CN117195567A - 面向操纵运动的船舶多变量操纵响应模型的参数辨识方法 - Google Patents

面向操纵运动的船舶多变量操纵响应模型的参数辨识方法 Download PDF

Info

Publication number
CN117195567A
CN117195567A CN202311183806.4A CN202311183806A CN117195567A CN 117195567 A CN117195567 A CN 117195567A CN 202311183806 A CN202311183806 A CN 202311183806A CN 117195567 A CN117195567 A CN 117195567A
Authority
CN
China
Prior art keywords
ship
motion
manipulation
response 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.)
Granted
Application number
CN202311183806.4A
Other languages
English (en)
Other versions
CN117195567B (zh
Inventor
邵光明
但杨文
侯成刚
杜亚震
孟凡彬
曹阳
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.)
Jiujiang Branch Of 707th Research Institute Of China Shipbuilding Corp ltd
Original Assignee
Jiujiang Branch Of 707th Research Institute Of China Shipbuilding Corp 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 Jiujiang Branch Of 707th Research Institute Of China Shipbuilding Corp ltd filed Critical Jiujiang Branch Of 707th Research Institute Of China Shipbuilding Corp ltd
Priority to CN202311183806.4A priority Critical patent/CN117195567B/zh
Publication of CN117195567A publication Critical patent/CN117195567A/zh
Application granted granted Critical
Publication of CN117195567B publication Critical patent/CN117195567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明涉及船舶建模及控制技术领域,具体涉及一种面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,包括:构建船舶操纵运动数学模型;构建只考虑船舶横向运动与转艏运动二自由度下的操纵运动方程;基于二自由度下的操纵运动方程,得到舵角作为输入,转艏角速度及横向速度作为输出的第一操纵响应模型;通过在船舶操纵运动数学模型的横向运动基础上增加艏摇和横荡的运动影响,构建舵角作为输入,纵向速度作为输出的第二操纵响应模型;构建多变量操纵响应模型;对多变量操纵响应模型的船舶操纵性参数进行辨识;使用多组实际操纵运动数据对辨识结果进行综合调整,确定最终的辨识参数。本发明可快速、准确地描述船舶运动状态。

