一种无人船多参数粒子群辨识系统及方法

技术特征：
1.一种无人船多参数粒子群辨识系统，其特征在于，包括状态可测无人船和显控终端，所述状态可测无人船包括无人船和无人船状态监测装置，用于实时操控无人船航行、监测无人船的状态信息并上传至显控终端；所述显控终端上具有模型构建单元和辨识单元，所述模型构建单元建立无人船的三自由度运动模型，将转速指令输入至三自由度运动模型中获得三自由度无人船模型的仿真信息，并将仿真信息与无人船实际航行状态信息进行对比，获得前进速度误差信息、横漂误差信息和转艏角速度误差信息，然后建立目标函数以评价辨识参数优劣，所述辨识单元采用多目标粒子群算法寻找一组无人船模型参数使所述目标函数值最小，即得到无人船模型的最佳参数值。2.根据权利要求1所述的一种无人船多参数粒子群辨识系统，其特征在于，所述无人船为双螺旋桨式无人船，包括船体、电源模块、动力模块、数据通信模块和中央处理器模块，所述中央处理器模块通过数据通信模块接收显控终端下发的航行路径与请求数据命令，控制无人船按设定路径航行，并控制无人船状态监测装置获取无人船的状态信息；所述无人船状态监测装置包括数据采集模块和数据处理模块，所述数据采集模块包括多种传感设备，以采集无人船包括速度、加速度、螺旋桨转速、定位坐标、艏向角和航向角的状态信息，通过数据处理模块对获取到的信息进行处理后发送至中央处理器模块，然后通过中央处理器模块将无人船的状态信息上传至显控终端。3.根据权利要求2所述的一种无人船多参数粒子群辨识系统，其特征在于，所述电源模块采用大容量锂电池，通过电流计实现稳压与电流测量；所述动力模块采用双螺旋桨无刷电机作为推进器，通过差速实现转向；所述数据通信模块采用无线通信设备，通过轻量级消息传输协议mavlink实现与显控终端的实时信息交互；所述中央处理器模块为无人船的控制核心，主要承担各个模块的信息处理与交互，同时实现无人船的运动控制。4.根据权利要求2所述的一种无人船多参数粒子群辨识系统，其特征在于，所述数据采集模块通过加速计获取无人船的航行速度和加速度，通过霍尔传感器获取螺旋桨转速实际值，通过gps模块获取无人船的经纬度信息即定位坐标，通过电子罗盘获取艏向角信息，通过陀螺仪获取航向角信息，并将获取到的信息传输给数据处理模块；所述数据处理模块将获取到的信息通过卡尔曼滤波算法处理后打包发送至中央处理器模块。5.根据权利要求1所述的一种无人船多参数粒子群辨识系统，其特征在于，所述显控终端包括计算机和安装于计算机上的参数辨识软件模块，所述参数辨识软件模块主要由控制单元、显示单元、模型构建单元和辨识单元组成，用户通过控制单元控制无人船的航行路径，并通过显示单元实时显示无人船的状态信息；所述模型构建单元建立无人船的三自由度运动模型，将转速指令输入至三自由度运动模型中获得三自由度无人船模型的仿真信息，包括仿真前进速度、仿真横漂速度和仿真转艏角速度，并将仿真信息与无人船实际航行状态信息进行对比，获得前进速度误差信息、横漂误差信息和转艏角速度误差信息，然后建立目标函数以评价辨识参数优劣；所述辨识单元采用多目标粒子群算法寻找一组无人船模型参数使所述目标函数值最小，即得到无人船模型的最佳参数值，从而实现对无人船模型参数的辨识。6.根据权利要求1所述的一种无人船多参数粒子群辨识系统，其特征在于，所述模型构建单元建立了一种fossen三自由度无人船模型，其表达式为：
其中，u、v、r分别为无人船的纵荡速度、横荡速度和转艏速度，m为无人船的质量，i
z
为z轴的惯性矩，分别为纵向和横向附加质量，为附加转动惯量，x
u
、y
v
、y
r
、n
v
、n
r
为线性水动力阻尼系数，x
|u|u
、y
|v|v
、y
|r|v
、y
|v|r
、y
|r|r
、n
|v|v
、n
|r|v
、n
|v|r
、n
|r|r
为非线性水动力阻尼系数，c和d为无人船螺旋桨推力系数，d
p
