基于支持向量机的水下运载器动力学辨识建模研究

本项目将支持向量机（SVM）应用于水下运载器的动力学辨识建模研究。应用SVM，结合试验水池中的自航模试验，对水下运载器水动力数学模型中的水动力系数及海洋内波、海流等环境干扰力系数进行辨识，并采用附加激励法和差分法消除辨识过程中出现的参数漂移现象；基于辨识得到的数学模型对水下运载器在控制力与海洋环境干扰力的联合作用下的运动进行预报并与模型试验结果进行比较，验证所提出的建模方法的有效性。应用SVM建立由控制力及环境干扰力到运动量的隐性映射关系，对水下运载器动力学模型进行黑箱建模，开发SVM在线学习功能，对水下运载器运动进行实时预报，并通过将预报结果与模型试验结果进行比较，验证SVM应用于水下运载器动力学实时建模的有效性。通过本项目的研究，可为水下运载器动力学建模提供一种新的有效手段，为复杂海洋环境条件下的水下运载器运动预报和控制器设计提供技术支持，以提高我国水下运载器设计水平和国际竞争力。

作为深海装备体系的重要组成部分，水下运载器是人类探索和开发水下世界的重要工具。本项目开展了支持向量机方法在水下运载器动力学辨识建模中的应用研究，发掘了支持向量机方法在水下运载器操纵性与控制系统设计研究方面的应用潜力，为深海装备体系的研究和开发提供了技术支撑。.本项目在实施过程中紧密结合了计划的研究内容、研究目标和拟解决的关键科学问题，采取了有效的研究方案。完成的主要内容包括：对参数辨识的样本构造方式进行了分析，提出使用积分型辨识样本结构，并将其同欧拉型辨识样本结构进行了对比；采用积分型辨识样本结构，使用最小二乘支持向量机（LSSVM）对水下运载器的平面线性、非线性和六自由度动力学模型进行了参数辨识，并进行了水下运载器的水平面非线性和六自由度非线性动力学辨识建模；通过水动力导数的灵敏度分析，讨论了水动力导数的灵敏度值同其辨识精度之间的关系；使用直接方法进行了水动力导数灵敏度分析，以水下运载器NPSII 为研究对象，对其六自由度运动模型进行了简化。应用支持向量机建立了由控制力及环境干扰力到运动量的隐性映射关系，对水下运载器动力学模型进行黑箱建模，开发了支持向量机的在线学习功能，并应用于水下运载器的运动控制。设计了基于支持向量机的水下机器人航向逆模型控制系统，为提高控制精度，在闭环系统中增加了一个PID控制回路，设计了一类基于LSSVM-PID的水下机器人航向复合逆控制系统。将支持向量机与内模控制相结合，设计了一类基于LSSVM的水下机器人航向保持内模控制，数值仿真结果表明了支持向量机方法在水下运载器控制器设计中的有效性。.比照研究计划和预期研究成果，本项目较好地完成了研究任务，达到了预期目标。通过本项目的研究，自主开发得到了基于支持向量机的水下运载器动力学建模和运动实时预报方法，为水下运载器动力学建模和运动预报及其控制设计中的相关水动力研究提供了新的有效手段。在本项目资助下，共发表29篇学术论文，其中期刊论文17篇（含5篇国际期刊），会议论文12篇。SCI/EI收录7篇，EI收录11篇，国内核心期刊4篇。在本项目的资助下，共培养2名博士生，2名硕士生。在项目实施过程中积极开展了国内外合作与学术交流，项目组成员多次参加国际学术会议，在会议上宣读论文并参与交流；此外，还邀请国际著名学者Incecik教授及Qing Xiao博士到福州大学进行学术交流。