本文關(guān)鍵詞：基于支持向量機(jī)的四自由度船舶操縱運(yùn)動(dòng)建模研究

  更多相關(guān)文章： 船舶操縱 四自由度 水動(dòng)力模型 響應(yīng)模型 支持向量機(jī) 系統(tǒng)辨識(shí) 白箱建模 灰箱建模 黑箱建模 靈敏度分析 果蠅優(yōu)化算法

【摘要】：海上船舶運(yùn)輸在運(yùn)量能耗比方面具有獨(dú)特的優(yōu)勢(shì),海洋船舶運(yùn)輸業(yè)在我國(guó)國(guó)民經(jīng)濟(jì)中占有不可替代的重要地位。近年來(lái),國(guó)際海事組織相繼推出了一系列新標(biāo)準(zhǔn)、新規(guī)范,對(duì)船舶的能效提出了更高的要求,高智能化的具有優(yōu)良航行性能的綠色環(huán)保型船舶已成為必然的發(fā)展方向。對(duì)于軍船和初穩(wěn)性高較小的船舶如集裝箱船,在操縱運(yùn)動(dòng)過(guò)程中通常伴隨有較大幅度的橫搖。橫搖不僅影響船舶的航行安全和軍船戰(zhàn)術(shù)技術(shù)性能的發(fā)揮,還會(huì)對(duì)其操縱性產(chǎn)生直接的影響;另外海船航向保持、舵減搖系統(tǒng)和自動(dòng)舵設(shè)計(jì)中都必須考慮橫搖的影響。因此,迫切需要開展計(jì)及橫搖運(yùn)動(dòng)影響的船舶操縱運(yùn)動(dòng)建模和預(yù)報(bào)研究。本文應(yīng)用基于支持向量機(jī)的系統(tǒng)辨識(shí)方法對(duì)四自由度船舶操縱運(yùn)動(dòng)進(jìn)行了建模研究。首先分別采用白箱辨識(shí)建模、灰箱建模和黑箱建模方法對(duì)兩種四自由度操縱運(yùn)動(dòng)水動(dòng)力模型——整體型和分離型操縱運(yùn)動(dòng)數(shù)學(xué)模型進(jìn)行了研究;其次,基于四自由度線性操縱運(yùn)動(dòng)方程推導(dǎo)了耦合響應(yīng)型模型;然后,對(duì)四自由度操縱運(yùn)動(dòng)水動(dòng)力模型中的水動(dòng)力系數(shù)進(jìn)行了靈敏度分析,并基于靈敏度分析的結(jié)果簡(jiǎn)化了整體型和分離型數(shù)學(xué)模型;最后,應(yīng)用果蠅優(yōu)化算法對(duì)用于船舶操縱運(yùn)動(dòng)建模的支持向量機(jī)的參數(shù)進(jìn)行了優(yōu)化,并應(yīng)用所得到的支持向量機(jī)進(jìn)行了船舶操縱運(yùn)動(dòng)預(yù)報(bào)。在白箱辨識(shí)建模中重構(gòu)了辨識(shí)方程,由此可以直接辨識(shí)出水動(dòng)力系數(shù),同時(shí)克服了耦合水動(dòng)力系數(shù)的數(shù)量必須相等的限制;在灰箱建模中,無(wú)需辨識(shí)水動(dòng)力系數(shù),根據(jù)操縱運(yùn)動(dòng)數(shù)學(xué)模型輸入運(yùn)動(dòng)狀態(tài)變量的高階向量,建立支持向量機(jī)灰箱預(yù)報(bào)模型,并據(jù)此預(yù)報(bào)操縱運(yùn)動(dòng);在黑箱建模中,不依賴于操縱運(yùn)動(dòng)數(shù)學(xué)模型,直接輸入上一時(shí)刻的運(yùn)動(dòng)狀態(tài)變量,建立支持向量機(jī)黑箱預(yù)報(bào)模型,并據(jù)此預(yù)報(bào)下一時(shí)刻的運(yùn)動(dòng)。在三種建模方法中都對(duì)Z形試驗(yàn)和回轉(zhuǎn)試驗(yàn)進(jìn)行了預(yù)報(bào),驗(yàn)證了所提出建模方法的有效性及泛化性能。然后,從預(yù)報(bào)精度、計(jì)算速度和所需已知條件三個(gè)方面對(duì)白箱辨識(shí)建模、灰箱建模和黑箱建模進(jìn)行了對(duì)比研究,并基于對(duì)比分析的結(jié)果給出了三種建模方法的選擇策略。從四自由度線性操縱運(yùn)動(dòng)方程出發(fā),推導(dǎo)了計(jì)及橫搖影響的耦合響應(yīng)型模型,獲得了轉(zhuǎn)首運(yùn)動(dòng)、橫向運(yùn)動(dòng)和橫搖運(yùn)動(dòng)對(duì)舵角的響應(yīng)型關(guān)系式,并給出了各操縱性指數(shù)的完整表達(dá)式。