CN112784438A - 基于数据过滤的船舶运动模型自适应辨识方法和系统 - Google Patents
基于数据过滤的船舶运动模型自适应辨识方法和系统 Download PDFInfo
- Publication number
- CN112784438A CN112784438A CN202110167283.9A CN202110167283A CN112784438A CN 112784438 A CN112784438 A CN 112784438A CN 202110167283 A CN202110167283 A CN 202110167283A CN 112784438 A CN112784438 A CN 112784438A
- Authority
- CN
- China
- Prior art keywords
- time
- real
- speed
- ship
- course angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000033001 locomotion Effects 0.000 title claims abstract description 60
- 238000001914 filtration Methods 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 abstract description 17
- 238000004422 calculation algorithm Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于数据过滤的船舶运动模型自适应辨识方法和系统，包括：监测船舶运动的航向角和艏摇角速度；当监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间，则启动可辨识状态；记录此时的船舶航行数据并同时启动递推最小二乘法进行系统参数辨识；当监测到实时的航向角、艏摇角速度和船舶航行速度中的至少两者进入稳定状态并持续达第二预定时间，则退出可辨识状态。本发明在船舶正常航行过程中，通过对可辨识状态的自动判断、自动辨识和自动退出来实现船舶运动模型的自适应辨识，避免了现有辨识系统对试验时间和试验空间的限定。
Description
技术领域
本发明属于船舶运动参数辨识技术领域，具体涉及一种基于数据过滤的船舶运动模型自适应辨识方法和系统。
背景技术
船舶在海上航行或执行战斗任务时，必然会受到海浪、海风及海流等海洋环境扰动的作用，不可避免地要产生摇荡运动，这种摇荡运动包括横摇、纵摇、艏摇、横荡、纵荡、垂荡(或升沉)。船舶运动模型描述船舶在运动过程中对控制输入(舵角)的响应特性，随着海上交通运输的发展，船舶运动模型的研究越来越重要，了解和掌握船舶运动模型是对船舶进行操纵控制的前提条件，也是研究船舶操纵性能和设计自动舵的基础。
近年来，系统辨识理论的发展为确定船舶运动模型的参数提供了新的方法。系统辨识是根据系统的输入输出数据建立系统数学模型的理论和方法，包括确定系统数学模型的结构和估计数学模型的参数。传统的一些系统辨识技术如最小二乘法、扩展卡尔曼滤波算法、极大似然算法、递推预报误差算法等已经应用于水动力导数的辨识。但是，最小二乘回归必须基于众多试验次数，不利于优化设计；而基于Kalman滤波技术的辨识方法则必须把非线性方程线性化和对过程、量测噪声统计规律准确估计，因此其应用受到一定限制。
公开号CN109271652A的中国专利于2019年1月25日公开了一种基于多目标进化算法的船舶横向三自由度运动参数辨识方法，包括以下步骤：根据船舶横向三自由度运动微分方程，建立状态方程和观测方程模型；根据水池实验数据，建立海浪的扰动力和扰动力矩模型；以曼哈顿距离作为评判标准，评价观测值和模型输出值之间的误差，建立船舶横向运动多目标输出模型；利用进化算法对船舶横向运动多目标优化函数进行优化，并给出最优pareto前沿面；从前沿面中选取一个点对应的参数作为输出最优参数。不需要考虑各自由度运动之间的权重因子。该专利申请可以得到一系列非占优的解，可以根据客户偏好从这些解里边选出最适合的一组横向水动力参数，实验数据少，效率高，误差小，但是该专利方法不能在船舶正常行驶过程中进行运动参数辨识，而是需要在试验水域模拟船舶运动来完成。
公开号CN110333667A的中国专利于2019年10月15日公开了一种基于非线性新息辨识模型的船舶运动仿真及控制方法，包括：获取少量船舶的实验参数抽样样本；用非线性函数对系统辨识算法的抽样样本进行处理；将所述抽样样本代入处理后的系统辨识算法获得辨识参数；采用所述辨识参数建立船舶模型，并根据所述船舶模型对船舶进行仿真或用于船舶运动控制器设计。该专利申请的辨识模型方法具有较好的普适性，能够实现船舶模型的快速和准确辨识，但是其方法集中在仿真验证研究阶段，对实船或者船模试验结果验证仍欠缺。
