本文選題：多傳感器融合 + 遞推總體最小二乘��； 參考：《船舶力學》2017年10期

【摘要】：對于水下機器人動力學模型辨識問題,如果其觀測方程的系數(shù)矩陣包含隨機擾動,則其最小二乘估計一般是有偏的。為此,該文提出一種基于多傳感器遞推總體最小二乘融合的水下機器人動力學模型辨識算法(RTLS_F)。首先,給出了集中式總體最小二乘融合的算法;然后,在總體最小二乘框架下,推導出多傳感器遞推融合估計算法。通過仿真實驗對RTLS_F與其它水下機器人動力學參數(shù)辨識算法進行了比較。實驗結(jié)果表明,在系數(shù)矩陣和觀測向量都含有誤差的情況下,最小二乘融合是有偏估計且難以提高估計精度,而RTLS_F算法可以有效改善參數(shù)辨識性能。
[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.
【作者單位】： 武漢理工大學船舶動力工程技術(shù)交通行業(yè)重點實驗室;武漢理工大學航運學院;
【基金】：國家自然科學基金(51579201)
【分類號】：TP212;TP242

【相似文獻】

相關(guān)期刊論文 前10條

1 郭一新;基本最小二乘參數(shù)估計的程序設計[J];信息與控制;1984年06期

2 丁振,潘泉,吳錦濤,張洪才;最小二乘被動式跟蹤算法與仿真[J];數(shù)據(jù)采集與處理;1996年02期

3 魯照權(quán);俞宗嘉;胡金東;胡焱東;;廣義最小二乘限定記憶參數(shù)辨識方法與仿真研究[J];安徽大學學報(自然科學版);2009年06期

4 徐峰;史偉民;楊亮亮;;高速高精運動平臺模型參數(shù)最小二乘辨識研究[J];機電工程;2014年09期

5 周鑫;劉全;傅啟明;肖飛;;一種批量最小二乘策略迭代方法[J];計算機科學;2014年09期

6 王學雷,邵惠鶴;一種基于積分最小二乘指標的時滯過程頻域辨識算法[J];上海交通大學學報;2002年04期

7 魯照權(quán);胡金東;胡焱東;俞宗嘉;;增廣最小二乘限定記憶參數(shù)估計算法與仿真[J];合肥工業(yè)大學學報(自然科學版);2009年07期

8 劉解放;陳娜;趙磊;侯振雨;;最小二乘支持機及其數(shù)學原理和應用研究[J];河南科技學院學報(自然科學版);2008年03期

9 梁林,李春富,王桂增;非線性遞推部分最小二乘及其應用[J];系統(tǒng)仿真學報;2001年S1期

10 徐曉;;ARMA模型的最小二乘格型迭代遞推辨識法[J];計算技術(shù)與自動化;1990年02期

相關(guān)會議論文 前10條

1 宋海鷹;桂衛(wèi)華;陽春華;;基于核偏最小二乘的簡約最小二乘支持向量機及其應用研究[A];第二十六屆中國控制會議論文集[C];2007年

2 康傳會;汪曉東;汪軻;常健麗;;基于最小二乘支持向量機的遲滯建模方法[A];第二十九屆中國控制會議論文集[C];2010年

3 徐玉如;;智能水下機器人技術(shù)的展望[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

4 桑恩方;;用水下機器人進行堤壩安全隱患檢測[A];泄水建筑物安全及新材料新技術(shù)應用論文集[C];2010年

5 王建國;吳恭興;孫玉山;萬磊;龐永杰;;水下機器人容錯控制研究[A];第十四屆中國海洋（岸）工程學術(shù)討論會論文集（上冊）[C];2009年

6 翟宇毅;劉亮;張瑞勇;羅煥新;;一種新型超小型水下機器人的控制器設計[A];中國電子學會電子機械工程分會2009年機械電子學學術(shù)會議論文集[C];2009年

7 黃東武;暴景陽;桑金;;水下機器人雙頻識別聲吶系統(tǒng)應用研究[A];第二十一屆海洋測繪綜合性學術(shù)研討會論文集[C];2009年

8 賴立明;;自治式無纜水下機器人加速度控制[A];1992年中國控制與決策學術(shù)年會論文集[C];1992年

9 徐國華;童劍;段國強;潘小炬;;水下機器人漏水檢測系統(tǒng)研究[A];2004年船舶與海洋工程學術(shù)研討會論文集[C];2004年

10 常文田;孫玉山;毛宇峰;梁霄;;水下機器人模糊自尋優(yōu)控制器的設計[A];全國自動化新技術(shù)學術(shù)交流會會議論文集（一）[C];2005年

相關(guān)重要報紙文章 前10條

1 劉軍;印度研制水下機器人[N];人民日報;2003年

2 黃建高;天津水下機器人研制成功[N];西部時報;2008年

3 記者 李儼兒 通訊員 吉娜;上海海事大學研發(fā)成功新型水下機器人[N];中國船舶報;2013年

4 記者 李琴;點燃水下機器人產(chǎn)業(yè)化熱情[N];中國船舶報;2013年

5 通訊員 杜興民 記者 沈謙;七0五所成功研制出“水下機器人”[N];陜西日報;2014年

6 吳衛(wèi)平 劉軍;3500米水下機器人研制成功[N];中國水運報;2004年

7 鄭楊;第二臺6000米自治水下機器人通過驗收[N];地質(zhì)勘查導報;2007年

8 劉莉莉 馮源;中國第三次北極科考將使用水下機器人作業(yè)[N];福建科技報;2008年

9 任馨宇　記者 王春;“海龍?zhí)枴?500米水下機器人成功用于深海科考[N];科技日報;2009年

10 通訊員 金聲;水下機器人技術(shù)國家級重點實驗室竣工[N];中國船舶報;2009年

相關(guān)博士學位論文 前10條

1 潘立鑫;水下機器人近水面橫遙減搖控制策略研究[D];哈爾濱工程大學;2010年

2 劉和平;淺水水下機器人設計與控制技術(shù)工程研究[D];上海大學;2009年

3 高延增;超小型水下機器人關(guān)鍵性能提升技術(shù)研究[D];華南理工大學;2010年

4 林龍信;仿生水下機器人的增強學習控制方法研究[D];國防科學技術(shù)大學;2010年

5 王玉甲;水下機器人智能狀態(tài)監(jiān)測系統(tǒng)研究[D];哈爾濱工程大學;2006年

6 姜大鵬;多水下機器人協(xié)調(diào)控制技術(shù)研究[D];哈爾濱工程大學;2011年

7 楊立平;舵槳聯(lián)控式水下機器人容錯控制技術(shù)研究[D];哈爾濱工程大學;2010年

8 溫秀平;水下機器人特性分析及其控制方法研究[D];哈爾濱工程大學;2012年

9 王璐;自治水下機器人的非線性控制方法研究[D];哈爾濱工程大學;2013年

10 常文君;基于神經(jīng)網(wǎng)絡的多水下機器人協(xié)調(diào)控制方法研究[D];哈爾濱工程大學;2004年

相關(guān)碩士學位論文 前10條

1 秦天龍;方程誤差模型基于最新估計的加權(quán)新息最小二乘辨識[D];哈爾濱工業(yè)大學;2015年

2 薛松;基于KFCM的模糊最小二乘SVM研究[D];南京郵電大學;2015年

3 胡明;基于最小二乘支持向量機的航空伽瑪能譜分段去噪方法研究[D];東華理工大學;2016年

4 余可鳴;在線最小二乘支持張量機研究[D];華南理工大學;2016年

5 余長中;基于正交最小二乘的可調(diào)核函數(shù)多輸出回歸模型[D];華中師范大學;2016年

6 韓麗潔;基于灰色關(guān)聯(lián)分析和最小二乘支持向量機的光伏功率預測算法的研究[D];天津大學;2014年

7 周鑫;最小二乘策略迭代算法研究[D];蘇州大學;2014年

8 李曉航;最小二乘支持向量機的稀疏性與泛化性研究[D];大連理工大學;2014年

9 陳立勇;改進最小二乘支持向量機及其應用[D];華東交通大學;2014年

10 季東軍;模塊化水下機器人及其故障診斷研究[D];哈爾濱工程大學;2008年

，

本文編號：1849618