Description

面向操纵运动的船舶多变量操纵响应模型的参数辨识方法
技术领域
本发明涉及船舶建模及控制技术领域,更具体的说是涉及一种面向操纵运动的船舶多变量操纵响应模型的参数辨识方法。
背景技术
海上交通的发展促进了船舶数量的增多、船舶航速的提高以及船舶类型的多样化。船舶安全、经济、高效的航行将面临更大的挑战。随着在技术迭代、市场需求、规划引导的推动,船舶智能航行相关技术取得了积极进展,对船舶操纵性能和运动控制研究提出了更高要求。船舶操纵性能和运动控制研究面向风、浪、流环境下的自动航行,港区及狭水道环境的精确控制、航行过程中的多船避碰等场景,船舶运动模型是有效分析船舶操纵性和保障船舶智能航行的关键,是船舶操纵性能和船舶运动控制研究的基础。
目前的船舶运动建模包括机理模型和响应模型,获取模型参数的方法包括数据库方法、经验公式方法、约束模试验方法、理论与数值计算方法以及系统辨识方法。随着试验测量技术和辨识技术的发展,将船舶运动视为动态系统,将舵角视为系统输入,运动变量视为系统输出,整个过程视为响应过程的船舶操纵响应模型优势逐渐突出。利用船舶操纵试验进行系统参数辨识避免了复杂水动力模型结构分析和众多导数的求取,简洁高效且可重复,此外,还可以应用于实船试验、船模试验、CFD试验多种方式,表现出较好的适用性。然而当前船舶操纵响应模型突出艏向角和角速度随时间变化规律,忽略了横向运动及纵向运动对操舵响应,无法反应出船舶在操舵后的速降等耦合运动。
发明内容
有鉴于此,本发明提供了一种面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,可快速、准确地描述船舶运动状态。
为了实现上述目的,本发明采用如下技术方案:
一种面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,包括以下步骤:
步骤1:通过船舶运动数学模型线性化范围,分别将船舶前进方向运动与横向运动及转艏运动进行解耦,构建船舶操纵运动数学模型;
步骤2:根据船舶的横向运动与转艏运动间的紧耦合关系,构建只考虑船舶横向运动与转艏运动二自由度下的操纵运动方程;基于二自由度下的操纵运动方程,得到舵角作为输入,转艏角速度及横向速度作为输出的第一操纵响应模型;
步骤3:通过在船舶操纵运动数学模型的横向运动基础上增加艏摇和横荡的运动影响,构建舵角作为输入,纵向速度作为输出的第二操纵响应模型;
步骤4:根据第一操纵响应模型和第二操纵响应模型,构建多变量操纵响应模型,在多变量操纵响应模型基础上进行操舵旋回运动参数求解;
步骤5:将船舶操舵旋回运动参数代入多变量操纵响应模型,利用非线性最小二乘方法转化为最优化求解问题,对多变量操纵响应模型的船舶操纵性参数进行初步辨识;
步骤6:根据船舶实际的操纵运动状态,使用多组实际操纵运动数据对辨识结果进行综合调整,确定最终的辨识参数。
进一步的,步骤1中,船舶运动数学模型为:
式中,m为船舶质量,u为纵向航速,为纵向加速度,/>为横向加速度,v横向速度,r为转艏角速度,/>为转艏角加速度,xg船舶重心距离船中距离,Izz为转艏转动惯量,fX为船舶纵向外力,fY为船舶横向外力,fN为船舶转艏外力矩;
船舶操纵运动数学模型为:
式中,Δu为纵向速度变化量,δ为舵角,Xu、Xrr、Xvv、Xvr、/>Yv、/>Yr、NvNr、Yδ、Nδ为船舶水动力导数。
进一步的,步骤2中的第一操纵响应模型为:
式中,为舵速,/>为转艏角加速度导数,/>为横向加速度导数,T1、T2、T3r、T3v、Kr、Kv为船舶操纵性系数。
进一步的,步骤2还包括:根据船舶运动在低频段的重要性,将第一操纵响应模型降解为一阶操纵响应模型,如下:
式中,Tr、Tv、Kr、Kv为船舶操纵性系数。
进一步的,步骤3中,第二操纵响应模型的表达式为:
式中,Tu、Ku、C、D、E为船舶操纵性系数。
进一步的,步骤4中的多变量操纵响应模型的表达式为:
式中,Δu(t)为纵向速度变化量向量,v(t)为横向速度向量,r(t)为转艏角速度向量,t为时间,δ为舵角,Tu、Ku、C、D、E、Tr、Tv、Kr、Kv为船舶操纵性系数。
进一步的,步骤4中的船舶操纵运动数据为船舶转艏角速度、横向速度和纵向速度航行信息,航行信息通过实船操纵试验、自航模型操纵试验、CFD船舶操纵试验或船舶模拟器操纵试验获取。
进一步的,步骤5包括:
根据操纵响应数据及多变量操纵响应模型确定优化问题目标函数:
