基於支持向量機的水下運載器動力學辨識建模研究

《基於支持向量機的水下運載器動力學辨識建模研究》是依託福州大學，由羅偉林擔任項目負責人的面上項目。

基本介紹

• 中文名：基於支持向量機的水下運載器動力學辨識建模研究
• 依託單位：福州大學
• 項目類別：面上項目
• 項目負責人：羅偉林

項目摘要

本項目將支持向量機（SVM）套用於水下運載器的動力學辨識建模研究。套用SVM，結合試驗水池中的自航模試驗，對水下運載器水動力數學模型中的水動力係數及海洋內波、海流等環境干擾力係數進行辨識，並採用附加激勵法和差分法消除辨識過程中出現的參數漂移現象；基於辨識得到的數學模型對水下運載器在控制力與海洋環境干擾力的聯合作用下的運動進行預報並與模型試驗結果進行比較，驗證所提出的建模方法的有效性。套用SVM建立由控制力及環境干擾力到運動量的隱性映射關係，對水下運載器動力學模型進行黑箱建模，開發SVM線上學習功能，對水下運載器運動進行實時預報，並通過將預報結果與模型試驗結果進行比較，驗證SVM套用於水下運載器動力學實時建模的有效性。通過本項目的研究，可為水下運載器動力學建模提供一種新的有效手段，為複雜海洋環境條件下的水下運載器運動預報和控制器設計提供技術支持，以提高我國水下運載器設計水平和國際競爭力。

結題摘要

作為深海裝備體系的重要組成部分，水下運載器是人類探索和開發水下世界的重要工具。本項目開展了支持向量機方法在水下運載器動力學辨識建模中的套用研究，發掘了支持向量機方法在水下運載器操縱性與控制系統設計研究方面的套用潛力，為深海裝備體系的研究和開發提供了技術支撐。 本項目在實施過程中緊密結合了計畫的研究內容、研究目標和擬解決的關鍵科學問題，採取了有效的研究方案。完成的主要內容包括：對參數辨識的樣本構造方式進行了分析，提出使用積分型辨識樣本結構，並將其同歐拉型辨識樣本結構進行了對比；採用積分型辨識樣本結構，使用最小二乘支持向量機（LSSVM）對水下運載器的平面線性、非線性和六自由度動力學模型進行了參數辨識，並進行了水下運載器的水平面非線性和六自由度非線性動力學辨識建模；通過水動力導數的靈敏度分析，討論了水動力導數的靈敏度值同其辨識精度之間的關係；使用直接方法進行了水動力導數靈敏度分析，以水下運載器NPSII 為研究對象，對其六自由度運動模型進行了簡化。套用支持向量機建立了由控制力及環境干擾力到運動量的隱性映射關係，對水下運載器動力學模型進行黑箱建模，開發了支持向量機的線上學習功能，並套用於水下運載器的運動控制。設計了基於支持向量機的水下機器人航向逆模型控制系統，為提高控制精度，在閉環系統中增加了一個PID控制迴路，設計了一類基於LSSVM-PID的水下機器人航向複合逆控制系統。將支持向量機與內模控制相結合，設計了一類基於LSSVM的水下機器人航向保持內模控制，數值仿真結果表明了支持向量機方法在水下運載器控制器設計中的有效性。 比照研究計畫和預期研究成果，本項目較好地完成了研究任務，達到了預期目標。通過本項目的研究，自主開發得到了基於支持向量機的水下運載器動力學建模和運動實時預報方法，為水下運載器動力學建模和運動預報及其控制設計中的相關水動力研究提供了新的有效手段。在本項目資助下，共發表29篇學術論文，其中期刊論文17篇（含5篇國際期刊），會議論文12篇。SCI/EI收錄7篇，EI收錄11篇，國核心心期刊4篇。在本項目的資助下，共培養2名博士生，2名碩士生。在項目實施過程中積極開展了國內外合作與學術交流，項目組成員多次參加國際學術會議，在會議上宣讀論文並參與交流；此外，還邀請國際著名學者Incecik教授及Qing Xiao博士到福州大學進行學術交流。