基于改進粒子群優(yōu)化的船舶縱搖和升沉運動參數(shù)辨識.pdf

1、隨著經(jīng)濟水平的日益提升，海洋運輸能力對各國發(fā)展愈來愈起到至關(guān)重要的作用，船舶運動模型研究的重要地位也就更加凸顯了出來。掌握船舶運動模型是研究船舶操縱性能的必要基礎，而經(jīng)典方法求取的參數(shù)并不精確，參數(shù)辨識方法在獲得船舶水動力參數(shù)時表現(xiàn)更加出色。
　　粒子群算法(Particle Swarm Optimization,PSO)以其不同于以往經(jīng)典辨識方法的獨特性能闖入了人們的視野，簡單易懂的理論、便捷的流程使它應用范圍頗為廣泛，越來越多

2、領域的實踐證明了它的穩(wěn)定性和精度。本文引入元胞自動機原理對 PSO算法進行優(yōu)化，并將元胞PSO優(yōu)化算法運用到船舶水動力參數(shù)辨識中，將它轉(zhuǎn)化為一個尋優(yōu)的過程。
　　文章首先介紹了PSO算法的特點及基本原理，重點對不同的拓撲結(jié)構(gòu)如何選擇進行了實測比對，并闡述了參數(shù)的一般選取規(guī)律。之后說明了PSO算法的缺陷并引入元胞機制，設計了內(nèi)、外元胞PSO算法兩種改進形式。在改進后的算法中，粒子不僅僅要進行迭代前后的狀態(tài)比較，還要與鄰居的狀態(tài)進行比

3、較，有利于進行解空間局部信息的搜索，而且鄰居函數(shù)與轉(zhuǎn)移規(guī)則都會影響到搜索結(jié)果，粒子增加了自主性。通過兩組對比實驗采用用四個基準測試函數(shù)驗證了兩種方法在不同程度上彌補了基本算法的劣勢，獲取到了更加滿意的最優(yōu)解。
　　隨后，建立了船舶運動模型并離散化。對辨識方法進行了具體的設計，如初始化方法、速度域與搜索區(qū)域界定、輸入函數(shù)與適應度值函數(shù)等，敘述了辨識方法的具體步驟。對舵角輸入和海浪擾動輸入建模，并且設計了巴特沃斯IIR型濾波器以增加輸