式中,j为数据编号,n为数据总量,Δuj为第j个航行信息数据纵向速度值,rj为第j个航行信息数据转艏角速度值,vj为第j个航行信息数据横向速度值,v为横向速度,r为转艏角速度,δ为舵角,Tu、Ku、C、D、E、Tr、Tv、Kr、Kv为待辨识参数;
使用信赖域算法、遗传算法、蚁群算法或粒子群算法对优化问题目标函数进行求解,得到初步的辨识参数。
进一步的,步骤6中,根据实际转艏角度确定对应艏向角下的数据总量n,根据船舶操纵实际情况进行多组舵角δ下的参数辨识,根据指令舵角占比进行辨识参数加权调整,得到最终的辨识参数。
进一步的,还包括:
步骤7:将任意时刻的给定舵角输入经参数调整后的多变量船舶响应模型,得到船舶运动参数纵向速度变化量Δu、横向速度v和转艏角速度r,并通过积分求得船舶任意时刻航行状态。
经由上述的技术方案可知,与现有技术相比,本发明具有以下有益效果:
本发明通过船舶运动数学模型线性化范围将船舶前进方向运动与横向运动及转艏运动进行解耦,可实现将纵向运动分离加入非线性项,增加实际过程中横荡和艏摇运动对航速的影响;基于二自由度船舶操纵线性方程,将舵角作为系统输入,得到转艏角速度及横向速度作为系统输出的操纵响应模型,在船舶操纵运动数学模型的横向运动的基础上增加艏摇和横荡的运动影响,能够表达实际航行中船舶漂角;利用非线性最小二乘方法转化为最优化求解问题进行参数辨识,根据需求选择求解方法;基于操纵运动情况,使用多组操纵运动数据进行辨识结果综合调整,确定最终辨识参数,实现船舶运动模型更接近操纵运动实际状态。本发明提出的多变量操纵响应模型形式简洁,能够快速和准确的描述船舶运动状态,同时考虑船舶实际操纵情况进行参数调整,进一步减小与船舶实际运动的误差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法的流程图;
图2为本发明提供的多变量操纵响应模型计算的转艏角速度响应与试验数据对比图;
图3是本发明提供的多变量操纵响应模型计算的横向速度响应与试验数据对比图;
图4是本发明提供的多变量操纵响应模型计算的纵向速度响应与试验数据对比图;
图5是本发明提供的多变量操纵响应模型计算的船舶运动轨迹及状态响应与一阶KT模型对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,包括以下步骤:
步骤1:通过船舶运动数学模型线性化范围,分别将船舶前进方向运动与横向运动及转艏运动进行解耦,构建船舶操纵运动数学模型;
步骤2:根据船舶的横向运动与转艏运动间的紧耦合关系,构建只考虑船舶横向运动与转艏运动二自由度下的操纵运动方程;基于二自由度下的操纵运动方程,得到舵角作为输入,转艏角速度及横向速度作为输出的第一操纵响应模型;
步骤3:通过在船舶操纵运动数学模型的横向运动基础上增加艏摇和横荡的运动影响,构建舵角作为输入,纵向速度作为输出的第二操纵响应模型;
步骤4:根据第一操纵响应模型和第二操纵响应模型,构建多变量操纵响应模型,在多变量操纵响应模型基础上进行操舵旋回运动参数求解;
步骤5:将船舶操舵旋回运动参数代入多变量操纵响应模型,利用非线性最小二乘方法转化为最优化求解问题,对多变量操纵响应模型的参数进行辨识;
步骤6:根据船舶实际的操纵运动状态,使用多组实际操纵运动数据对辨识结果进行综合调整,确定最终的辨识参数。
下面对上述各步骤做进一步的说明,如图1所示,本发明方法具体步骤如下所示。
步骤1:建立船舶运动数学模型:
式中,m为船舶质量,u为纵向航速,为纵向加速度,/>为横向加速度,v横向速度,r为转艏角速度,/>为转艏角加速度,xg船舶重心距离船中距离,Izz为转艏转动惯量,fX为船舶纵向外力,fY为船舶横向外力,fN为船舶转艏外力矩。
在公式(1)的基础上,在线性化前提下,横向运动及转艏运动之间存在强耦合关系,并与船舶前进方向运动解耦。同时,考虑船舶操纵运动过程中速降,横向速度与转艏角速度引起的船舶纵向受力变化,在纵向运动线性模型中增加Xrrrr、Xvvvv、Xvrvr非线性项。构建船舶操纵运动数学模型:
式中,Δu为纵向速度变化量,δ为舵角,Xu、Xrr、Xvv、Xvr、/>Yv、/>Yr、NvNr、Yδ、Nδ为船舶水动力导数。
步骤2:按公式(2)中所构建船舶操纵运动数学模型,基于横向运动及转艏运动二自由度船舶操纵线性方程,得到舵角作为输入,转艏角速度及横向速度作为输出的第一操纵响应模型:
式中,为舵速,/>为转艏角加速度导数,/>为横向加速度导数,T1、T2、T3r、T3v、Kr、Kv为船舶操纵性系数。
根据船舶运动在低频段的重要性,将公式(3)的第一操纵响应模型降解为一阶操纵响应模型,如下:
