基于粒子群优化的船舶运动参数辨识方法研究

船舶运动参数对船舶减摇、操纵等都有着重要影响。尽管目前在理论上已经能在线性理论的范围内根据船体运动的边界条件求解船舶运动参数，但是这些求解过程十分繁复和费时，获得的结果与实航情况有很大差别。本课题拟基于船舶运动参数的实际特点开展基于粒子群优化的船舶运动参数辨识方法研究工作。通过构建成形滤波器，采用扩展卡尔曼滤波算法，实现海浪对船舶的扰动力和扰动力矩估计；从理论上和实验上分析各参数对船舶运动状态的影响，建立各参数敏感性指数的评估模型，并据此对参数进行分类，不同类的参数采用不同的辨识方法，以降低待辨识参数的维数；深入研究粒子群优化算法，并分析算法中粒子在各维上的收敛特性，提出分阶段粒子群优化算法；针对辨识模型中目标函数非常复杂，难以求导以及有些水动力参数不敏感等问题，采用分阶段粒子群优化算法对船舶运动参数进行辨识；利用数字仿真方法构建仿真验证系统，对设计的船舶运动参数辨识方法进行仿真验证。

船舶运动模型描述了船舶在运动过程中对控制输入的响应特性，了解和掌握船舶运动模型是对船舶进行操纵控制和设计自动舵的前提条件。“基于粒子群优化的船舶运动参数辨识方法研究”项目重点针对海浪对船舶运动扰动力和力矩的建模方法、运动参数对船舶运动状态的敏感性评估模型、设计并实现基于粒子群优化算法的船舶运动参数辨识方法、搭建船舶运动参数辨识仿真验证系统开展研究工作。项目组完成了船舶纵向和横向运动的微分方程模型、离散状态空间模型的建立；建立了舵角扰动力和扰动力矩模型、基于仿真海浪谱的扰动力和扰动力矩模型以及基于实时海浪谱的扰动力和扰动力矩模型。针对粒子群算法的优缺点进行了分析，提出了基于进化策略的粒子群优化算法、基于元胞自动机的粒子群改进算法以及基于反向粒子群的改进算法，并将改进后的算法分别应用到船舶运动参数辨识中；分析了各水动力参数对船舶各自由度运动的影响，并建立了参数敏感性评估模型，设计了基于分阶段算法的船舶运动参数辨识；应用模糊神经网络方法，完成了基于神经网络的水动力参数智能模型的建立；搭建了仿真实验模型，对各算法进行了仿真实验和对比分析，取得了较好的效果。. 本项目从2012年1月起至2014年12月止，历时3年。项目组针对本项目主要研究工作累计发表学术论文15篇（SCI检索3篇，EI收录8篇），进行国际会议报告4次，承办CSO2012国际会议SCSA2012分会1次，出版专著3部，申请国家发明专利14项（8项已授权），培养硕士研究生6人（3人已毕业）、博士研究生2人（1人已毕业），较好的完成了项目工作，取得了一定的学术成果。