基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

发布时间：2018-05-05 22:49

  本文选题：多传感器融合 + 递推总体最小二乘　； 参考：《船舶力学》2017年10期

【摘要】：对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。
[Abstract]:For the dynamic model identification of underwater vehicle, if the coefficient matrix of the observation equation contains random perturbation, the least square estimation is generally biased. In this paper, a dynamic model identification algorithm for underwater vehicle based on multisensor recursive population least square fusion is proposed. Firstly, the centralized least squares fusion algorithm is presented, and then, the multisensor recursive fusion estimation algorithm is derived under the framework of the total least squares. The dynamic parameter identification algorithms of RTLS_F and other underwater vehicles are compared by simulation experiments. The experimental results show that the least square fusion is biased and difficult to improve the estimation accuracy when both the coefficient matrix and the observation vector contain errors, and the RTLS_F algorithm can effectively improve the performance of parameter identification.
【作者单位】： 武汉理工大学船舶动力工程技术交通行业重点实验室;武汉理工大学航运学院;
【基金】：国家自然科学基金(51579201)
【分类号】：TP212;TP242

【相似文献】

相关期刊论文 前10条

1 郭一新;基本最小二乘参数估计的程序设计[J];信息与控制;1984年06期

2 丁振,潘泉,吴锦涛,张洪才;最小二乘被动式跟踪算法与仿真[J];数据采集与处理;1996年02期

3 鲁照权;俞宗嘉;胡金东;胡焱东;;广义最小二乘限定记忆参数辨识方法与仿真研究[J];安徽大学学报(自然科学版);2009年06期

4 徐峰;史伟民;杨亮亮;;高速高精运动平台模型参数最小二乘辨识研究[J];机电工程;2014年09期

5 周鑫;刘全;傅启明;肖飞;;一种批量最小二乘策略迭代方法[J];计算机科学;2014年09期

6 王学雷,邵惠鹤;一种基于积分最小二乘指标的时滞过程频域辨识算法[J];上海交通大学学报;2002年04期

7 鲁照权;胡金东;胡焱东;俞宗嘉;;增广最小二乘限定记忆参数估计算法与仿真[J];合肥工业大学学报(自然科学版);2009年07期

8 刘解放;陈娜;赵磊;侯振雨;;最小二乘支持机及其数学原理和应用研究[J];河南科技学院学报(自然科学版);2008年03期

9 梁林,李春富,王桂增;非线性递推部分最小二乘及其应用[J];系统仿真学报;2001年S1期

10 徐晓;;ARMA模型的最小二乘格型迭代递推辨识法[J];计算技术与自动化;1990年02期

相关会议论文 前10条

1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年

2 康传会;汪晓东;汪轲;常健丽;;基于最小二乘支持向量机的迟滞建模方法[A];第二十九届中国控制会议论文集[C];2010年

3 徐玉如;;智能水下机器人技术的展望[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

4 桑恩方;;用水下机器人进行堤坝安全隐患检测[A];泄水建筑物安全及新材料新技术应用论文集[C];2010年

5 王建国;吴恭兴;孙玉山;万磊;庞永杰;;水下机器人容错控制研究[A];第十四届中国海洋（岸）工程学术讨论会论文集（上册）[C];2009年

6 翟宇毅;刘亮;张瑞勇;罗焕新;;一种新型超小型水下机器人的控制器设计[A];中国电子学会电子机械工程分会2009年机械电子学学术会议论文集[C];2009年

7 黄东武;暴景阳;桑金;;水下机器人双频识别声呐系统应用研究[A];第二十一届海洋测绘综合性学术研讨会论文集[C];2009年

8 赖立明;;自治式无缆水下机器人加速度控制[A];1992年中国控制与决策学术年会论文集[C];1992年

9 徐国华;童剑;段国强;潘小炬;;水下机器人漏水检测系统研究[A];2004年船舶与海洋工程学术研讨会论文集[C];2004年

10 常文田;孙玉山;毛宇峰;梁霄;;水下机器人模糊自寻优控制器的设计[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

相关重要报纸文章 前10条

1 刘军;印度研制水下机器人[N];人民日报;2003年

2 黄建高;天津水下机器人研制成功[N];西部时报;2008年

3 记者 李俨儿 通讯员 吉娜;上海海事大学研发成功新型水下机器人[N];中国船舶报;2013年

4 记者 李琴;点燃水下机器人产业化热情[N];中国船舶报;2013年

5 通讯员 杜兴民 记者 沈谦;七0五所成功研制出“水下机器人”[N];陕西日报;2014年

6 吴卫平 刘军;3500米水下机器人研制成功[N];中国水运报;2004年

7 郑杨;第二台6000米自治水下机器人通过验收[N];地质勘查导报;2007年

8 刘莉莉 冯源;中国第三次北极科考将使用水下机器人作业[N];福建科技报;2008年

9 任馨宇　记者 王春;“海龙号”3500米水下机器人成功用于深海科考[N];科技日报;2009年

10 通讯员 金声;水下机器人技术国家级重点实验室竣工[N];中国船舶报;2009年

相关博士学位论文 前10条

1 潘立鑫;水下机器人近水面横遥减摇控制策略研究[D];哈尔滨工程大学;2010年

2 刘和平;浅水水下机器人设计与控制技术工程研究[D];上海大学;2009年

3 高延增;超小型水下机器人关键性能提升技术研究[D];华南理工大学;2010年

4 林龙信;仿生水下机器人的增强学习控制方法研究[D];国防科学技术大学;2010年

5 王玉甲;水下机器人智能状态监测系统研究[D];哈尔滨工程大学;2006年

6 姜大鹏;多水下机器人协调控制技术研究[D];哈尔滨工程大学;2011年

7 杨立平;舵桨联控式水下机器人容错控制技术研究[D];哈尔滨工程大学;2010年

8 温秀平;水下机器人特性分析及其控制方法研究[D];哈尔滨工程大学;2012年

9 王璐;自治水下机器人的非线性控制方法研究[D];哈尔滨工程大学;2013年

10 常文君;基于神经网络的多水下机器人协调控制方法研究[D];哈尔滨工程大学;2004年

相关硕士学位论文 前10条

1 秦天龙;方程误差模型基于最新估计的加权新息最小二乘辨识[D];哈尔滨工业大学;2015年

2 薛松;基于KFCM的模糊最小二乘SVM研究[D];南京邮电大学;2015年

3 胡明;基于最小二乘支持向量机的航空伽玛能谱分段去噪方法研究[D];东华理工大学;2016年

4 余可鸣;在线最小二乘支持张量机研究[D];华南理工大学;2016年

5 余长中;基于正交最小二乘的可调核函数多输出回归模型[D];华中师范大学;2016年

6 韩丽洁;基于灰色关联分析和最小二乘支持向量机的光伏功率预测算法的研究[D];天津大学;2014年

7 周鑫;最小二乘策略迭代算法研究[D];苏州大学;2014年

8 李晓航;最小二乘支持向量机的稀疏性与泛化性研究[D];大连理工大学;2014年

9 陈立勇;改进最小二乘支持向量机及其应用[D];华东交通大学;2014年

10 季东军;模块化水下机器人及其故障诊断研究[D];哈尔滨工程大学;2008年

，

本文编号：1849618