式中,Tr、Tv、Kr、Kv为船舶操纵性系数。
步骤3:考虑船舶操纵运动过程中速降,横向速度与转艏角速度引起的船舶纵向受力变化,在公式(2)中纵向运动线性模型中增加Xrrrr、Xvvvv、Xvrvr非线性项。通过在船舶线性模型横向运动基础上增加艏摇和横荡的运动影响,构建舵角作为系统输入,纵向速度作为系统输出的第二操纵响应模型:
式中,Tu、Ku、C、D、E为船舶操纵性系数。
步骤4:基于船舶操舵旋回运动,获得船舶转艏角速度、横向速度、纵向速度航行信息数据,航行信息数据可以通过实船操纵试验、自航模型操纵试验、CFD船舶操纵试验、船舶模拟器操纵试验获取。
基于第一操纵响应模型和第二操纵响应模型,构建多变量操纵响应模型,在多变量操纵响应模型基础上进行操舵旋回运动参数求解,运动参数解析式如下:
式中,Δu(t)为纵向速度变化量向量,v(t)为横向速度向量,r(t)为转艏角速度向量,t为时间,δ为舵角,Tu、Ku、C、D、E、Tr、Tv、Kr、Kv为船舶操纵性系数。
传统的船舶操纵响应模型,关注转艏角速度r的变化,本发明多变量操纵响应模型在此基础上增加纵向速度变化Δu、横向速度v关于指令舵角δ的运动响应。
步骤5:利用非线性最小二乘方法将公式(6)转化为最优化求解问题,进行参数辨识,根据操舵旋回运动参数Δu、v、r及多变量操纵响应模型确定优化问题目标函数:
式中,j为数据编号,n为数据总量(n为操舵旋回运动的数据量,例如记录了100s的运动数据,数据采集频率为10Hz,则数据总量n=100*10=1000),Δuj为第j个航行信息数据纵向速度变化值,rj为第j个航行信息数据转艏角速度值,vj为第j个航行信息数据横向速度值,v为横向速度,r为转艏角速度,δ为舵角,Tu、Ku、C、D、E、Tr、Tv、Kr、Kv为待辨识参数;
使用信赖域算法、遗传算法、蚁群算法或粒子群算法对优化问题目标函数进行求解,得到初步的辨识参数。
步骤6:根据实际转艏角度确定对应艏向角下的数据总量n,根据船舶操纵实际情况进行多组舵角δ下的参数辨识,根据指令舵角占比进行辨识参数加权调整,得到最终的辨识参数。三个方向变量与试验对比结果如图2-4所示,与试验数据趋势一致。
具体来说,确定数据总量n时,参考图5,船舶在操舵后会进行转艏运动,为提高船舶操纵运动模型与实际模型的吻合度,根据船舶操纵运动实际情况确定转艏角度,例如实际操舵过程中转艏20度就进入下一个阶段,则数据总量n选择转艏20度时的数据总量作为辨识数据。
根据指令舵角占比进行辨识参数加权调整时,每一个指令舵角δ均可求解出来一组Tu、Ku、C、D、E、Tr、Tv、Kr、Kv辨识参数;根据船舶操纵运动实际情况,确定m个典型指令舵角及占比情况(例如选择5个典型舵角:5度舵角占比30%,10度舵角占比25%,15度舵角占比20%,25度舵角占比15%,35度舵角占比10%),并逐一对指令舵角进行辨识,最后根据使指令舵角占比进行Tu、Ku、C、D、E、Tr、Tv、Kr、Kv辨识参数权重调整。
步骤7:将任意时刻的给定舵角输入经参数调整后的多变量船舶响应模型,得到船舶运动参数纵向速度变化量Δu、横向速度v和转艏角速度r,并通过积分求得船舶任意时刻航行状态。运动轨迹积分如下:
式中,x为位置横坐标,y为位置纵坐标,ψ为艏向角,u为纵向速度,Δu为纵向速度变化量,v为横向速度,r为转艏角速度,t为时间。
本发明最终模型计算结果与船舶一阶KT响应模型对比如图5所示,对比可得,本发明多变量船舶响应模型计算结果与试验数据吻合度更高。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,包括以下步骤:
步骤1:通过船舶运动数学模型线性化范围,分别将船舶前进方向运动与横向运动及转艏运动进行解耦,构建船舶操纵运动数学模型;
步骤2:根据船舶的横向运动与转艏运动间的紧耦合关系,构建只考虑船舶横向运动与转艏运动二自由度下的操纵运动方程;基于二自由度下的操纵运动方程,得到舵角作为输入,转艏角速度及横向速度作为输出的第一操纵响应模型;
步骤3:通过在船舶操纵运动数学模型的横向运动基础上增加艏摇和横荡的运动影响,构建舵角作为输入,纵向速度作为输出的第二操纵响应模型;
步骤4:根据第一操纵响应模型和第二操纵响应模型,构建多变量操纵响应模型,在多变量操纵响应模型基础上进行操舵旋回运动参数求解;
步骤5:将船舶操舵旋回运动参数代入多变量操纵响应模型,利用非线性最小二乘方法转化为最优化求解问题,对多变量操纵响应模型的船舶操纵性参数进行初步辨识;
