【技术实现步骤摘要】
本专利技术涉及无人船实时预报自主决策，具体而言，尤其涉及一种考虑无人船航行状态的实时预报控制器设计方法。
技术介绍
1、随着各个地区日益频繁的大宗货物贸易，更多国家将目光引向未来市场前景更好的无人运输船队。因此基于无人船辨识建模的实时预报问题也成为各国实现无人船全自主控制的重要任务之一。其中，最小二乘法(least square,ls)因具有计算量小、精度高、简单易用等特点，被学者们广泛应用于实际的辨识预报之中。下面将简要概述最小二乘算法(ls)。最小二乘算法的基本公式如式(1)所示：
2、u＝φθ (1)
3、式中，u为辨识模型的输出，φ＝[φ1 φ2···φn]＝[r r3]是辨识模型输入数据行向量，r是船舶的艏摇角速度，且θ＝[θ1 θ2···θn]t＝[α β]t为船舶运动数学模型辨识参数列向量。将数据集合中的每一个数据对{r(k),r3(k),δ(k)},k＝1,2,···p，分别代入式(1)，得到式(2)。
4、u＝φθ (2)
5、式中，u∈rp是依据输入数据算出的输出向量；φ＝[r(k) r3(k)]t∈rp×2是数据矩阵，且已知目标向量就可应用最小二乘算法辨识出模型参数，其算法可描述为式(3)。
6、
7、式中，c＝(φtφ)-1φt。
8、根据最小二乘算法，学者们通过推导，形成非线性新息最小二乘算法，如式(4)所示：
9、
10、根据式(4)，对系统辨识算法的辨识参数进行处理，其中为第k步辨识
11、未来无人船的发展趋势是在确保稳定航行的基础上，通过提升算法的辨识效率，降低控制器的计算负担，以期望在不同的航行环境条件下都能实现对无人船航行状态的实时预报。现有算法在辨识无人船航行状态时，往往会产生大量噪声干扰[5]，使算法增加不必要的计算量，最终导致控制器的预报结果异动超调。基于以上分析，传统的辨识算法针对无人船实时预报技术，主要存在以下2点缺陷：
12、现有的辨识算法没有充分考虑冗杂数据和辨识误差对预报结果的影响，同时在辨识效率没有得到提升的前提下，增加了系统工作量，使无人船在航行时出现动态不稳定现象，影响其海上作业效率。
13、现有的辨识算法未考虑对无人船的航行状态进行实时预报，同时预报效果不佳导致无人船在自主航行时易出现姿态异常且状态不可控现象，使无人船丧失了作业能力强、扩展性高的优势。
技术实现思路
1、根据上述提出现有算法对无人船航行状态预报不及时和控制器计算负载过大的技术问题，而提供一种非线性新息辨识算法(dff-ni)来提高无人船航行时的动态稳定性和预报及时性，实现无人船精准、高效、实时、安全的基本优势。
2、本专利技术采用的技术手段如下：
3、一种考虑无人船航行状态的实时预报控制器设计方法，包括：
4、s1、构建船舶运动数学模型；
5、s2、基于构建的船舶运动数学模型，构建线性回归模型；
6、s3、考虑线性回归模型，生成参数向量的估计值；
7、s4、基于非线性新息算法，并引入动态遗忘因子，将动态遗忘因子的固定值改为动态函数值。
8、进一步地，所述步骤s1，具体包括：
9、s11、基于mmg模型和牛顿刚体力学，建立无人船操纵运动坐标系；
10、s12、根据建立的无人船操纵运动坐标系，建立3自由度船舶运动数学模型。
11、进一步地，所述步骤s12中，建立的3自由度船舶运动数学模型具体为：
12、(m+mx)-(m+my)vr＝xh+xp+xr
13、
14、
15、其中，u,v,r分别表示线速度，角速度及横摇角度；m表示船舶质量，ix,iz分别表示相对于x轴和z轴的惯性矩，mx,my表示相应的附加质量，jx,jz表示附加惯性矩；阻尼力表达式用于描述船体的力或扭矩；xh、xp、xr、yh、yp、yr、nh、np、nr均表示流体动力学导数，下标h,p,r分别表示船体流体粘黏性力。
16、进一步地，所述步骤s2，具体包括：
