用的误差准则是辨识参数中很重要的一方面，是检。通常用数学表达式表示为误差的范函数如下： NkJfk1( )( ())

流程图,粒子群优化算法,流程图,粒子

算法中的参数：学习因子12上下界j,maxx 和j,minx ，粒子速度的上下界j,minv 和和初始速度iv ，设定粒子的当前位置为粒子的个对比出全局最优gp 。应值函数计算所有粒子的适应值，如果比当前粒子该粒子当前的个体最优值。当所有个体最优值确子，如果存在某个体的个体最优值比当前的全局的全局最优值gp 。迭代公式(3-1)或(3-3)以及位置迭代公式(3-2)更新后粒子的速度大于jmaxv ，则将该粒子的速度设为jminv 。索到的解和真实解的误差小于算法最初设定的收大迭代次数，算法输出全局最优解；否则转入步骤

密度估计,最近邻,领域,非劣解

储备集中部分非劣解的准则。目前，研究者提出的聚类算适应网格法等技术在非劣解超出外部储备集的限制时，删优解和个体最优解的选取子群算法中另一个关键是全局最优解的选取。全局最优解果。在算法的迭代过程中，没有通用的的根据，很难从每全局最优解。最直接的方法是针对外部储备集中的非劣解一个“引导者”。一般需要建立一个准则，来评价这些非常用的方法是采用基于密度测量的方法，下面简要介绍两想。估计[43][45]。该方法的基本思想是一个粒子和其他粒子共度会根据其他粒子的数量和密集程度递减，递减程度和粒比例。如图 3.2 所示，share 表示粒子的邻域半径。在这个适应度越差，相反，则越好。

【参考文献】