可见，现有的系统辨识，需要在某个水域划定一个较大的区域作为试验水域，然后在该试验水域进行船舶运动过程模拟并进行船舶运动模型辨识，该方式既阻碍了水域内的正常船舶的通航，又耗费了大量的人力物力，因此，需要提供一种船舶运动模型自适应辨识方法，能够在不影响船舶正常行驶的情况下，对船舶运动参数进行自适应辨识并具有较高的辨识精度，解决现有辨识系统耗时耗力且对实船或者船模试验结果验证欠缺的问题。
发明内容
为克服上述现有技术的不足，本发明提供一种基于数据过滤的船舶运动模型自适应辨识方法和系统，其在船舶正常航行过程中，通过对可辨识状态的自动判断、自动辨识和自动退出来实现船舶运动模型的辨识，避免了现有辨识系统对试验时间和试验空间的限定。
根据本发明说明书的一方面，提供了一种基于数据过滤的船舶运动模型自适应辨识方法，包括：
监测船舶运动的航向角和艏摇角速度；
当监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间，则启动可辨识状态；
记录此时的船舶航行数据并同时启动递推最小二乘法进行系统参数辨识；
当监测到实时的航向角、艏摇角速度和船舶航行速度中的至少两者进入稳定状态并持续达第二预定时间，则退出可辨识状态。
上述技术方案中，对正常航行船舶的航向角和艏摇角速度进行监测，当监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间时，启动可辨识状态；当启动可辨识状态后，自动收集船舶航行数据并同时启动递推最小二乘法进行系统参数辨识，得到一组辨识参数；在启动可辨识状态后，实时监测船舶的航向角、艏摇角速度和船舶航行速度，当实时的航向角、艏摇角速度和船舶航行速度中的至少两者进入稳定状态并持续达第二预定时间时，退出可辨识状态；此后，继续对船舶运行中的航向角和艏摇角速度进行实时监测，直到再监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间，再次启动可辨识状态；该技术方案能够在不影响船舶正常行驶的情况下，通过对可辨识状态的自动判断、自动辨识和自动退出来实现船舶运动模型的自适应辨识，解决现有辨识系统耗时耗力且对实船或者船模试验结果验证欠缺的问题，同时避免了现有辨识系统对试验时间和试验空间的限定。
船舶的运动分为直线运动和弧形运动，直线运动所产生的一般都不是充分激励信号，因此，通过航向角和艏摇角两个数据，即可以判断是不是两种运动之一；如果判断是弧形运动，就相当于是符合进入可辨识状态的条件。
作为进一步的技术方案，所述方法进一步包括：每启动一次可辨识状态，得到一组辨识参数；下一次启动可辨识状态时，基于上一次可辨识状态的辨识结果进行当前参数辨识。船舶运动模型参数辨识过程自动判断、自动启动辨识且自动退出辨识，整个过程无需外部配合；每次可辨识状态下辨识完成后，得到一组辨识参数，下一次启动可辨识状态后，在上组辨识参数的基础上进行继续辨识，通过逐步辨识、递推辨识提高参数辨识精度。
作为进一步的技术方案，所述方法进一步包括：当相邻两次启动可辨识状态得到的参数辨识结果之间的辨识精度小于1％时，完成船舶运动模型的自适应辨识过程。在逐步辨识、递推辨识过程中，对相邻两次的辨识精度进行比对，当辨识精度小于1％时，停止辨识过程，此时即可得到精度较高的船舶运动模型参数辨识结果。
作为进一步的技术方案，所述方法进一步包括：设定期望航向角，用于与实时航向角进行监测比对，并据此判断实时航向角是否超过阈值范围；设定期望艏摇角速度，用于与实时艏摇角速度进行监测比对，并据此判断实时艏摇角速度是否超过阈值范围。
作为进一步的技术方案，所述方法进一步包括：设定第一预定时间作为判定实时航向角和艏摇角速度是否超出阈值范围的临界时间，当实时航向角和艏摇角速度的实时监测值超过阈值范围，但持续时间小于第一预定时间时，则不启动可辨识状态；当实时航向角和艏摇角速度的实时监测值超过阈值范围，且持续时间等于或大于第一预定时间时，则启动可辨识状态。
作为进一步的技术方案，所述方法进一步包括：设定第二预定时间作为判定实时航向角、艏摇角速度和船舶航行速度中的至少两者是否进入稳定状态的临界时间，当实时航向角、艏摇角速度和船舶航行速度中的至少两者的实时监测值达到稳定或在允许范围内波动的状态，但持续时间小于第二预定时间，则继续可辨识状态；当实时航向角、艏摇角速度和船舶航行速度中的至少两者的实时监测值达到稳定或在允许范围内波动的状态，且持续时间等于或大于第二预定时间，则退出可辨识状态。