然后,基于某集裝箱船的RPMM試驗(yàn)數(shù)據(jù)計(jì)算了其耦合響應(yīng)型模型的操縱性指數(shù),并使用所得到的操縱性指數(shù)進(jìn)行了該船的Z形試驗(yàn)數(shù)值模擬,預(yù)報(bào)了其轉(zhuǎn)首運(yùn)動(dòng)、橫向運(yùn)動(dòng)和橫搖運(yùn)動(dòng);通過(guò)將預(yù)報(bào)結(jié)果和基于水動(dòng)力模型的預(yù)報(bào)結(jié)果進(jìn)行對(duì)比,驗(yàn)證了所建立的耦合響應(yīng)型模型的正確性。隨后,基于DTMB5415的自航模試驗(yàn)數(shù)據(jù),分別使用ε-支持向量機(jī)和最小二乘支持向量機(jī)辨識(shí)了其耦合響應(yīng)型模型的操縱性指數(shù),并使用辨識(shí)得到的操縱性指數(shù)進(jìn)行了Z形試驗(yàn)預(yù)報(bào),通過(guò)將預(yù)報(bào)結(jié)果和自航模試驗(yàn)結(jié)果進(jìn)行對(duì)比,驗(yàn)證了所建立的耦合響應(yīng)型模型的預(yù)報(bào)能力及泛化性能。使用直接法和間接法分別對(duì)四自由度整體型和分離型水動(dòng)力模型中的水動(dòng)力系數(shù)進(jìn)行了靈敏度分析�；陟`敏度分析的結(jié)果,分別將整體型和分離型模型中水動(dòng)力系數(shù)從102個(gè)簡(jiǎn)化到61個(gè)和從41個(gè)簡(jiǎn)化到34個(gè)。應(yīng)用最小二乘支持向量機(jī)對(duì)原始仿真數(shù)據(jù)進(jìn)行分析,對(duì)簡(jiǎn)化后的模型進(jìn)行了白箱辨識(shí)建模,使用辨識(shí)得到的簡(jiǎn)化模型對(duì)操縱運(yùn)動(dòng)進(jìn)行預(yù)報(bào),并將預(yù)報(bào)結(jié)果與原始模型仿真值和簡(jiǎn)化模型仿真值進(jìn)行對(duì)比,結(jié)果表明:基于直接法和間接法的水動(dòng)力系數(shù)靈敏度分析是正確的;基于靈敏度分析結(jié)果的水動(dòng)力模型的簡(jiǎn)化是合理的;基于支持向量機(jī)的簡(jiǎn)化模型辨識(shí)建模是有效的。所獲得的簡(jiǎn)化水動(dòng)力模型可用以指導(dǎo)船模試驗(yàn)設(shè)計(jì),更便于分析和使用。對(duì)比了支持向量機(jī)結(jié)構(gòu)參數(shù)和核參數(shù)對(duì)操縱運(yùn)動(dòng)預(yù)報(bào)精度的影響。為了減小支持向量機(jī)結(jié)構(gòu)參數(shù)和核參數(shù)的選擇困難,采用新型群智能算法——果蠅優(yōu)化算法對(duì)支持向量機(jī)參數(shù)進(jìn)行優(yōu)化,并將其應(yīng)用于四自由度船舶操縱運(yùn)動(dòng)黑箱建模中。將參數(shù)優(yōu)化后預(yù)報(bào)結(jié)果與試湊參數(shù)的預(yù)報(bào)結(jié)果相比較,表明優(yōu)化后的結(jié)果更準(zhǔn)確。對(duì)比參數(shù)尋優(yōu)過(guò)程表明:果蠅優(yōu)化算法相比于粒子群優(yōu)化算法和網(wǎng)格搜索法具有算法設(shè)置簡(jiǎn)單、調(diào)整參數(shù)少、不易陷入局部極小值以及易于找到全局最優(yōu)解等優(yōu)點(diǎn)。通過(guò)本文的研究,驗(yàn)證了支持向量機(jī)方法應(yīng)用于四自由度船舶操縱運(yùn)動(dòng)建模的有效性,為應(yīng)用系統(tǒng)辨識(shí)方法進(jìn)行四自由度船舶操縱運(yùn)動(dòng)建模提供了全面的技術(shù)依托;基于水動(dòng)力系數(shù)靈敏度分析的結(jié)果,獲得了更便于分析和使用的四自由度簡(jiǎn)化水動(dòng)力模型;基于四自由度線性操縱運(yùn)動(dòng)方程得到了耦合響應(yīng)型模型,為考慮橫搖影響的海船航向保持與舵減搖研究以及自動(dòng)舵設(shè)計(jì)提供了便利。
【關(guān)鍵詞】：船舶操縱 四自由度 水動(dòng)力模型 響應(yīng)模型 支持向量機(jī) 系統(tǒng)辨識(shí) 白箱建模 灰箱建模 黑箱建模 靈敏度分析 果蠅優(yōu)化算法
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：U661.33
【目錄】：

