在研究KT操縱響應(yīng)模型的基礎(chǔ)上,求解在連續(xù)線性操舵情況下一階和二階操縱響應(yīng)解析模型。直接利用航向角數(shù)據(jù)構(gòu)建目標(biāo)函數(shù),采用基于格雷碼和精英選擇的遺傳算法進(jìn)行非線性尋優(yōu)。通過與最小二乘法比較,結(jié)果表明該算法能將航向角平均偏差降低約40%。在辨識過程中,調(diào)整航向角的時間步長,進(jìn)行多次辨識驗證后得出該方法只需要小樣本數(shù)據(jù)就可進(jìn)行高效準(zhǔn)確的辨識,極大地提升辨識效率。利用不確定度計算原理,在樣本存在一定誤差的前提下,有效證明該辨識方法的可靠性。 

【文章來源】：中國航海. 2020,43(03)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

航向角偏差趨勢

圖8 一階最優(yōu)航向角曲線利用最小二乘法對式(1)和式(2)進(jìn)行參數(shù)辨識。將最小二乘法的辨識結(jié)果與本文的辨識結(jié)果相比較,結(jié)果見表1。本文的辨識方法能有效降低航向角的最大偏差,并將平均偏差縮小約40%,有效提高辨識的準(zhǔn)確性。同時,由于在辨識之前已設(shè)置參數(shù)的值域范圍,在實數(shù)域中進(jìn)行尋優(yōu),能有效避免最小二乘估計時出現(xiàn)參數(shù)為復(fù)數(shù)和負(fù)數(shù)的情況。

圖10 時間步長30 s的初始航向角數(shù)據(jù)基于以上試驗數(shù)據(jù),取不同的時間步長進(jìn)行多次辨識,以最終辨識得到的KT指數(shù)對應(yīng)的航向角平均偏差作為辨識好壞的衡量標(biāo)準(zhǔn),見表2。航向角均差隨時間步長的變化趨勢見圖12。

【參考文獻(xiàn)】：
期刊論文
[1]船舶操縱非線性KT方程參數(shù)的辨識[J]. 鄭文龍,肖昌潤.  艦船科學(xué)技術(shù). 2017(17)
[2]改進(jìn)多新息卡爾曼濾波法辨識船舶響應(yīng)模型[J]. 謝朔,陳德山,初秀民,柳晨光.  哈爾濱工程大學(xué)學(xué)報. 2018(02)
[3]基于多新息最小二乘法的船舶操縱響應(yīng)模型參數(shù)辨識[J]. 謝朔,初秀民,柳晨光,吳青.  中國航海. 2017(01)
[4]大舵角下船舶操縱性指數(shù)K,T簡易計算方法研究[J]. 張彬,李國定,李麗娜,蔣嬌.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2015(01)



本文編號：3495902