[發(fā)明專利]基于差分進(jìn)化算法的無人船模型參數(shù)辨識(shí)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010425973.5
• 申請(qǐng)日: 2020-05-19
• 公開（公告）號(hào): CN111611745B
• 公開（公告）日: 2022-10-04
• 發(fā)明（設(shè)計(jì)）人: 范云生;涂萬強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 大連海事大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/12
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 姜玉蓉;李洪福

1.一種基于差分進(jìn)化算法的無人船模型參數(shù)辨識(shí)方法，其特征在于包括：

采集無人船在航行過程中的多種狀態(tài)信息，其中狀態(tài)信息包括指令推力角和實(shí)際推力角信息、速度、加速度、主機(jī)轉(zhuǎn)速、運(yùn)行的經(jīng)緯度信息、艏向角、航向角、縱搖角以及橫滾角信息；

建立無人船的三自由度運(yùn)動(dòng)模型和響應(yīng)型模型；

將主機(jī)轉(zhuǎn)速輸入至三自由度模型中獲得三自由度模型的仿真信息，包括仿真前進(jìn)速度、仿真橫漂速度和仿真轉(zhuǎn)艏角速度；

將指令推力角輸入至艉機(jī)模型中獲得艉機(jī)模型的仿真信息，包括仿真推力角信息；

將實(shí)際推力角信息輸入至Nomoto模型和Norrbin模型中獲得仿真艏向角信息；

采用差分算法將上述模型輸出的仿真信息與無人船的實(shí)際航行狀態(tài)信息之間的誤差最小。

2.根據(jù)權(quán)利要求1所述的基于差分進(jìn)化算法的無人船模型參數(shù)辨識(shí)方法，其特征還在于：所述差分算法采用如下方式：

在搜索空間里隨機(jī)產(chǎn)生滿足約束條件的M個(gè)個(gè)體生成初始種群，將該種群定義為模型中需要辨識(shí)的未知參數(shù)；

對(duì)該種群進(jìn)行變異操作：從群體中隨機(jī)選擇3個(gè)個(gè)體進(jìn)行變異，從而產(chǎn)生新生個(gè)體；

交叉操作：控制新生個(gè)體加入原始種群；

選擇操作：新生個(gè)體與舊個(gè)體進(jìn)行比較，確定新生個(gè)體是否成為下一代的成員；

重復(fù)上述步驟使模型的仿真結(jié)果不斷逼近無人船的實(shí)際航行狀態(tài)信息，當(dāng)仿真結(jié)果與實(shí)際航行狀態(tài)信息誤差最小時(shí)獲取模型中的參數(shù)值。

3.根據(jù)權(quán)利要求2所述的基于差分進(jìn)化算法的無人船模型參數(shù)辨識(shí)方法，其特征還在于：所述差分算法采用如下過程：

生成初始種群時(shí)在搜索空間里隨機(jī)產(chǎn)生滿足約束條件的M個(gè)個(gè)體：

x_i＝rand_i(0,1)(x^U_i-x^L_i)+x^L_i

x^U_i和x^L_i為第i個(gè)個(gè)體的上界和下界，rand_ij(0,1)為[0,1]之間的隨機(jī)小數(shù)；

變異操作：從群體中隨機(jī)選擇3個(gè)個(gè)體且i≠p₁≠p₂≠p₃，采用下式進(jìn)行變異，從而產(chǎn)生新生個(gè)體：

如果不涉及局部優(yōu)化問題，則變異操作可以寫為

其中為差異化向量，F(xiàn)為變異因子；p₁、p₂和p₃為隨機(jī)整數(shù)，表示個(gè)體在種群中的序號(hào)；x_b(t)為當(dāng)代種群中最好的個(gè)體；

交叉操作：控制新生個(gè)體加入原始種群：

其中rand l_i為[0,1]之間的隨機(jī)小數(shù)；CR為交叉概率，用來控制新生個(gè)體代替舊個(gè)體的程度，通常CR∈[0,1]；

選擇操作：把實(shí)驗(yàn)個(gè)體v_i(t+1)與目標(biāo)個(gè)體x_i(t)的適應(yīng)度進(jìn)行比較，確定v_i(t+1)是否成為下一代的成員：

其中函數(shù)f用來計(jì)算個(gè)體的適應(yīng)度，作為衡量個(gè)體優(yōu)劣的參考量，如果新生個(gè)體v_i(t+1)的適應(yīng)度優(yōu)于舊個(gè)體x_i(t)，則引入種群，否則舍棄保留原個(gè)體。