根据本发明说明书的一方面，提供了一种基于数据过滤的船舶运动模型自适应辨识系统，采用所述的基于数据过滤的船舶运动模型自适应辨识方法实现，所述系统包括：
监测模块，用于监测实时的航向角、艏摇角速度及船舶航行速度，同时监测航向角、艏摇角速度及船舶航行速度的时间变化；
判断模块，用于根据监测到的实时航向角和艏摇角速度及相应的时间变化，分别与各自的阈值范围进行比较判断，并在实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间时，启动可辨识模块；
可辨识模块，用于记录处于可辨识状态下的船舶航行数据并同时启动递推最小二乘法进行系统参数辨识，获取当前可辨识状态下的参数辨识结果；
判断模块，还用于根据监测到的实时航向角、艏摇角速度和船舶航行速度及相应的时间变化，判断实时航向角、艏摇角速度和船舶航行速度中的至少两者是否进入稳定状态并持续达第二预定时间，如果是，则退出可辨识状态。
作为进一步的技术方案，所述系统还包括：设定模块，用于设定期望航向角、期望艏摇角速度、第一预定时间及第二预定时间。
与现有技术相比，本发明的有益效果在于：
(1)本发明对正常航行船舶的航向角和艏摇角速度进行监测，当监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间时，启动可辨识状态；当启动可辨识状态后，自动收集船舶航行数据并同时启动递推最小二乘法进行系统参数辨识，得到一组辨识参数；在启动可辨识状态后，实时监测船舶的航向角、艏摇角速度和船舶航行速度，当实时的航向角、艏摇角速度和船舶航行速度中的至少两者进入稳定状态并持续达第二预定时间时，退出可辨识状态；此后，继续对船舶运行中的航向角和艏摇角速度进行实时监测，直到再监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间，再次启动可辨识状态；整个过程无需外部配合，不受限时间和空间的限制，极大地提高了辨识效率。
(2)本发明能够在不影响船舶正常行驶的情况下，通过对可辨识状态的自动判断、自动辨识和自动退出来实现船舶运动模型的自适应辨识，解决了现有辨识系统耗时耗力且对实船或者船模试验结果验证欠缺的问题。
附图说明
图1为根据本发明实施例的基于数据过滤的船舶运动模型自适应辨识方法的流程图；
图2为根据本发明实施例的基于数据过滤的船舶运动模型自适应辨识系统的框图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
实施例1
如图1所示，本发明提供一种基于数据过滤的船舶运动模型自适应辨识方法，包括以下步骤：
步骤1，设定期望航向角、期望艏摇角速度、第一预定时间及第二预定时间。
具体地，设定期望航向角，用于与实时航向角进行监测比对，并据此判断实时航向角是否超过阈值范围。期望航向角与实际航向角之间存在航向角偏差，所述航向角偏差落在阈值范围内，可忽略不计，当所述航向角超过阈值范围时，则需结合其他判断条件综合判断是否启动可辨识状态。
设定期望艏摇角速度，用于与实时艏摇角速度进行监测比对，并据此判断实时艏摇角速度是否超过阈值范围。期望艏摇角速度与实际艏摇角速度之间存在角速度偏差，所述角速度偏差落在阈值范围内，可忽略不计，当所述艏摇角速度超过阈值范围时，则需结合其他判断条件综合判断是否启动可辨识状态。
设定第一预定时间，作为判定实时航向角和艏摇角速度是否超出阈值范围的临界时间，当实时航向角和艏摇角速度的实时监测值超过阈值范围，但持续时间小于第一预定时间时，则不启动可辨识状态；当实时航向角和艏摇角速度的实时监测值超过阈值范围，且持续时间等于或大于第一预定时间时，则启动可辨识状态。
设定第二预定时间，作为判定实时航向角、艏摇角速度和船舶航行速度中的至少两者是否进入稳定状态的临界时间，当实时航向角、艏摇角速度和船舶航行速度中的至少两者的实时监测值达到稳定或在允许范围内波动的状态，但持续时间小于第二预定时间，则继续可辨识状态；当实时航向角、艏摇角速度和船舶航行速度中的至少两者的实时监测值达到稳定或在允许范围内波动的状态，且持续时间等于或大于第二预定时间，则退出可辨识状态。
进一步地，期望航向角、期望艏摇角速度、第一预定时间及第二预定时间的具体数值可根据实际情况设置，在此不作为本发明限定条件。
步骤2，监测船舶运动的航向角和艏摇角速度。
船舶在航行过程中，持续监测船舶航行的航向角和艏摇角速度，以便根据实时航向角和艏摇角速度进行启动可辨识状态或退出可辨识状态的判断。
步骤3，当监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间时,启动可辨识状态。
系统根据期望航向角、期望艏摇角速度对实时的航向角和艏摇角速度进行比对，在实时航向角和艏摇角速度超过阈值范围后，对超出阈值范围的持续时间进行监测，并在监测到超出的时间等于或大于第一预定时间时，启动可辨识状态。
