硕士论文开题报告讲解

攻读硕士学位研究生论文开题报告

专业

研究方向

姓名

题目水面无人艇参数辨识方法研究

1课题研究的目的和意义

本论文使用不同的系统辨识技术进行船舶操纵运动数学模型建模和操纵性预报研究。深入分析水面艇的运动特性，通过对数学模型中水动力导数和操纵性指数的辨识，建立描述水面艇操纵运动的数学模型，通过计算机数值模拟和自航模试验对操纵性进行验证。一般的系统辨识方法以经验风险最小化准则建立的学习器不能很好地平衡经验风险和置信度之间的矛盾，容易导致过学习或欠学习，降低了学习器的学习能力。基于统计学习理论的支持向量机（Support Vector Machines,SVM）的出现很好地解决了这一问题。该算法在对有限样本的学习过程中，在目标函数中引入了反映VC维的权向量内积，以结构风险最小化为准则，获得的学习器能同时保证经验风险和置信度达到最优化，提高了学习器的学习能力特别是泛化性能。SVM是一个凸二次规划问题，这能保证解的全局最优性；通过引入核函数的避免学习器的维数灾难问题，学习机的效率只同样本数目有关而同样本维数无关。

通过本论文的研究，要达到以下目的：

1.使用基于理论推导和数值计算方法，通过定常回转和Z形实验的方法来获得一阶线性系统的参数。

2.通过SVM方法辨识一阶线性系统和非线性系统，所得结果与理论推导和数值计算方法比较，验证SVM的准确性。

3.通过SVM辨识方法实现对一阶线性水动力模型的参数辨识，并验证该方法的准确性和实用性。

2 国内外发展现状

船舶操纵性是船舶重要的水动力性能之一，它是船舶在控制装置的作用下，按照驾驶者的意图保持或改变船舶运动状态包括航向、航速和位置等的能力。船舶操纵性主要包括以下内容：（1）固有稳定性、航向保持能力（在控制力作用下的稳定性）；（2）在控制力作用下的初始回转/航向改变能力、首摇纠偏能力、回转能力；（3）在控制力作用下的制动能力。

在船舶设计阶段就应该对操纵性进行预报，通常可以采用的方法包括数据库

或经验公式方法、自航模试验方法、数学模型加计算机模拟的方法和基于计算流体动力学（CFD）的数值模拟方法。目前，船舶操纵运动数学模型加计算机模拟的方法是船舶操纵性预报的最常用和有效的方法。采用这种方法的前提条件之一是要建立描述船舶操纵运动的数学模型。为此，必须先确定数学模型中的水动力导数。在船舶设计阶段，可以采用如下方法确定数学模型中的水动力导数：数据库或回归公式（经验公式）方法、约束模试验方法、理论和数值计算方法、自航模试验加系统辨识的方法。

数据库或回归公式（经验公式）方法是基于大量的约束模系列试验结果，建立水动力导数数据库或将水动力导数表达成船舶主尺度和船形参数等的函数（回归公式），应用这些数据库或回归公式对所设计船舶的水动力导数进行估算。该方法快捷、实用，但是其有效性受到船型限制，对超出数据库范围的船型，其预报是不精确的。

约束模试验方法是采用和所设计的船舶几何相似的船模在水池中进行约束模试验，包括斜拖试验、悬臂试验、平面运动机构试验、圆周运动试验。试验中，在约束情况下强迫船模作精确控制下的运动，试验时可每次只变化一个运动参数，而令其他运动参数为零，求得单一状态的水动力导数；也可同时改变两个运动参数，求得对应于该两个运动参数的交叉耦合水动力导数；或者在多个运动参数同时改变情况下，应用回归分析法得到多项耦合水动力导数。约束模试验方法被认为是目前最可靠的方法，但采用该方法，一方面，存在尺度效应，其影响难以分析；另一方面，为了分析船形的影响，需要进行系列船模试验，因而费时费力，不便于针对操纵性的船形优化设计。

理论和数值计算方法是基于流体力学理论，从所考虑的物理问题出发，在一定的假设下建立操纵运动船舶绕流问题的数学模型，通过采用各种数值方法求解流体运动的控制方程，计算船舶绕流场和作用在船舶上的水动力。该方法可以分为两大类：势流方法和粘性流方法。势流方法主要有早期的基于小展弦比机翼理论、细长体理论的方法和现代的三维面元法（边界元方法）。现代的比较先进的方法是粘性流计算方法，主要是求解雷诺平均纳维尔-斯托克方程的数值方法。现代势流方法和粘性流方法即人们常说的CFD方法，该方法可以通过方便地改变船形重复计算，分析船形的影响。采用现代势流方法，可以比较方便、快捷地计

算得到水动力，但由于其基于无粘性流假设，对于粘性影响较大的大幅度操纵运动，其计算精度受到影响。采用粘性流方法，可以获得流场及船体水动力的细节，但其计算耗时，且受各种因素影响，常常难以得到收敛解，使其实用性受到一定的限制。

自航模试验加系统辨识的方法是把船舶看作为一个非线性动态系统，进行自由自航模试验，由测量得到的系统输入（舵角、螺旋桨转速等控制量）和输出（船速、回转角速度等运动量），通过系统辨识得到船舶操纵运动数学模型中的水动力导数。该方法对试验的要求低于约束模试验，而且对于研究限制水域和风、浪中的操纵性更容易考虑环境因素的影响。采用系统辨识方法求取船舶操纵运动水动力导数已经有近四十年的历史。近年来，这类方法继续不断得到开发和应用，充分表明它仍是一种相当有效的求取船舶操纵运动水动力导数的方法。特别是，在试验测量技术和系统辨识方法不断发展的今天，基于系统辨识的船舶操纵运动建模方法重新获得了人们的青睐并展现了强大的功能和广阔的应用前景。

在船舶操纵运动建模研究中，传统的系统辨识方法如模型参考法、扩展Kalman滤波法、最小二乘法、极大似然法、回归预报误差法等，曾被广泛应用于船舶操纵运动建模研究。但是这些方法存在一些固有缺陷，如，对研究对象的数学模型依赖性很大；算法的收敛性和精度对变量估计初值和参数估计初值的依赖性很大，这些缺陷使得传统的系统辨识方法的进一步发展遇到瓶颈，应用受到一定的限制。现代人工智能技术如人工神经网络等的出现，为系统辨识提供了新的手段。人工神经网络方法不依赖于研究对象的数学模型，具有很强的非线性映射能力，能有效地建立描述船舶操纵运动这一动态系统的输入-输出响应特性的模型，算法稳定性和精度对变量估计初值和参数估计初值的依赖性小。目前国内外已有较多应用人工神经网络进行操纵运动建模的研究。但是，由于人工神经网络算法本身的结构特点使其数学描述难以同操纵运动数学模型相对应，应用人工神经网络对船舶操纵运动进行机理建模具有一定难度，目前还只是停留在黑箱建模阶段或是简单的线性水动力模型辨识。此外，人工神经网络方法本身还存在一些亟待解决的技术问题，如泛化性能不足，局部极值问题和维数灾难问题等。

近十年来，在系统辨识领域出现了一种新的人工智能方法——支持向量机。该方法于1992年由前苏联数学家Vapnik及其合作者提出，在1995年左右在国际上