• 摘要7-9
• ABSTRACT9-17
• 第一章 緒論17-28
• 1.1 研究背景和意義17-18
• 1.2 國(guó)內(nèi)外相關(guān)研究進(jìn)展18-25
• 1.2.1 船舶操縱性預(yù)報(bào)研究進(jìn)展18-20
• 1.2.2 船舶操縱運(yùn)動(dòng)系統(tǒng)辨識(shí)建模研究進(jìn)展20-25
• 1.3 本文主要工作及創(chuàng)新25-28
• 1.3.1 本文的主要工作25-27
• 1.3.2 本文的主要?jiǎng)?chuàng)新點(diǎn)27-28
• 第二章 船舶操縱運(yùn)動(dòng)數(shù)學(xué)模型28-42
• 2.1 引言28
• 2.2 坐標(biāo)系28-30
• 2.3 三自由度船舶操縱運(yùn)動(dòng)數(shù)學(xué)模型30-36
• 2.3.1 三自由度整體型數(shù)學(xué)模型30-33
• 2.3.2 三自由度分離型數(shù)學(xué)模型33-35
• 2.3.3 響應(yīng)型數(shù)學(xué)模型35-36
• 2.4 四自由度船舶操縱運(yùn)動(dòng)數(shù)學(xué)模型36-41
• 2.4.1 四自由度整體型數(shù)學(xué)模型37-39
• 2.4.2 四自由度分離型數(shù)學(xué)模型39-40
• 2.4.3 耦合響應(yīng)型數(shù)學(xué)模型40-41
• 2.5 六自由度船舶操縱運(yùn)動(dòng)數(shù)學(xué)模型41
• 2.6 本章小結(jié)41-42
• 第三章 船舶操縱運(yùn)動(dòng)系統(tǒng)辨識(shí)建模方法42-54
• 3.1 引言42-43
• 3.2 系統(tǒng)辨識(shí)建模43-44
• 3.3 常用的系統(tǒng)辨識(shí)方法44-48
• 3.3.1 最小二乘法45
• 3.3.2 Kalman濾波45-46
• 3.3.3 人工神經(jīng)網(wǎng)絡(luò)46-48
• 3.4 支持向量機(jī)方法48-53
• 3.4.1 ε-支持向量機(jī)49-52
• 3.4.2 最小二乘支持向量機(jī)52-53
• 3.5 本章小結(jié)53-54
• 第四章 基于支持向量機(jī)的四自由度水動(dòng)力模型建模54-93
• 4.1 引言54
• 4.2 四自由度整體型水動(dòng)力模型建模54-71
• 4.2.1 白箱建模54-68
• 4.2.2 灰箱建模68-71
• 4.3 四自由度分離型水動(dòng)力模型建模71-83
• 4.3.1 白箱建模72-78
• 4.3.2 灰箱建模78-83
• 4.4 四自由度黑箱建模83-89
• 4.4.1 黑箱建模算例 184-86
• 4.4.2 黑箱建模算例 286-89
• 4.5 四自由度模型系統(tǒng)辨識(shí)建模方法對(duì)比89-92
• 4.5.1 預(yù)報(bào)精度對(duì)比89-90
• 4.5.2 計(jì)算速度對(duì)比90-91
• 4.5.3 所需已知條件對(duì)比91-92
• 4.6 本章小結(jié)92-93
• 第五章 基于支持向量機(jī)的耦合響應(yīng)型模型建模93-108
• 5.1 引言93
• 5.2 耦合響應(yīng)型模型93-97
• 5.3 耦合響應(yīng)型模型驗(yàn)證97-101
• 5.4 耦合響應(yīng)型模型辨識(shí)建模算例101-107
• 5.5 本章小結(jié)107-108
• 第六章 四自由度水動(dòng)力模型中的水動(dòng)力系數(shù)靈敏度分析108-137
• 6.1 引言108
• 6.2 靈敏度分析方法108-113
• 6.2.1 基于直接法的水動(dòng)力系數(shù)靈敏度分析109-111
• 6.2.2 基于間接法的水動(dòng)力系數(shù)靈敏度分析111-113
• 6.3 四自由度整體型模型的靈敏度分析113-125
• 6.3.1 基于直接法的整體型模型中水動(dòng)力系數(shù)靈敏度分析113-117
• 6.3.2 基于間接法的整體型模型中水動(dòng)力系數(shù)靈敏度分析117-120
• 6.3.3 整體型水動(dòng)力模型簡(jiǎn)化120-121
• 6.3.4 簡(jiǎn)化的整體型水動(dòng)力模型辨識(shí)建模121-125
• 6.4 四自由度分離型模型的靈敏度分析125-135
• 6.4.1 基于直接法的分離型模型中水動(dòng)力系數(shù)靈敏度分析125-128
• 6.4.2 基于間接法的分離型模型中水動(dòng)力系數(shù)靈敏度分析128-131
• 6.4.3 分離型水動(dòng)力模型簡(jiǎn)化131-132
• 6.4.4 簡(jiǎn)化的分離型水動(dòng)力模型辨識(shí)建模132-135
• 6.5 本章小結(jié)135-137
• 第七章 果蠅優(yōu)化算法在支持向量機(jī)參數(shù)選擇中的應(yīng)用137-148
• 7.1 引言137
• 7.2 群智能算法簡(jiǎn)介137-140
• 7.2.1 粒子群算法137-139
• 7.2.2 蟻群算法139
• 7.2.3 果蠅優(yōu)化算法139-140
• 7.3 果蠅優(yōu)化算法對(duì)支持向量機(jī)參數(shù)的優(yōu)化140-147
• 7.3.1 支持向量機(jī)參數(shù)對(duì)預(yù)報(bào)精度的影響140-142
• 7.3.2 果蠅優(yōu)化算法對(duì)支持向量機(jī)參數(shù)的優(yōu)化算例 1142-145
• 7.3.3 果蠅優(yōu)化算法對(duì)支持向量機(jī)參數(shù)的優(yōu)化算例 2145-147
• 7.4 本章小結(jié)147-148
• 第八章 總結(jié)與展望148-150
• 8.1 全文總結(jié)148-149
• 8.2 研究展望149-150
• 參考文獻(xiàn)150-159
• 攻讀博士學(xué)位期間主持與參加的科研項(xiàng)目159-160
• 攻讀博士學(xué)位期間發(fā)表與錄用的論文160-162
• 致謝162