步骤4，记录启动可辨识状态时的船舶航行数据并同时启动递推最小二乘法进行系统参数辨识。
对于一个系统，在输入输出数据的基础上，从一组给定模型类中，确定一个与所测系统等价的模型，即为辨识。而最小二乘类辨识是在给定的结构框架下，利用模型输出与实际输出间的误差不断纠正模型参数，最终得到最优模型的过程。
本发明利用递推最小二乘法进行参数辨识的思想是：新的辨识参数估计值＝旧的辨识参数估计值+修正项，即，新的递推辨识参数估计值是在旧的递推辨识估计值的基础上修正而成。本发明的可辨识过程是依时间顺序，每启动一次可辨识状态，获取一次新的船舶观测数据，每获得一次新的船舶观测数据就修正一次辨识参数估计值，随着时间的推移，便能获得满意的辨识结果。
本发明的辨识过程过滤掉了不满足可辨识状态时的船舶观测数据，减少了辨识过程的计算量，提高了辨识效率。
步骤5，当监测到实时的航向角、艏摇角速度和船舶航行速度中的至少两者进入稳定状态并持续达第二预定时间，则退出可辨识状态。
当实时航向角、艏摇角速度和船舶航行速度中的至少两者的实时监测值达到稳定或在允许范围内波动的状态，但持续时间小于第二预定时间，则继续可辨识状态；当实时航向角、艏摇角速度和船舶航行速度中的至少两者的实时监测值达到稳定或在允许范围内波动的状态，且持续时间等于或大于第二预定时间，则退出可辨识状态。
本发明方法在逐步辨识、递推辨识过程中，对相邻两次的辨识精度进行比对，当辨识精度小于1％时，停止辨识过程，此时即可得到精度较高的船舶运动模型参数辨识结果。
实施例2
如图2所示，本实施例提供了一种基于数据过滤的船舶运动模型自适应辨识系统，采用所述的基于数据过滤的船舶运动模型自适应辨识方法实现，所述系统包括：
监测模块，用于监测实时的航向角、艏摇角速度及船舶航行速度，同时监测航向角、艏摇角速度及船舶航行速度的时间变化；
判断模块，用于根据监测到的实时航向角和艏摇角速度及相应的时间变化，分别与各自的阈值范围进行比较判断，并在实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间时，启动可辨识模块；
可辨识模块，用于记录处于可辨识状态下的船舶航行数据并同时启动递推最小二乘法进行系统参数辨识，获取当前可辨识状态下的参数辨识结果；
判断模块，还用于根据监测到的实时航向角、艏摇角速度和船舶航行速度及相应的时间变化，判断实时航向角、艏摇角速度和船舶航行速度中的至少两者是否进入稳定状态并持续达第二预定时间，如果是，则退出可辨识状态。
本实施例通过监测模块对正常航行船舶的航向角和艏摇角速度进行监测，并通过判断模块对监测值与阈值范围进行比对，当监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间时，启动可辨识模块；当启动可辨识模块后，系统自动收集船舶航行数据并同时启动递推最小二乘法进行系统参数辨识，得到一组辨识参数；在启动可辨识模块后，系统通过监测模块实时监测船舶的航向角、艏摇角速度和船舶航行速度，并通过判断模块进行判断，当实时的航向角、艏摇角速度和船舶航行速度中的至少两者进入稳定状态并持续达第二预定时间时，退出可辨识模块；此后，系统继续对船舶运行中的航向角和艏摇角速度进行实时监测，直到再监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间，再次启动可辨识模块。本实施例系统能够在不影响船舶正常行驶的情况下，通过对可辨识状态的自动判断、自动辨识和自动退出来实现船舶运动模型的自适应辨识，解决现有辨识系统耗时耗力且对实船或者船模试验结果验证欠缺的问题，同时避免了现有辨识系统对试验时间和试验空间的限定。
本实施例的可辨识模块采用递推最小二乘参数辨识，当被辨识的系统在运行时，每取得一次新的观测数据后，就在前一次参数辨识结果的基础上，利用新引入的观测数据对前次参数辨识的结果，根据递推算法进行修正，从而递推地得出新的辨识参数值。这样，随着新的观测数据的逐次引入，一次接一次的进行参数计算，直到参数辨识值达到满意的精确程度为止。
进一步地，所述系统还包括：设定模块，用于设定期望航向角、期望艏摇角速度、第一预定时间及第二预定时间。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案。
Claims (8)
1.基于数据过滤的船舶运动模型自适应辨识方法，其特征在于，包括：
监测船舶运动的航向角和艏摇角速度；
当监测到实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间，则启动可辨识状态；
记录此时的船舶航行数据并同时启动递推最小二乘法进行系统参数辨识；
