申请/专利权人：哈尔滨工程大学

申请日：2021-08-03

公开（公告）日：2024-04-12

公开（公告）号：CN113704678B

主分类号：G06F18/27

分类号：G06F18/27;G06F18/213;G06F18/15

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.12.14#实质审查的生效;2021.11.26#公开

摘要：本发明提出了一种基于满秩分解的遗忘因子最小二乘模型参数辨识方法,使得欠激励数据对降维后的辨识模型重新满足激励条件，以保证跟踪时变参数和扰动时辨识结果的收敛性。通过设置死区确定降维的方式，同时削弱扰动在辨识过程的影响。将图二所示长时间欠激励,海洋环境干扰工况下实船数据用于航向模型参数辨识，对比FFLS和FRDLS算法辨识船舶操纵模型参数的辨识结果曲线和航向角速度预报误差曲线，可以发现满秩分解最小二乘法能有效抑制数据欠激励和存在海洋环境扰动时参数辨识过程中的漂移和发散问题，并提高参数辨识的精度，同时具有计算量小，实时性强，简单易实现的优点。

主权项：1.一种基于满秩分解的遗忘因子最小二乘模型参数辨识方法，其特征是：所述基于满秩分解的遗忘因子最小二乘模型参数辨识方法应用于智能船舶航向自适应控制器控制算法设计过程中的模型参数获取环节，具体包括以下步骤：步骤一：初始化待辨识原船舶航向模型参数向量，初始化原差方差阵，上一采样周期正交变化矩阵，满秩分解后的参数向量和方差阵；获取数据向量，设给定数据集：其中，hk＝[hk1,hk2,…,hkn]T为一次测量数据向量，令数据矩阵为H＝[h1,h2,…,hN]T∈RN×n，输出矩阵为Z＝[z1,z2,…,zN]T，则线性回归方程通过下式表示：Z＝Hθ+w以船舶航向模型参数辨识为例，船舶操纵运动模型采用一阶线性Nomoto模型： 式中：r为船体艏摇角速度，为艏摇角加速度，为船舶艏向角，δ为舵角，δd为海洋环境干扰力矩等效舵角，K、T为船舶回转能力和回转惯性参数，受到船舶载荷条件和航行速度的影响；为辨识做准备，将Nomoto模型整理为标准最小二乘形式； 为了加快参数辨识收敛速度，引入归一化因子和αr，令 选取输出量zk，参数向量θk，数据向量hk，下标k代表第k时刻 整理得最小二乘测量方程为：zk＝hkθk+wk步骤二：将当前采样周期的测量数据归一化，根据归一化后的数据向量和死区阈值求取当前采样周期正交变换矩阵；求取正交矩阵Vk，结合递推最小二乘法给出正交Vk的一种求解方法，设第k次测量数据{hk,zk}对应的变换矩阵为Vk＝[Vk1Vk2] 式中，ei为第i行为1，其余行为0的n维列向量，hs为死区阈值，用于削弱干扰的影响，hki为第k次测量数据向量的第i行数据，当i＝1,2,...,n时，有p＝1,2,...,r或q＝1,2,...,n-r，最终得 步骤三：更新满秩分解前船舶航向模型参数方差矩阵；若当前时刻正交变换矩阵与前一时刻相同，则直接更新满秩分解后船舶航向模型方差阵和船舶航向模型参数向量；否则对分解前方差阵进行满秩分解得到满秩分解后的船舶航向模型方差阵和船舶航向模型参数向量，并更新满秩分解后的船舶航向模型方差阵和船舶航向模型参数向量，根据新满秩分解后的船舶航向模型参数向量更新满秩分解前的船舶航向模型参数向量；满秩分解前，计算原系统方差 对原系统方差矩阵和参数向量进行满秩分解 遗忘因子最小二乘法更新满秩分解后得参数向量和方差向量 更新原系统参数向量 步骤四：重复步骤二到三直到船舶航向模型参数辨识结果的精度满足要求；判断辨识结束条件，计算数据新息为当Vk+1为单位阵且新息在误差运行范围内时结束辨识，否则循环步骤二到步骤三。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种基于满秩分解的遗忘因子最小二乘模型参数辨识方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD