CN113238488B - 一种船舶模型参数的获得方法及装置 - Google Patents

一种船舶模型参数的获得方法及装置 Download PDF

Info

Publication number
CN113238488B
CN113238488B CN202110784280.XA CN202110784280A CN113238488B CN 113238488 B CN113238488 B CN 113238488B CN 202110784280 A CN202110784280 A CN 202110784280A CN 113238488 B CN113238488 B CN 113238488B
Authority
CN
China
Prior art keywords
moment
data file
obtaining
ship model
steering
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.)
Active
Application number
CN202110784280.XA
Other languages
English (en)
Other versions
CN113238488A (zh
Inventor
马亚萍
陈超
戚彦男
王杰
陈思雁
郑会龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Highlandr Digital Technology Co ltd
Original Assignee
Beijing Highlandr Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Highlandr Digital Technology Co ltd filed Critical Beijing Highlandr Digital Technology Co ltd
Priority to CN202110784280.XA priority Critical patent/CN113238488B/zh
Publication of CN113238488A publication Critical patent/CN113238488A/zh
Application granted granted Critical
Publication of CN113238488B publication Critical patent/CN113238488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明的实施例提供一种船舶模型参数的获得方法及装置，所述方法包括：获取船舶的采集设备采集的传感器数据；根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；根据所述第一过程船舶模型参数，得到第一船舶模型参数。本发明的实施例实现了船舶模型的在线迭代均值辨识，具有不依赖辨识初值和经验，计算量小且快的优点。

Description

一种船舶模型参数的获得方法及装置
技术领域
本发明涉及模型辨识技术领域，特别是指一种船舶模型参数的获得方法及装置。
背景技术
随着航海领域的发展，具有高控制精度且无需船员频繁操舵的船舶控制成为必要，自动控制技术的发展为船舶控制提供了支持，船舶控制实现自动控制中的第一步便是模型辨识，因此研究船舶模型的辨识是必要且有意义的。
目前在船舶模型辨识研究应用中，主要有以下方法：
一是基于数据存储的离线辨识方法；该方法存在一些问题：需要大量的存储数据，且利用存储数据进行模型辨识的计算量较大；同时，离线计算的模型的方法是采用先对数据存储，后计算的方式，因此不能实时反映船舶运行状态的变化，以至于该方法不能用来实时自动调整控制船舶；
二是利用递推最小二乘或者改进递推最小二乘法进行的在线模型辨识方法；此类辨识方法对初值的依赖性强，在实际的船舶航行中，船舶初值因为有装载风浪等因素的干扰选取难度较大且不适的初值会使辨识算法的收敛速度较慢，风、浪、传感器数值跳变等干扰因素会使最小二乘递推辨识模型过程存在数据计算发散的风险，一旦发散会造成辨识失败影响船舶控制精度甚至会使船舶失控；
三是应用神经网络和模糊逻辑等现代系统辨识的方法；该类方法普遍是进行样本训练时样本量较大，制定模糊规则依赖专家经验，且实现计算量大和对硬件平台要求较高等问题，该类辨识方法的工程实践难度较大。
发明内容
本发明提供了一种船舶模型参数的获得方法及装置。实现了船舶模型的在线迭代均值辨识，具有不依赖辨识初值和经验，计算量小且快的优点。
为解决上述技术问题，本发明的实施例提供以下方案：
一种船舶模型参数的获得方法，包括：
获取船舶的采集设备采集的传感器数据；
根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；
根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；
