考虑到在船舶正常航行过程中采集的辨识数据存在难以满足持续激励的情况,基于多新息最小二乘法(Multi-Innovation Least Square Algorithm,MILS),利用奇异值分解技术处理协方差阵,提出一种改进的MILS船舶模型参数辨识算法。依据某船型...考虑到在船舶正常航行过程中采集的辨识数据存在难以满足持续激励的情况,基于多新息最小二乘法(Multi-Innovation Least Square Algorithm,MILS),利用奇异值分解技术处理协方差阵,提出一种改进的MILS船舶模型参数辨识算法。依据某船型参数进行仿真实验,利用实验数据进行模型参数辨识,对比多新息最小二乘法与改进算法的模型参数辨识结果,并根据辨识得到的参数进行船舶运动预报,验证算法的有效性。仿真结果表明,与多新息最小二乘法相比,改进的MILS辨识算法降低了船舶参数辨识对舵角输入信号的要求,使得在船舶航行过程中的小幅度短暂操舵情况下具有更高的辨识精度,为船舶的航向自适应控制奠定了基础。展开更多
文摘考虑到在船舶正常航行过程中采集的辨识数据存在难以满足持续激励的情况,基于多新息最小二乘法(Multi-Innovation Least Square Algorithm,MILS),利用奇异值分解技术处理协方差阵,提出一种改进的MILS船舶模型参数辨识算法。依据某船型参数进行仿真实验,利用实验数据进行模型参数辨识,对比多新息最小二乘法与改进算法的模型参数辨识结果,并根据辨识得到的参数进行船舶运动预报,验证算法的有效性。仿真结果表明,与多新息最小二乘法相比,改进的MILS辨识算法降低了船舶参数辨识对舵角输入信号的要求,使得在船舶航行过程中的小幅度短暂操舵情况下具有更高的辨识精度,为船舶的航向自适应控制奠定了基础。