为螺旋桨到无人船中轴的距离。7.一种基于权利要求1-6任一项所述系统的无人船多参数粒子群辨识方法，其特征在于，所述辨识单元采用多目标粒子群算法对无人船模型参数进行辨识，包括以下步骤：初始化粒子群与档案集：在搜索空间里随机产生m个粒子作为初始种群，将该种群定义为模型中需要辨识的未知参数，计算各粒子目标函数值，根据pareto支配原则得到初始archive档案集；搜寻引导粒子：从初始archive档案集中，根据自适应超网格法对粒子拥挤度进行估计，利用密度信息，结合轮盘赌法选取引导粒子；更新粒子群与档案集：根据速度和位置迭代公式更新每个粒子，继续计算各粒子目标函数值，更新archive档案集，并寻求引导粒子与个体历代最优；循环更新粒子群与档案集直至达到仿真信息与实测航行状态信息误差最小时，根据选取策略，从最终档案集中选取相对最优解作为模型参数值。8.根据权利要求7所述的一种无人船多参数粒子群辨识方法，其特征在于，所述多目标粒子群算法在dim维的搜索空间对粒子群初始化，生成m个初始粒子：x＝rand(m,dim)*(x
max-x
min
) x
min
式中，x
max
和x
min
为粒子群搜索空间的上界和下界，rand(m,dim)为产生m个dim维的粒子，粒子每个元素均为[0,1]之间的随机小数；从初始化粒子群中，根据pareto支配原则，求出一组非劣解；寻求引导粒子：将目标函数空间等分为n1×
n2×
n3网络，其中第i个目标的网络模长n
i
为：n
i
＝(f
imax-f
imin
)/n,(i＝1,2,3)式中，f
imax
、f
imin
为粒子在第i个目标函数上的极大值和极小值，n为archive档案集当前迭代中成员个数；
非劣解在网格空间的位置p
i
为：p
i
＝mod((f
l,i-f
imin
)/d
i
) 1式中，f
l,i
为第l个非劣优解对应的第i个目标函数值，mod为取整函数，由此求出每个网格内包含的非劣解个数；将一个网格中内的非劣解个数作为粒子的分布密度信息，并结合轮盘赌选取分布密度最小的粒子引导粒子；更新粒子群与档案集：重复采用如下公式更新每个粒子的速度和位置：式中，v
i
(k 1)为k 1次迭代时的第i个粒子的速度，w为惯性因子，c1和c2分别为个体学习因子和全体学习因子，rand()为产生0-1之间随机数函数，为k次迭代时第i个粒子的历史最优位置，x
gbest
(k)为k次迭代时所有粒子的历史最优位置，即当前引导粒子；在最终档案集中选取相对最优解的选取公式：式中，n为最终档案集中成员个数，d为档案集中所有解到各目标函数的距离之和，选取使d最小的粒子作为模型参数值。9.根据权利要求7所述的一种无人船多参数粒子群辨识方法，其特征在于，所述自适应超网格法的实现方法为：对于k维目标空间的自适应网格，将目标空间等分为n1×
n2×…×
n
k
网格，其中第i个目标的网络模长n
i
＝(f
imax-f
imin
)/n,(i＝1,2,3)，其中，f
imax
、f
imin
为粒子在第i个目标函数上的极大值和极小值，n为archive档案集当前迭代中成员个数；非劣解在网格空间的位置p
i
可确定为p
i
＝mod((f
l,i-f
imin
)/d
i
) 1，其中，f
l,i
为第l个非劣优解对应的第i个目标函数值，mod为取整函数，由此可以求出每个网格内包含的非劣解个数，将一个网格中内的非劣解的个数作为粒子的分布密度信息，选取分布密度最小的粒子引导粒子。10.根据权利要求7所述的一种无人船多参数粒子群辨识方法，其特征在于，所述目标函数将相同输入量的无人船模型输出值，与无人船状态监测装置测到的无人船实际输出值进行比较，得到一个可以评价当前模型参数准确度的数值，该数值越小时，当前辨识出的模型参数越好，其形式如下：

技术总结
本发明涉及一种无人船多参数粒子群辨识系统及方法，该系统包括状态可测无人船和显控终端，状态可测无人船包括无人船和无人船状态监测装置，用于实时操控无人船航行、监测无人船的状态信息并上传至显控终端；显控终端上具有模型构建单元和辨识单元，模型构建单元建立无人船的三自由度运动模型，并输入转速指令获得无人船模型的仿真信息，并将仿真信息与无人船实际航行状态信息进行对比，获得前进速度误差、横漂误差和转艏角速度误差信息，然后建立目标函数以评价辨识参数优劣，辨识单元采用多目标粒子群算法寻找一组无人船模型参数使目标函数值最小，即得到无人船模型的最佳参数值。该系统及方法有利于快速、准确地对无人船模型参数进行辨识。模型参数进行辨识。模型参数进行辨识。


技术研发人员：黄鹏 闫景辉 施晓成 黄宴委
受保护的技术使用者：福州大学
技术研发日：2022.08.23
技术公布日：2022/11/18