基于支持向量機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?；?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（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，針對支持向量機算法中參數(shù)選擇的不確定性，使

3、用網(wǎng)格搜索法進行了參數(shù)優(yōu)化；應(yīng)用增量式最小二乘支持向量機實現(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，實現(xiàn)了水下航行器操縱運動數(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動數(shù)學(xué)模

5、型分別應(yīng)用最小二乘支持向量機和最小二乘法進行參數(shù)辨識，對最小二乘支持向量機應(yīng)用于水下航行器平面操縱運動建模的有效性進行了驗證。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動數(shù)學(xué)模型中的水動力導(dǎo)數(shù)進行了批處理辨識，并基于增量式最小二乘支持向量機實現(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)首運動方程中的水動力導(dǎo)數(shù)進行了辨識。
　

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，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)的水動力模型進行了辨識，通過比較采用支持向量機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，通過平面運動機構(gòu)（Planar Motion Mechanism,PMM）試驗得到了潛艇標準運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)模型進行操縱運動仿真，并基于仿真結(jié)果應(yīng)用支持向量機進行非線性函數(shù)回歸，對六自由度運動方程中的水動力阻尼以及科氏力和向心力進行了辨識；從操縱運動預(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，對支持向量機回歸模型的有效性

8、和泛化性進行了驗證。
　　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動數(shù)學(xué)模型

9、中的水動力導(dǎo)數(shù)進行了靈敏度分析，基于分析結(jié)果對模型進行了合理的簡化。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