基于支持向量機(jī)的水下航行器動力學(xué)辨識建模研究.pdf

1、水下航行器是人類探索和開發(fā)水下世界的重要工具，隨著水下作業(yè)任務(wù)的多樣化和復(fù)雜化，對水下航行器的操縱性要求日益提高，深入開展水下航行器的操縱性研究也勢在必行。對水下航行器的操縱性研究，目的在于實現(xiàn)水下航行器的操縱性預(yù)報。數(shù)學(xué)模型加計算機(jī)仿真的技術(shù)是目前應(yīng)用最為廣泛和有效的預(yù)報方法，其中數(shù)學(xué)模型必須能夠真實反映水下航行器的動力學(xué)特性，而建立數(shù)學(xué)模型的關(guān)鍵則在于準(zhǔn)確獲取模型中眾多的水動力導(dǎo)數(shù)。近年來，隨著現(xiàn)代試驗測量技術(shù)和系統(tǒng)辨識理論的不斷發(fā)

2、展、成熟，基于自航模或?qū)嵆叨仍囼灧治龅南到y(tǒng)辨識方法在水下航行器操縱運(yùn)動建模研究中得到廣泛關(guān)注，展現(xiàn)了非常廣闊的應(yīng)用前景。
　　鑒于常用的系統(tǒng)辨識算法存在對初值依賴性大、泛化能力差等缺陷，本文在國內(nèi)外首次將一種新型的人工智能算法——支持向量機(jī)（Support Vector Machines,SVM）應(yīng)用于水下航行器的動力學(xué)辨識建模，包括動力學(xué)參數(shù)辨識建模和非線性動力學(xué)辨識建模。在建模過程中，針對支持向量機(jī)算法中參數(shù)選擇的不確定性，使

3、用網(wǎng)格搜索法進(jìn)行了參數(shù)優(yōu)化；應(yīng)用增量式最小二乘支持向量機(jī)實現(xiàn)了水動力導(dǎo)數(shù)的在線辨識。
　　在一定的系統(tǒng)辨識算法下，獲取盡可能多的能夠反映建模對象動力學(xué)特性的數(shù)據(jù)樣本是進(jìn)行系統(tǒng)辨識的基本前提；而通過原始數(shù)據(jù)樣本構(gòu)造合理的用于辨識的樣本結(jié)構(gòu)（簡稱辨識樣本結(jié)構(gòu)），得到建模所需的輸入輸出樣本對，是提高辨識精度的重要途徑。為了提高辨識結(jié)果的精度和穩(wěn)定性，本文提出了積分型辨識樣本結(jié)構(gòu)。以水下航行器SDV（Swimmer Delivery Ve

4、hicle）為對象，基于其水平面線性操縱運(yùn)動數(shù)學(xué)模型，分別采用歐拉型辨識樣本結(jié)構(gòu)和積分型辨識樣本結(jié)構(gòu)得到輸入輸出樣本對，對兩種辨識樣本結(jié)構(gòu)的辨識精度進(jìn)行了比較，并對它們與水動力導(dǎo)數(shù)的辨識精度之間的關(guān)系進(jìn)行了分析，驗證了積分型辨識樣本結(jié)構(gòu)的優(yōu)越性。
　　在動力學(xué)參數(shù)辨識建模方面，應(yīng)用基于線性核函數(shù)的支持向量機(jī)，實現(xiàn)了水下航行器操縱運(yùn)動數(shù)學(xué)模型的批處理辨識和在線辨識。首先，以Manta-type航行器為對象，對其平面線性操縱運(yùn)動數(shù)學(xué)模

5、型分別應(yīng)用最小二乘支持向量機(jī)和最小二乘法進(jìn)行參數(shù)辨識，對最小二乘支持向量機(jī)應(yīng)用于水下航行器平面操縱運(yùn)動建模的有效性進(jìn)行了驗證。其次，以兩個水下航行器為對象，對其典型的平面非線性操縱運(yùn)動數(shù)學(xué)模型中的水動力導(dǎo)數(shù)進(jìn)行了批處理辨識，并基于增量式最小二乘支持向量機(jī)實現(xiàn)了水動力導(dǎo)數(shù)的在線辨識。最后，以水下航行器“SY-2”為對象，通過解耦處理，將六自由度運(yùn)動方程簡化至四自由度，并基于仿真試驗對其縱向和轉(zhuǎn)首運(yùn)動方程中的水動力導(dǎo)數(shù)進(jìn)行了辨識。
　

6、　在非線性動力學(xué)辨識建模方面，應(yīng)用以徑向基函數(shù)（Radial Basis Function,RBF）為核函數(shù)的支持向量機(jī)，實現(xiàn)了水下航行器的非線性動力學(xué)辨識建模。首先，基于水下航行器MARIUS的水平面非線性操縱運(yùn)動數(shù)學(xué)模型，對其中包括舵力和推力在內(nèi)的水動力模型進(jìn)行了辨識，通過比較采用支持向量機(jī)回歸模型和原始水動力導(dǎo)數(shù)模型得到的仿真試驗結(jié)果，對支持向量機(jī)應(yīng)用于水下航行器非線性動力學(xué)辨識建模的有效性和泛化性進(jìn)行了驗證。然后，以某微小型水下

7、航行器為對象，通過平面運(yùn)動機(jī)構(gòu)（Planar Motion Mechanism,PMM）試驗得到了潛艇標(biāo)準(zhǔn)運(yùn)動方程中的水動力導(dǎo)數(shù)，通過循環(huán)水槽試驗建立了推力模型和舵翼作用力模型；采用試驗建立的數(shù)學(xué)模型進(jìn)行操縱運(yùn)動仿真，并基于仿真結(jié)果應(yīng)用支持向量機(jī)進(jìn)行非線性函數(shù)回歸，對六自由度運(yùn)動方程中的水動力阻尼以及科氏力和向心力進(jìn)行了辨識；從操縱運(yùn)動預(yù)報和控制性能兩個方面，通過比較回歸得到的模型和試驗得到的模型的仿真結(jié)果，對支持向量機(jī)回歸模型的有效性

8、和泛化性進(jìn)行了驗證。
　　本文在對某航行器的垂直面非線性動力學(xué)模型進(jìn)行參數(shù)辨識時，即便采取了合理的辨識樣本結(jié)構(gòu)和先進(jìn)的辨識算法，一些水動力導(dǎo)數(shù)的辨識結(jié)果仍然同試驗值相差較大。為解釋這一現(xiàn)象，本文使用靈敏度損失函數(shù)法對垂直面非線性動力學(xué)模型中的水動力導(dǎo)數(shù)進(jìn)行了靈敏度分析，對參數(shù)辨識精度與靈敏度值之間的關(guān)系進(jìn)行了研究。針對靈敏度分析的間接方法存在的計算量和存儲問題，提出了一種直接方法，并應(yīng)用該方法對某航行器垂直面非線性操縱運(yùn)動數(shù)學(xué)模型

9、中的水動力導(dǎo)數(shù)進(jìn)行了靈敏度分析，基于分析結(jié)果對模型進(jìn)行了合理的簡化。隨后，應(yīng)用該方法對水下航行器NPS II的六自由度數(shù)學(xué)模型中的水動力導(dǎo)數(shù)進(jìn)行了靈敏度分析，通過選取合理的取舍函數(shù)，將模型中包含的92個水動力導(dǎo)數(shù)簡化至25個，并通過對比簡化模型和原始模型的仿真試驗結(jié)果，驗證了簡化模型的合理性及靈敏度分析直接方法的有效性。
　　通過本文的研究，驗證了支持向量機(jī)應(yīng)用于水下航行器動力學(xué)辨識建模的有效性，為水下航行器的動力學(xué)辨識建模研究提