步骤6:根据船舶实际的操纵运动状态,使用多组实际操纵运动数据对辨识结果进行综合调整,确定最终的辨识参数。
2.根据权利要求1所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,步骤1中,船舶运动数学模型为:
式中,m为船舶质量,u为纵向航速,为纵向加速度,/>为横向加速度,v横向速度,r为转艏角速度,/>为转艏角加速度,xg船舶重心距离船中距离,Izz为转艏转动惯量,fX为船舶纵向外力,fY为船舶横向外力,fN为船舶转艏外力矩;
船舶操纵运动数学模型为:
式中,Δu为纵向速度变化量,δ为舵角,Xu、Xrr、Xvv、Xvr、/>Yv、/>Yr、Nv、/>Nr、Yδ、Nδ为船舶水动力导数。
3.根据权利要求2所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,步骤2中的第一操纵响应模型为:
式中,为舵速,/>为转艏角加速度导数,/>为横向加速度导数,T1、T2、T3r、T3v、Kr、Kv为船舶操纵性系数。
4.根据权利要求3所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,步骤2还包括:根据船舶运动在低频段的重要性,将第一操纵响应模型降解为一阶操纵响应模型,如下:
式中,Tr、Tv、Kr、Kv为船舶操纵性系数。
5.根据权利要求2所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,步骤3中,第二操纵响应模型的表达式为:
式中,Tu、Ku、C、D、E为船舶操纵性系数。
6.根据权利要求2所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,步骤4中的多变量操纵响应模型的表达式为:
式中,Δu(t)为纵向速度变化量向量,v(t)为横向速度向量,r(t)为转艏角速度向量,t为时间,δ为舵角,Tu、Ku、C、D、E、Tr、Tv、Kr、Kv为船舶操纵性系数。
7.根据权利要求1所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,步骤4中船舶操纵运动数据为船舶转艏角速度、横向速度和纵向速度航行信息,通过实船操纵试验、自航模型操纵试验、CFD船舶操纵试验或船舶模拟器操纵试验获取。
8.根据权利要求1所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,步骤5包括:
根据操纵响应数据及多变量操纵响应模型确定优化问题目标函数:
式中,j为数据编号,n为数据总量,Δuj为第j个航行信息数据纵向速度值,rj为第j个航行信息数据转艏角速度值,vj为第j个航行信息数据横向速度值,v为横向速度,r为转艏角速度,δ为舵角,Tu、Ku、C、D、E、Tr、Tv、Kr、Kv为待辨识参数;
使用信赖域算法、遗传算法、蚁群算法或粒子群算法对优化问题目标函数进行求解,得到初步的辨识参数。
9.根据权利要求8所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,步骤6中,根据实际转艏角度确定对应艏向角下的数据总量n,根据船舶操纵实际情况进行多组舵角δ下的参数辨识,根据指令舵角占比进行辨识参数加权调整,得到最终的辨识参数。
10.根据权利要求2所述的面向操纵运动的船舶多变量操纵响应模型的参数辨识方法,其特征在于,还包括:
步骤7:将任意时刻的给定舵角输入经参数调整后的多变量船舶响应模型,得到船舶运动参数纵向速度变化量Δu、横向速度v和转艏角速度r,并通过积分求得船舶任意时刻航行状态。
CN202311183806.4A 2023-09-14 2023-09-14 船舶多变量响应模型构建及面向操纵运动的参数辨识方法 Active CN117195567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311183806.4A CN117195567B (zh) 2023-09-14 2023-09-14 船舶多变量响应模型构建及面向操纵运动的参数辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311183806.4A CN117195567B (zh) 2023-09-14 2023-09-14 船舶多变量响应模型构建及面向操纵运动的参数辨识方法