17、s21、计算螺旋桨和方向舵的力xp,yp,kp,np和力矩xr,yr,kr,nr，如下：
18、xh:u2,u3,v2,r2,vr,uv2,uvφ2,t(jp),-fnsinδ
19、yh:uv,u2v,r3,vr2,ur,|v|v,|r|v,|v|r,|r|r,-fncosδ
20、nh:uv,uφ,u2r,u2v,v3,r3,vr2,v2r,ur,|r|v,|v|v,-fncosδ
21、xp＝(1-tp)t(jp),
22、yp＝np＝kp＝0,
23、xr＝-(1-tr)fnsinδ,
24、yr＝-(1+ah)fncosδ,
25、nr＝-(xr+ahxh)fncosδ,
26、
27、其中，tp,n,dp,kp,jp分别表示为推力减额系数、螺旋桨每秒转数、螺旋桨直径、推力系数和螺旋桨前进比；δ,xr,zhr表示舵角，此外，tr,ah,xh还用于描述船体和舵之间的相互作用，在辨识算法中，方程中的参数(1-tr),(1+ah),(1+ah)zhr,(xr+ahxh)被视为待估计参数；
28、s22、将步骤s21中的公式进行改写，改写后的公式如下：
29、
30、
31、
32、
33、
34、
35、θu＝[xuu,xuuu,...,xuvφφ,cru]t,
36、θv＝[yuv,yur,...,y|r|r,crv]t,
37、θr＝[nuv,nur,...,n|r|r,crr]t,
38、cp＝1-tp,cru＝1-tr,crv＝1+ah,
39、crr＝xr+ahxh
40、s23、构建线性回归模型，如下：
41、
42、其中，是输出标量，由测量的船舶在速度v和时间t上修正运动变量的信息向量组成；ωi(t)是噪声项。
43、进一步地，所述步骤s3，具体包括：
44、s31、考虑线性回归模型，参数向量的估计由下式生成：
45、
46、
47、p-1(t)＝p-1(t-1)+φ(l,t)φt(l,t)
48、s32、由信息向量的大小决定n，公式如下：
49、z(l,t)＝[z(t),z(t-1),...,z(t-l+1)]t∈rl×1,
50、
51、进一步本文档来自技高网...
【技术保护点】
1.一种考虑无人船航行状态的实时预报控制器设计方法，其特征在于，包括：
2.根据权利要求1所述的考虑无人船航行状态的实时预报控制器设计方法，其特征在于，所述步骤S1，具体包括：
3.根据权利要求2所述的考虑无人船航行状态的实时预报控制器设计方法，其特征在于，所述步骤S12中，建立的3自由度船舶运动数学模型具体为：
4.根据权利要求1所述的考虑无人船航行状态的实时预报控制器设计方法，其特征在于，所述步骤S2，具体包括：
5.根据权利要求1所述的考虑无人船航行状态的实时预报控制器设计方法，其特征在于，所述步骤S3，具体包括：
6.根据权利要求1所述的考虑无人船航行状态的实时预报控制器设计方法，其特征在于，所述步骤S4，具体包括：
7.根据权利要求6所述的考虑无人船航行状态的实时预报控制器设计方法，其特征在于，所述步骤S42中，动态遗忘因子λ的大小实时变化，且由下式决定：
【技术特征摘要】
1.一种考虑无人船航行状态的实时预报控制器设计方法，其特征在于，包括：
2.根据权利要求1所述的考虑无人船航行状态的实时预报控制器设计方法，其特征在于，所述步骤s1，具体包括：
3.根据权利要求2所述的考虑无人船航行状态的实时预报控制器设计方法，其特征在于，所述步骤s12中，建立的3自由度船舶运动数学模型具体为：
4.根据权利要求1所述的考虑无人船航行状态的实时预报控制器设计方法，其特...
【专利技术属性】
技术研发人员：宋纯羽，隋江华，李胤甫，郭特尔，
申请(专利权)人：大连海洋大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。