根据所述第一过程船舶模型参数，得到第一船舶模型参数。
可选的，所述传感器数据包括航向、转向率以及舵角反馈值。
可选的，根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件，包括：
根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度；
根据所述最大转向率加速度、所述传感器数据以及所述最大转向率加速度对应的时间信息，得到第一时刻的数据文件；
根据第一时刻的数据文件和所述传感器数据，按照预设的时间间隔，得到第二时刻的数据文件。
可选的，根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度，包括：
根据传感器数据中的转向率，得到转向过程中的所有转向率对应的转向率加速度；
通过将所述转向过程中的所有转向率对应的转向率加速度的绝对值依次进行实时比较判断，得到最大转向率加速度；所述最大转向率加速度为通过实时比较判断得到的第一个在所述转向率加速度对应的时刻之后的预设的时间间隔内保持转向率加速度最大的值。
可选的，根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数，包括：
根据所述第一时刻的数据文件，通过公式
Figure 672222DEST_PATH_IMAGE001
，得到公式
Figure 386100DEST_PATH_IMAGE002
；其中，N是大于1的整数，第一过程船舶模型参数的N值为2，K1为第一过程船舶模型参数中的第一参数，T1为第一过程船舶模型参数中的第二参数，KN-1为第(N-1)过程船舶模型参数中的第一参数，TN-1为第(N-1)过程船舶模型参数中的第二参数，
Figure 103521DEST_PATH_IMAGE003
为第一时刻的转向率加速度，r1为第一时刻的转向率，δ1为第一时刻的数据文件的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；
根据所述第二时刻的数据文件，通过公式
Figure 170834DEST_PATH_IMAGE004
，得到公式
Figure 657310DEST_PATH_IMAGE005
；其中，N是大于1的整数，第一过程船舶模型参数的N值为2，K1为第一过程船舶模型参数中的第一参数，T1为第一过程船舶模型参数中的第二参数，KN-1为第（N-1）过程船舶模型参数中的第一参数，TN-1为第（N-1）过程船舶模型参数中的第二参数，
Figure 10931DEST_PATH_IMAGE006
为第二时刻的转向率加速度，r2为第二时刻的转向率，δ1为第一时刻的数据文件的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；
通过公式
Figure 950068DEST_PATH_IMAGE007
和公式
Figure 821072DEST_PATH_IMAGE005
，计算出第一过程船舶模型参数（K1,T1）。
可选的，根据所述第一过程船舶模型参数，得到第一船舶模型参数，包括：
若第一过程船舶模型参数在预设范围内，则通过公式
Figure 21109DEST_PATH_IMAGE008
和公式
Figure 686577DEST_PATH_IMAGE009
，得到第一船舶模型参数
Figure 113010DEST_PATH_IMAGE010
；其中，第一时刻的第一船舶模型参数的N值为2，KN-1为第（N-1）时刻的第（N-1）过程船舶模型参数中的第一参数，TN-1为第（N-1）时刻的第（N-1）过程船舶模型参数中的第二参数，
Figure 522126DEST_PATH_IMAGE010
表示第一过程船舶模型参数，
Figure 576670DEST_PATH_IMAGE011
表示第（N-1）个在预设范围内的第（N-1）过程船舶模型参数。
可选的，船舶模型参数的获得方法，还包括：
根据第二时刻的数据文件，得到第三时刻的数据文件；
根据所述第二时刻的数据文件和所述第三时刻的数据文件，得到第二过程船舶模型参数；
根据所述第二过程船舶模型参数，得到第二船舶模型参数；
根据所述第一船舶模型参数和第二过程船舶模型参数，得到第二船舶模型参数。
可选的，根据所述第二时刻的数据文件，得到第三时刻的数据文件，包括：
获取第三时刻的传感器数据；
根据所述第三时刻的传感器数据和第二时刻的数据文件，按照预设的时间间隔，得到第三时刻的数据文件。
本发明还提供一种船舶模型参数的获得装置，所述装置包括：
获取模块，用于获取船舶的采集设备采集的传感器数据；
处理模块，用于根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；根据所述第一过程船舶模型参数，得到第一船舶模型参数。
本发明还提供一种计算机可读存储介质，存储有指令，所述指令在计算机上运行时，使得计算机执行如上述的方法。
本发明的上述方案至少包括以下有益效果：
本发明的上述方案，通过获取船舶的采集设备采集的传感器数据；根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；根据所述第一过程船舶模型参数，得到第一船舶模型参数。解决了现有技术中离线辨识计算量大且不能实时反映船舶运行状态的问题；避免了应用现有技术中最小二乘法和递推最小二乘法时，存在辨识数据发散和初值依赖性较强等问题；解决了现有技术中现代系统辨识方法，依赖经验、训练样本和计算量大等问题；实现了船舶模型的在线迭代均值辨识，具有不依赖辨识初值和经验，计算量小且快的优点。
附图说明
图1为本发明实施例的船舶模型参数的获得方法的流程示意图；
图2为本发明实施例的船舶模型参数的获得方法中具体的实施例的示意图；
图3为本发明实施例的船舶模型参数的获得装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示，本发明提供一种船舶模型参数的获得方法，包括：
步骤11，获取船舶的采集设备采集的传感器数据；
步骤12，根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；
步骤13，根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；
步骤14，根据所述第一过程船舶模型参数，得到第一船舶模型参数。
该实施例中，获取船舶的采集设备采集的传感器数据，得到第一时刻的数据文件和第二时刻的数据文件，将第一时刻的数据文件和第二时刻的数据文件通过公式计算得到第一过程船舶模型参数，第一过程船舶模型参数通过计算得到第一船舶模型参数，其中，优选的可以通过均值计算得到第一船舶模型参数。本实施例，具有不依赖辨识初值和经验，计算量小且快的优点。
具体的，本发明一可选的实施例中，所述传感器数据包括航向、转向率以及舵角反馈值。
本实施例中，数据文件包括传感器数据、时间信息以及转向率加速度；而传感器数据包括航向、转向率以及舵角反馈值；在获得本实施例中的船舶模型参数时，第一时刻的数据文件中的舵角反馈值和第二时刻的数据文件中的舵角反馈值优选的相等。
本发明一可选的实施例中，步骤12包括：
步骤121，根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度；
步骤122，根据所述最大转向率加速度、所述传感器数据以及所述最大转向率加速度对应的时间信息，得到第一时刻的数据文件；
步骤123，根据第一时刻的数据文件和所述传感器数据，按照预设的时间间隔，得到第二时刻的数据文件。
具体的，步骤121，包括：
步骤1211，根据传感器数据中的转向率，得到转向过程中的所有转向率对应的转向率加速度；
步骤1212，通过将所述转向过程中的所有转向率对应的转向率加速度的绝对值依次进行实时比较判断，得到最大转向率加速度；所述最大转向率加速度为通过实时比较判断得到的第一个在所述转向率加速度对应的时刻之后的预设的时间间隔内保持转向率加速度最大的值。
本实施例中，获取最大转向率加速度，传感器数据是连续采集的实时的一组数据，传感器数据包括航向、转向率以及舵角反馈值；通过获得连续采集的传感器数据，将采集到传感器数据中的转向率计算得到对应的转向率加速度；需要说明的是，将转向率计算得到对应的转向率加速度优选的通过卡尔曼滤波方法，但本申请不以此为限制，也可以通过其他方式计算得到转向率对应的转向率加速度；
对转向过程中的所有转向率对应的转向率加速度的绝对值进行依次实时比较判断直至得到最大转向率加速度，并将此时的时间信息、传感器数据和转向率加速度记录为第一时刻的数据文件；在获得第一时刻的数据文件之后，按照预设的时间间隔，得到第二时刻的数据文件，其中，第二时刻的数据文件中的转向率加速度比第一时刻的数据文件中的转向率加速度小，进而第二时刻的最大转向率加速度与第一时刻的最大转向率加速度为相同的；其中，转向过程是指舵角反馈不变的过程；需要说明的是，可以通过第二时刻的数据文件相应的预设的时间间隔，得到第三时刻的数据文件，并依次类推得到其他时刻的数据文件，直至数据文件中的舵角反馈值发生变化，在数据文件中的舵角反馈值发生变化之前，所有的数据文件的转向率加速度的值不相同。
本发明一可选的实施例中，第一过程船舶模型参数包括第一参数和第二参数；步骤13包括：
步骤131，根据所述第一时刻的数据文件，通过公式
Figure 678618DEST_PATH_IMAGE001
，得到公式
Figure 592347DEST_PATH_IMAGE002
；其中，N是大于1的整数，第一过程船舶模型参数的N值为2，K1为第一过程船舶模型参数中的第一参数，T1为第一过程船舶模型参数中的第二参数，KN-1为第(N-1)过程船舶模型参数中的第一参数，TN-1为第(N-1)过程船舶模型参数中的第二参数，
Figure 398629DEST_PATH_IMAGE003
为第一时刻的转向率加速度，r1为第一时刻的转向率，δ1为第一时刻的数据文件的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；
步骤132，根据所述第二时刻的数据文件，通过公式
Figure 714204DEST_PATH_IMAGE004
，得到公式
Figure 580529DEST_PATH_IMAGE005
；其中，N是大于1的整数，第一过程船舶模型参数的N值为2，K1为第一过程船舶模型参数中的第一参数，T1为第一过程船舶模型参数中的第二参数，KN-1为第（N-1）过程船舶模型参数中的第一参数，TN-1为第（N-1）过程船舶模型参数中的第二参数，
Figure 981554DEST_PATH_IMAGE006
为第二时刻的转向率加速度，r2为第二时刻的转向率，δ1为第一时刻的数据文件的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；
步骤133，通过公式
Figure 466893DEST_PATH_IMAGE012
和公式
Figure 761609DEST_PATH_IMAGE005
，计算出第一过程船舶模型参数（K1,T1）。
本实施例中，将第一时刻的数据文件和第二时刻的数据文件中的转向率加速度、转向率以及舵角反馈值分别代入一阶野本模型的数学表达式
Figure 205359DEST_PATH_IMAGE013
计算得到第一过程船舶模型参数，其中，N是大于1的整数，第一过程船舶模型参数的N值为2，第一过程船舶模型参数为（K1,T1）；第一时刻的数据文件代入得到
Figure 562522DEST_PATH_IMAGE002
，其中
Figure 241765DEST_PATH_IMAGE003
为第一时刻的转向率加速度，r1为第一时刻的转向率，δ1为第一时刻的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；第二时刻的数据文件代入得到
Figure 266353DEST_PATH_IMAGE014
，其中
Figure 615426DEST_PATH_IMAGE006
为第二时刻的转向率加速度，r2为第二时刻的转向率，δ1为第一时刻的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；通过公式
Figure 850098DEST_PATH_IMAGE002
和公式
Figure 677240DEST_PATH_IMAGE015
，可以计算得到第一过程船舶模型参数为（K1,T1）。
本发明一可选的实施例中，步骤14包括：
步骤141，若第一过程船舶模型参数在预设范围内，则通过公式
Figure 821914DEST_PATH_IMAGE008
和公式
Figure 732101DEST_PATH_IMAGE009
，得到第一船舶模型参数
Figure 329435DEST_PATH_IMAGE010
；
其中，第一时刻的第一船舶模型参数的N值为2，KN-1为第（N-1）时刻的第（N-1）过程船舶模型参数中的第一参数，TN-1为第（N-1）时刻的第（N-1）过程船舶模型参数中的第二参数，
Figure 225847DEST_PATH_IMAGE010
表示第一过程船舶模型参数，
Figure 818503DEST_PATH_IMAGE011
表示第（N-1）个在预设范围内的第（N-1）过程船舶模型参数。
本实施例中，将第一过程船舶模型参数优选的通过均值计算得到第一船舶模型参数，步骤12中得到的第一过程船舶模型参数为（K1,T1），当第一过程船舶模型参数在预设范围内，可以通过公式
Figure 774957DEST_PATH_IMAGE008
和
Figure 871307DEST_PATH_IMAGE009
，得到第一船舶模型参数
Figure 102568DEST_PATH_IMAGE010
，其中N为大于1的整数，
Figure 956254DEST_PATH_IMAGE016
表示第（N-1）个在预设范围内的第（N-1）过程船舶模型参数；当第一过程船舶模型参数不在预设范围，则所述第一过程船舶模型参数不参与计算。
本发明一可选的实施例中，船舶模型参数的获得方法还包括：
步骤15，根据第二时刻的数据文件，得到第三时刻的数据文件；
步骤16，根据所述第二时刻的数据文件和所述第三时刻的数据文件，得到第二过程参数；
步骤17，根据所述第二过程船舶模型参数，得到第二船舶模型参数；
步骤18，根据所述第一船舶模型参数和第二过程船舶模型参数，得到第二船舶模型参数。
具体的，步骤15包括：
步骤141，获取第三时刻的传感器数据；
步骤142，根据所述第三时刻的传感器数据和第二时刻的数据文件，按照预设的时间间隔，得到第三时刻的数据文件。
本实施例中，获取连续采集的传感器数据，由于第三时刻的数据文件和第二时刻的数据文件的最大转向率加速度相同，因此根据传感器数据和最大转向率加速度，通过预设的时间间隔，得到第三时刻的数据文件，将第三时刻的数据文件和第二时刻的数据文件代入公式
Figure 818031DEST_PATH_IMAGE017
，可以求得得到第二过程船舶模型参数（K2,T2），根据第二过程船舶模型参数，根据第二过程船舶模型参数和第一船舶模型参数，得到均值迭代后的船舶模型参数；
如图2所示，一个具体的实施例中，通过传感器数据采集，将连续采集到的传感器数据通过卡尔曼滤波方式得到相应的转向率加速度，开始连续采集的传感器数据中转向率对应的转向率加速度依次为a1=2m/s2、a2=0m/s2、a3=-3m/s2、a4=1m/s2、a5=3m/s2、a6=4m/s2、a7=3m/s2……；当船舶为向右转向时，去除转向率加速度中的负数值不参与计算，当船舶向左转向时，去除转向率加速度中的正数值不参与计算，本实施例中，船舶向右转向，因此将a3的转向率加速度去除不参与计算，从而得到转向率加速度的绝对值依次为|a1|=2m/s2、|a2|=0m/s2、|a4|=1m/s2、|a5|=3m/s2、|a6|=4m/s2、|a7|=3m/s2……；因此可以得到最大转向率加速度为a6的绝对值4m/s2，如果当a6作为最大值保持时间大于预设时间间隔，该预设时间间隔优选的为3s,将a6时刻的时间信息、最大转向率加速度和传感器数据记录为第一时刻的数据文件；预设的时间间隔为3s，则将（a6+3s）时刻的时间信息、最大转向率加速度和传感器数据记录为第二时刻的数据文件；将（a6+6s）时刻的时间信息、此时转向率对应的转向率加速度和传感器数据记录为第三时刻的数据文件；其中第一时刻的数据文件、第二时刻的数据文件以及第三时刻的数据文件的舵角转向值相同；根据第一时刻的数据文件、第二时刻的数据文件以及第三时刻的数据文件通过船舶模型参数计算，得到第一船舶模型参数和第二船舶模型参数。
本发明的实施例中通过获取船舶的采集设备采集的传感器数据；根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；根据所述第一过程船舶模型参数，得到第一船舶模型参数；解决了现有技术中离线辨识计算量大且不能实时反映船舶运行状态的问题；避免了应用现有技术中最小二乘法和递推最小二乘法时，存在辨识数据发散和初值依赖性较强等问题；解决了现有技术中现代系统辨识方法，依赖经验、训练样本和计算量大等问题；具有不依赖辨识初值和经验，计算量小且快的优点。
本发明还提供一种船舶模型参数的获得装置30，所述装置包括：
获取模块31，用于获取船舶的采集设备采集的传感器数据；
处理模块32，用于根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；根据所述第一过程船舶模型参数，得到第一船舶模型参数。
可选的，所述传感器数据包括航向、转向率以及舵角反馈值。
可选的，根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件，包括：
根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度；
根据所述最大转向率加速度、所述传感器数据以及所述最大转向率加速度对应的时间信息，得到第一时刻的数据文件；
根据第一时刻的数据文件和所述传感器数据，按照预设的时间间隔，得到第二时刻的数据文件。
可选的，根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度，包括：
根据传感器数据中的转向率，得到转向过程中的所有转向率对应的转向率加速度；
通过将所述转向过程中的所有转向率对应的转向率加速度的绝对值依次进行实时比较判断，得到最大转向率加速度；所述最大转向率加速度为通过实时比较判断得到的第一个在所述转向率加速度对应的时刻之后的预设的时间间隔内保持转向率加速度最大的值。
可选的，根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数，包括：
根据所述第一时刻的数据文件，通过公式
Figure 514592DEST_PATH_IMAGE017
，得到公式
Figure 752806DEST_PATH_IMAGE018
；其中，N是大于1的整数，第一过程船舶模型参数的N值为2，K1为第一过程船舶模型参数中的第一参数，T1为第一过程船舶模型参数中的第二参数，KN-1为第(N-1)过程船舶模型参数中的第一参数，TN-1为第(N-1)过程船舶模型参数中的第二参数，
Figure 726578DEST_PATH_IMAGE019
为第一时刻的转向率加速度，r1为第一时刻的转向率，δ1为第一时刻的数据文件的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；
根据所述第二时刻的数据文件，通过公式
Figure 759256DEST_PATH_IMAGE020
，得到公式
Figure 677534DEST_PATH_IMAGE021
；其中，N是大于1的整数，第一过程船舶模型参数的N值为2，K1为第一过程船舶模型参数中的第一参数，T1为第一过程船舶模型参数中的第二参数，KN-1为第（N-1）过程船舶模型参数中的第一参数，TN-1为第（N-1）过程船舶模型参数中的第二参数，
Figure 719439DEST_PATH_IMAGE022
为第二时刻的转向率加速度，r2为第二时刻的转向率，δ1为第一时刻的数据文件的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；
通过公式
Figure 547718DEST_PATH_IMAGE023
和公式
Figure 875931DEST_PATH_IMAGE021
，计算出第一过程船舶模型参数（K1,T1）。
可选的，根据所述第一过程船舶模型参数，得到第一船舶模型参数，包括：
若第一过程船舶模型参数在预设范围内，则通过公式
Figure 156871DEST_PATH_IMAGE024
和公式
Figure 2467DEST_PATH_IMAGE025
，得到第一船舶模型参数
Figure 685252DEST_PATH_IMAGE026
；其中，第一时刻的第一船舶模型参数的N值为2，KN-1为第（N-1）时刻的第（N-1）过程船舶模型参数中的第一参数，TN-1为第（N-1）时刻的第（N-1）过程船舶模型参数中的第二参数，
Figure 449946DEST_PATH_IMAGE026
表示第一过程船舶模型参数，
Figure 218182DEST_PATH_IMAGE027
表示第（N-1）个在预设范围内的第（N-1）过程船舶模型参数。
可选的，船舶模型参数的获得装置，还包括：
根据第二时刻的数据文件，得到第三时刻的数据文件；
根据所述第二时刻的数据文件和所述第三时刻的数据文件，得到第二过程船舶模型参数；
根据所述第二过程船舶模型参数，得到第二船舶模型参数；
根据所述第一船舶模型参数和第二过程船舶模型参数，得到第二船舶模型参数。
可选的，根据所述第二时刻的数据文件，得到第三时刻的数据文件，包括：
获取第三时刻的传感器数据；
根据所述第三时刻的传感器数据和第二时刻的数据文件，按照预设的时间间隔，得到第三时刻的数据文件。
需要说明的是，该装置是与上述方法对应的装置，上述方法实施例中的所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，存储有指令，所述指令在计算机上运行时，使得计算机执行如上所述的方法。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种船舶模型参数的获得方法，其特征在于，包括：
获取船舶的采集设备采集的传感器数据；
根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；
根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；
根据所述第一过程船舶模型参数，得到第一船舶模型参数；
其中，所述传感器数据包括航向、转向率以及舵角反馈值；
其中，根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件，包括：
根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度；
根据所述最大转向率加速度、所述传感器数据以及所述最大转向率加速度对应的时间信息，得到第一时刻的数据文件；
根据第一时刻的数据文件和所述传感器数据，按照预设的时间间隔，得到第二时刻的数据文件；
其中，根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度，包括：
根据传感器数据中的转向率，得到转向过程中的所有转向率对应的转向率加速度；
通过将所述转向过程中的所有转向率对应的转向率加速度的绝对值依次进行实时比较判断，得到最大转向率加速度；所述最大转向率加速度为通过实时比较判断得到的第一个在所述转向率加速度对应的时刻之后的预设的时间间隔内保持转向率加速度最大的值。
2.根据权利要求1所述的船舶模型参数的获得方法，其特征在于，根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数，包括：
根据所述第一时刻的数据文件，通过公式
Figure 884778DEST_PATH_IMAGE001
，得到公式
Figure 740607DEST_PATH_IMAGE002
；其中，N是大于1的整数，第一过程船舶模型参数的N值为2，K1为第一过程船舶模型参数中的第一参数，T1为第一过程船舶模型参数中的第二参数，KN-1为第(N-1)过程船舶模型参数中的第一参数，TN-1为第(N-1)过程船舶模型参数中的第二参数，
Figure 733971DEST_PATH_IMAGE003
为第一时刻的转向率加速度，r1为第一时刻的转向率，δ1为第一时刻的数据文件的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；
根据所述第二时刻的数据文件，通过公式
Figure 488300DEST_PATH_IMAGE001
，得到公式
Figure 225312DEST_PATH_IMAGE004
；其中，N是大于1的整数，第一过程船舶模型参数的N值为2，K1为第一过程船舶模型参数中的第一参数，T1为第一过程船舶模型参数中的第二参数，KN-1为第（N-1）过程船舶模型参数中的第一参数，TN-1为第（N-1）过程船舶模型参数中的第二参数，
Figure 748697DEST_PATH_IMAGE005
为第二时刻的转向率加速度，r2为第二时刻的转向率，δ1为第一时刻的数据文件的舵角反馈值，δN-1为第（N-1）时刻的数据文件的舵角反馈值；
通过公式
Figure 178542DEST_PATH_IMAGE006
和公式
Figure 420167DEST_PATH_IMAGE007
，计算出第一过程船舶模型参数（K1,T1）。
3.根据权利要求1所述的船舶模型参数的获得方法，其特征在于，根据所述第一过程船舶模型参数，得到第一船舶模型参数，包括：
若第一过程船舶模型参数在预设范围内，则第一时刻的第一船舶模型参数的N值为2，通过公式
Figure 632974DEST_PATH_IMAGE008
和公式
Figure 276445DEST_PATH_IMAGE009
，得到第一船舶模型参数
Figure 611611DEST_PATH_IMAGE010
；其中，KN-1为第（N-1）过程船舶模型参数中的第一参数，TN-1为第（N-1）过程船舶模型参数中的第二参数，
Figure 340533DEST_PATH_IMAGE011
表示第（N-1）船舶模型参数。
4.根据权利要求1所述的船舶模型参数的获得方法，其特征在于，还包括：
根据第二时刻的数据文件，得到第三时刻的数据文件；
根据所述第二时刻的数据文件和所述第三时刻的数据文件，得到第二过程船舶模型参数；
根据所述第一过程船舶模型参数和第二过程船舶模型参数，得到第二船舶模型参数。
5.根据权利要求4所述的船舶模型参数的获得方法，其特征在于，根据所述第二时刻的数据文件，得到第三时刻的数据文件，包括：
获取第三时刻的传感器数据；
根据所述第三时刻的传感器数据和第二时刻的数据文件，按照预设的时间间隔，得到第三时刻的数据文件。
6.一种船舶模型参数的获得装置，其特征在于，所述装置包括：
获取模块，用于获取船舶的采集设备采集的传感器数据；
处理模块，用于根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件；所述数据文件包括：时间信息、传感器数据以及转向率加速度；根据所述第一时刻的数据文件和所述第二时刻的数据文件，得到第一过程船舶模型参数；根据所述第一过程船舶模型参数，得到第一船舶模型参数；
其中，所述传感器数据包括航向、转向率以及舵角反馈值；
其中，根据所述传感器数据，得到第一时刻的数据文件和第二时刻的数据文件，包括：
根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度；
根据所述最大转向率加速度、所述传感器数据以及所述最大转向率加速度对应的时间信息，得到第一时刻的数据文件；
根据第一时刻的数据文件和所述传感器数据，按照预设的时间间隔，得到第二时刻的数据文件；
其中，根据传感器数据中的转向率，通过对转向过程中的所有的转向率对应的转向率加速度进行实时比较判断，得到转向过程中的最大转向率加速度，包括：
根据传感器数据中的转向率，得到转向过程中的所有转向率对应的转向率加速度；
通过将所述转向过程中的所有转向率对应的转向率加速度的绝对值依次进行实时比较判断，得到最大转向率加速度；所述最大转向率加速度为通过实时比较判断得到的第一个在所述转向率加速度对应的时刻之后的预设的时间间隔内保持转向率加速度最大的值。
7.一种计算机可读存储介质，其特征在于，存储有指令，所述指令在计算机上运行时，使得计算机执行如权利要求1至5任一项所述的方法。
CN202110784280.XA 2021-07-12 2021-07-12 一种船舶模型参数的获得方法及装置 Active CN113238488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110784280.XA CN113238488B (zh) 2021-07-12 2021-07-12 一种船舶模型参数的获得方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110784280.XA CN113238488B (zh) 2021-07-12 2021-07-12 一种船舶模型参数的获得方法及装置

Publications (2)

Publication Number Publication Date
CN113238488A CN113238488A (zh) 2021-08-10
CN113238488B true CN113238488B (zh) 2021-10-12

Family

ID=77135424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110784280.XA Active CN113238488B (zh) 2021-07-12 2021-07-12 一种船舶模型参数的获得方法及装置

Country Status (1)

Country Link
CN (1) CN113238488B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3683890B2 (ja) * 2003-03-31 2005-08-17 財団法人ファジィシステム研究所 船舶等の制御装置及び方法
CN103593564B (zh) * 2013-11-12 2015-01-21 中交天津航道局有限公司 一种动力定位船推力辨识方法
CN104239716B (zh) * 2014-09-16 2017-02-22 国家电网公司 一种基于参数偏差灵敏度的电网设备参数识别与估计方法
CN104406904B (zh) * 2014-11-24 2016-09-21 深圳大学 一种预测混凝土硫酸盐侵蚀深度的方法
CN111380613B (zh) * 2018-12-29 2021-07-16 中国科学院长春光学精密机械与物理研究所 基于扩充响应曲线法的太阳辐射监测仪在轨自整定方法
CN111367178B (zh) * 2019-12-26 2023-01-20 北京海兰信数据科技股份有限公司 一种船舶自动舵的自适应控制装置及方法
CN111337027B (zh) * 2019-12-27 2022-03-01 北京海兰信数据科技股份有限公司 一种船舶随动操作辅助驾驶方法及系统

Also Published As

Publication number Publication date
CN113238488A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
US20220004191A1 (en) Usv formation path-following method based on deep reinforcement learning
CN110909859B (zh) 基于对抗结构化控制的仿生机器鱼运动控制方法、系统
CN112099345B (zh) 一种基于输入磁滞的模糊跟踪控制方法、系统及介质
CN108594837A (zh) 基于pd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法
US11669056B2 (en) Generation of a control system for a target system
CN113110563A (zh) 无人机的多余度仲裁切换方法、系统及计算机设备
CN113485443B (zh) 基于深度学习的无人机控制方法、存储介质及设备
CN111830848A (zh) 一种无人机超机动飞行性能仿真训练系统及方法
CN113238488B (zh) 一种船舶模型参数的获得方法及装置
Sandström et al. Fighter pilot behavior cloning
CN111531543B (zh) 基于生物启发式神经网络的机器人自适应阻抗控制方法
CN115338610B (zh) 双轴孔装配方法、装置、电子设备和存储介质
CN115857544A (zh) 一种无人机集群编队飞行控制方法、装置及设备
Priandana et al. Development of self-organizing maps neural networks based control system for a boat model
CN115755603A (zh) 船舶运动模型参数智能灰箱辨识方法、船舶运动控制方法
CN114359349A (zh) 一种用于车辆自适应路径跟踪的终身学习方法及系统
CN108196557B (zh) 无人机的控制方法及装置
CN113628254A (zh) 基于移动平台的目标轨迹确定方法及相关设备
Luo et al. Modeling of ship manoeuvring motion using optimized support vector machines
CN108920842A (zh) 一种潜艇动力学模型参数在线估计方法及装置
CN116910988A (zh) 一种基于贝叶斯估计的船舶模型参数在线辨识方法及系统
CN116700015B (zh) 水下航行器主动增稳控制方法及装置
CN114326759B (zh) 多智能体编队控制方法、装置及多智能体系统
Hewing Predictive Control of Uncertain Systems: Learning-based and Stochastic Model Predictive Control
CN110162088B (zh) 无人机控制方法、装置、无人机、可穿戴设备及存储介质

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
GR01 Patent grant
GR01 Patent grant