Publications (2)

Publication Number Publication Date
CN117195567A true CN117195567A (zh) 2023-12-08
CN117195567B CN117195567B (zh) 2024-03-26

Family

ID=88993939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311183806.4A Active CN117195567B (zh) 2023-09-14 2023-09-14 船舶多变量响应模型构建及面向操纵运动的参数辨识方法

Country Status (1)

Country Link
CN (1) CN117195567B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118260958A (zh) * 2024-04-15 2024-06-28 中国船舶科学研究中心 一种基于实航数据的船舶操纵运动仿真方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200002524A (ko) * 2018-06-29 2020-01-08 대우조선해양 주식회사 선박의 시마진 도출 시스템 및 방법, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체
CN112182972A (zh) * 2020-09-30 2021-01-05 大连海事大学 一种船舶操纵运动adam局部加权回归辨识建模方法
CN115755603A (zh) * 2022-11-09 2023-03-07 武汉理工大学 船舶运动模型参数智能灰箱辨识方法、船舶运动控制方法
CN116150934A (zh) * 2022-07-21 2023-05-23 大连海事大学 船舶操纵运动高斯过程回归在线非参数辨识建模方法
CN116305586A (zh) * 2023-04-03 2023-06-23 中国船舶重工集团公司第七0七研究所九江分部 一种欠驱动船舶自动靠泊模型建立方法
CN116482984A (zh) * 2023-06-20 2023-07-25 中国船舶集团有限公司第七〇七研究所 基于船舶拖缆张力监测的模型自适应最优控制方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200002524A (ko) * 2018-06-29 2020-01-08 대우조선해양 주식회사 선박의 시마진 도출 시스템 및 방법, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체
CN112182972A (zh) * 2020-09-30 2021-01-05 大连海事大学 一种船舶操纵运动adam局部加权回归辨识建模方法
CN116150934A (zh) * 2022-07-21 2023-05-23 大连海事大学 船舶操纵运动高斯过程回归在线非参数辨识建模方法
CN115755603A (zh) * 2022-11-09 2023-03-07 武汉理工大学 船舶运动模型参数智能灰箱辨识方法、船舶运动控制方法
CN116305586A (zh) * 2023-04-03 2023-06-23 中国船舶重工集团公司第七0七研究所九江分部 一种欠驱动船舶自动靠泊模型建立方法
CN116482984A (zh) * 2023-06-20 2023-07-25 中国船舶集团有限公司第七〇七研究所 基于船舶拖缆张力监测的模型自适应最优控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宁方鑫;熊勇;牟军敏;黄兴东;: "基于AIS数据的船舶操纵性指数辨识研究", 系统仿真学报, no. 02 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118260958A (zh) * 2024-04-15 2024-06-28 中国船舶科学研究中心 一种基于实航数据的船舶操纵运动仿真方法

Also Published As

Publication number Publication date
CN117195567B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
Zhang et al. Novel DVS guidance and path-following control for underactuated ships in presence of multiple static and moving obstacles
Xia et al. Optimal robust trajectory tracking control of a X-rudder AUV with velocity sensor failures and uncertainties
Han et al. Nonlinear modeling for a water-jet propulsion USV: An experimental study
CN117195567B (zh) 船舶多变量响应模型构建及面向操纵运动的参数辨识方法
CN113093804B (zh) 基于反演滑模控制的无人艇编队控制方法和控制系统
Eriksen et al. Modeling, identification and control of high-speed ASVs: Theory and experiments
CN112100917A (zh) 一种基于专家对抗系统的智能船舶避碰仿真测试系统与方法
CN106444359A (zh) 一种喷水推进无人艇自主区域保持的仿人智能控制方法
CN113110511B (zh) 一种基于广义模糊双曲模型的智能船舶航向控制方法
CN113467231A (zh) 基于侧滑补偿ilos制导律的无人艇路径跟踪方法
Yue et al. Data-driven adaptive extended state observer design for autonomous surface vehicles with unknown input gains based on concurrent learning
CN104808662B (zh) 一种基于数据驱动的抑制船舶航向扰动的控制方法
Çimen Development and validation of a mathematical model for control of constrained non-linear oil tanker motion
CN109814583B (zh) 基于自主水下机器人航向运动的动态状态反馈控制方法
CN105446136A (zh) 基于不完全递归支集动态神经网络的船舶航向智能控制器
Kim et al. TOAST: trajectory optimization and simultaneous tracking using shared neural network dynamics
CN114115276A (zh) 一种基于在线分组优化模型预测的船舶动力定位控制方法
CN117850416A (zh) 一种水面无人船智能操纵方法
CN112987741A (zh) 面向不确定干扰的船舶航向智能控制方法
Ghassemzadeh et al. Path following control using robust sliding mode for an autonomous surface vessel based on ε-support vector regression identified steering model
CN113625725B (zh) 一种水面无人艇路径跟踪控制方法
Mu et al. Design of robust adaptive course controller for unmanned surface vehicle with input saturation
Yiming et al. Variable-structure filtering method for an unmanned wave glider
Liu et al. Nonlinear path tracking control of underactuated surface vessel by lssvm-based identification
Di Vito et al. The effect of the ocean current in the thrusters closed-loop performance for underwater intervention

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