当监测到实时的航向角、艏摇角速度和船舶航行速度中的至少两者进入稳定状态并持续达第二预定时间，则退出可辨识状态。
2.根据权利要求1所述的基于数据过滤的船舶运动模型自适应辨识方法，其特征在于，所述方法进一步包括：每启动一次可辨识状态，得到一组辨识参数；下一次启动可辨识状态时，基于上一次可辨识状态的辨识结果进行当前参数辨识。
3.根据权利要求2所述的基于数据过滤的船舶运动模型自适应辨识方法，其特征在于，所述方法进一步包括：当相邻两次启动可辨识状态得到的参数辨识结果之间的辨识精度小于1％时，完成船舶运动模型的自适应辨识过程。
4.根据权利要求1所述的基于数据过滤的船舶运动模型自适应辨识方法，其特征在于，所述方法进一步包括：设定期望航向角，用于与实时航向角进行监测比对，并据此判断实时航向角是否超过阈值范围；设定期望艏摇角速度，用于与实时艏摇角速度进行监测比对，并据此判断实时艏摇角速度是否超过阈值范围。
5.根据权利要求1所述的基于数据过滤的船舶运动模型自适应辨识方法，其特征在于，所述方法进一步包括：设定第一预定时间作为判定实时航向角和艏摇角速度是否超出阈值范围的临界时间，当实时航向角和艏摇角速度的实时监测值超过阈值范围，但持续时间小于第一预定时间时，则不启动可辨识状态；当实时航向角和艏摇角速度的实时监测值超过阈值范围，且持续时间等于或大于第一预定时间时，则启动可辨识状态。
6.根据权利要求1所述的基于数据过滤的船舶运动模型自适应辨识方法，其特征在于，所述方法进一步包括：设定第二预定时间作为判定实时航向角、艏摇角速度和船舶航行速度中的至少两者是否进入稳定状态的临界时间，当实时航向角、艏摇角速度和船舶航行速度中的至少两者的实时监测值达到稳定或在允许范围内波动的状态，但持续时间小于第二预定时间，则继续可辨识状态；当实时航向角、艏摇角速度和船舶航行速度中的至少两者的实时监测值达到稳定或在允许范围内波动的状态，且持续时间等于或大于第二预定时间，则退出可辨识状态。
7.基于数据过滤的船舶运动模型自适应辨识系统，采用权利要求1-6中任一项所述的方法实现，其特征在于，所述系统包括：
监测模块，用于监测实时的航向角、艏摇角速度及船舶航行速度，同时监测航向角、艏摇角速度及船舶航行速度的时间变化；
判断模块，用于根据监测到的实时航向角和艏摇角速度及相应的时间变化，分别与各自的阈值范围进行比较判断，并在实时的航向角和艏摇角速度均超过各自的阈值范围并持续达第一预定时间时，启动可辨识模块；
可辨识模块，用于记录处于可辨识状态下的船舶航行数据并同时启动递推最小二乘法进行系统参数辨识，获取当前可辨识状态下的参数辨识结果；
判断模块，还用于根据监测到的实时航向角、艏摇角速度和船舶航行速度及相应的时间变化，判断实时航向角、艏摇角速度和船舶航行速度中的至少两者是否进入稳定状态并持续达第二预定时间，如果是，则退出可辨识状态。
8.根据权利要求7所述的基于数据过滤的船舶运动模型自适应辨识系统，其特征在于，所述系统还包括：设定模块，用于设定期望航向角、期望艏摇角速度、第一预定时间及第二预定时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110167283.9A CN112784438B (zh) | 2021-02-05 | 2021-02-05 | 基于数据过滤的船舶运动模型自适应辨识方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110167283.9A CN112784438B (zh) | 2021-02-05 | 2021-02-05 | 基于数据过滤的船舶运动模型自适应辨识方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112784438A true CN112784438A (zh) | 2021-05-11 |
| CN112784438B CN112784438B (zh) | 2024-11-15 |
Family
ID=75761116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110167283.9A Active CN112784438B (zh) | 2021-02-05 | 2021-02-05 | 基于数据过滤的船舶运动模型自适应辨识方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112784438B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08278815A (ja) * | 1995-02-10 | 1996-10-22 | Meidensha Corp | 異常監視装置および状態変化警報装置 |
| RU2277495C1 (ru) * | 2005-01-17 | 2006-06-10 | Антон Владимирович Чернявец | Способ автоматической проводки судов |
| CN101859147A (zh) * | 2010-06-11 | 2010-10-13 | 哈尔滨工程大学 | 船舶航向智能协调控制方法 |
| CN106325071A (zh) * | 2016-09-28 | 2017-01-11 | 哈尔滨工程大学 | 一种基于事件驱动的广义预测自适应补给船航向控制方法 |
| CN108319140A (zh) * | 2018-02-02 | 2018-07-24 | 哈尔滨工程大学 | 一种重定义输出式无模型自适应航向控制方法及系统 |
| KR101941896B1 (ko) * | 2018-08-21 | 2019-01-24 | 김정훈 | 선박의 자율 운항 제어 시스템 |
| US20190258257A1 (en) * | 2018-02-20 | 2019-08-22 | Georgia Tech Research Corporation | Miniature Autonomous Robotic Blimp |
| CN111246086A (zh) * | 2020-01-11 | 2020-06-05 | 深圳市豪恩汽车电子装备股份有限公司 | 机动车录像控制器、机动车录像控制系统及方法 |
| CN111413886A (zh) * | 2020-03-06 | 2020-07-14 | 浙江海洋大学 | 一种基于系统辨识的实船操纵性指数辨识方法及装置 |
-
2021
- 2021-02-05 CN CN202110167283.9A patent/CN112784438B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08278815A (ja) * | 1995-02-10 | 1996-10-22 | Meidensha Corp | 異常監視装置および状態変化警報装置 |
| RU2277495C1 (ru) * | 2005-01-17 | 2006-06-10 | Антон Владимирович Чернявец | Способ автоматической проводки судов |
| CN101859147A (zh) * | 2010-06-11 | 2010-10-13 | 哈尔滨工程大学 | 船舶航向智能协调控制方法 |
| CN106325071A (zh) * | 2016-09-28 | 2017-01-11 | 哈尔滨工程大学 | 一种基于事件驱动的广义预测自适应补给船航向控制方法 |
| CN108319140A (zh) * | 2018-02-02 | 2018-07-24 | 哈尔滨工程大学 | 一种重定义输出式无模型自适应航向控制方法及系统 |
| US20190258257A1 (en) * | 2018-02-20 | 2019-08-22 | Georgia Tech Research Corporation | Miniature Autonomous Robotic Blimp |
| KR101941896B1 (ko) * | 2018-08-21 | 2019-01-24 | 김정훈 | 선박의 자율 운항 제어 시스템 |
| CN111246086A (zh) * | 2020-01-11 | 2020-06-05 | 深圳市豪恩汽车电子装备股份有限公司 | 机动车录像控制器、机动车录像控制系统及方法 |
| CN111413886A (zh) * | 2020-03-06 | 2020-07-14 | 浙江海洋大学 | 一种基于系统辨识的实船操纵性指数辨识方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112784438B (zh) | 2024-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022134495A1 (zh) | 基于深度学习的设备异常检测方法、系统及计算机介质 | |
| CN111913803B (zh) | 一种基于akx混合模型的服务负载细粒度预测方法 | |
| CN114021441A (zh) | 一种基于CNN-BiLSTM的船舶运动姿态预测方法 | |
| WO2019080367A1 (zh) | 一种机械设备健康状态评估方法 | |