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 惠小鎖;張顯庫(kù);;“育鯤”輪測(cè)試數(shù)據(jù)處理及橫搖建模的驗(yàn)證[J];測(cè)試技術(shù)學(xué)報(bào);2010年02期

2 劉勝;楊震;;基于ISVM的船舶橫搖運(yùn)動(dòng)實(shí)時(shí)預(yù)報(bào)方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2011年05期

3 徐鋒;鄒早建;尹建川;曹建;;船舶操縱水動(dòng)力導(dǎo)數(shù)的靈敏度分析[J];哈爾濱工程大學(xué)學(xué)報(bào);2013年06期

4 ;IDENTIFICATION OF ABKOWITZ MODEL FOR SHIP MANOEUVRING MOTION USING ε-SUPPORT VECTOR REGRESSION[J];Journal of Hydrodynamics;2011年03期

5 樂(lè)美龍,汪希齡,陸惠生;船舶操縱性神經(jīng)計(jì)算[J];中國(guó)造船;1999年04期

6 羅偉林;鄒早建;;基于支持向量機(jī)的約束船模斜拖試驗(yàn)分析[J];中國(guó)造船;2010年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 羅偉林;基于支持向量機(jī)方法的船舶操縱運(yùn)動(dòng)建模研究[D];上海交通大學(xué);2009年

2 張心光;基于船舶操縱性試驗(yàn)分析的辨識(shí)建模研究[D];上海交通大學(xué);2012年

，

本文編號(hào)：1128213