| CN113283653A (zh) | 一种基于机器学习和ais数据的船舶轨迹预测方法 | |
| CN109597315B (zh) | 一种机械设备健康退化状态辨识方法、设备及系统 | |
| CN110209054A (zh) | 基于rbf神经网络的无人船艇航向自抗扰控制系统 | |
| CN112432644A (zh) | 基于鲁棒自适应无迹卡尔曼滤波的无人艇组合导航方法 | |
| Perera | Marine engine centered localized models for sensor fault detection under ship performance monitoring | |
| CN108960329A (zh) | 一种包含缺失数据的化工过程故障检测方法 | |
| CN113757093A (zh) | 一种闪蒸汽压缩机组故障诊断方法 | |
| CN110555398A (zh) | 一种基于滤波最优平滑确定故障首达时刻的故障诊断方法 | |
| CN116244647A (zh) | 一种无人机集群的运行状态估计方法 | |
| CN115118197B (zh) | 一种auv推进器系统故障诊断方法 | |
| CN116702320A (zh) | 一种基于改进粒子群算法的无人船响应模型参数辨识方法 | |
| CN117610725A (zh) | 基于多传感数据融合的船舶典型设备寿命预测方法 | |
| CN112784438A (zh) | 基于数据过滤的船舶运动模型自适应辨识方法和系统 | |
| CN114743074B (zh) | 一种基于强弱对抗训练的船舶检测模型训练方法及系统 | |
| CN115222983A (zh) | 一种电缆破损检测方法及系统 | |
| CN117233520B (zh) | 基于改进Sim-GAN的AUV推进系统故障检测评估方法 | |
| CN117493762A (zh) | 基于高斯卷积和归一化融合的设备健康度评估方法及系统 | |
| CN115018192B (zh) | 一种基于工况划分的预测建模系统及方法 | |
| CN111443611B (zh) | 基于多模型切换的高速无人艇航速控制器确定方法及系统 | |
| CN116976850A (zh) | 基于XGBoost算法的海上风电多维度预维护检修方法 | |
| CN109445559A (zh) | 一种电源状态评估方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20241018 Address after: 215000 6 / F, building 3, No. 1368, Wuzhong Avenue, Yuexi street, Wuzhong Economic Development Zone, Suzhou City, Jiangsu Province Applicant after: Xiong Yong Country or region after: China Address before: 215000 6 / F, building 3, No. 1368, Wuzhong Avenue, Yuexi street, Wuzhong Economic Development Zone, Suzhou City, Jiangsu Province Applicant before: Suzhou Sijing Technology Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20241203 Address after: Room 906, Building 9, No. 22, Xianghe Third Road, Dalang Town, Dongguan City, Guangdong Province 523000 Patentee after: Tuoxinan New Energy (Guangdong) Co.,Ltd. Country or region after: China Address before: 215000 6 / F, building 3, No. 1368, Wuzhong Avenue, Yuexi street, Wuzhong Economic Development Zone, Suzhou City, Jiangsu Province Patentee before: Xiong Yong Country or region before: China |