[发明专利]一种船舶操纵运动ADAM局部加权回归辨识建模方法

权利要求书

1.一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征在于，包括以下步骤：

S1：数据准备与处理；采集船舶航行参数数据即舵角、转速[δ,n]，以及相对应得船舶运动状态即前进速度，横移速度，转艏角速度[u,v,r]，处理数据[X,Y,N]，船舶运动力与力矩即前进力，横移力，转艏力矩，三部分组成训练样本；

S2：选择三自由度船舶运动数学模型为辨识对象，根据船舶操纵运动数学模型中船舶所受力矩与力和船舶运动状态确定辨识方法的局部模型为线性回归模型，输入为[δ,n,u,v,r]，输出为[X,Y,N]；

S3：以所述输入和输出为训练样本，以线性回归模型为基础，用局部加权回归方法构建船舶操纵运动模型；对局部加权进行优化训练，使模型达到精度要求；

S4：根据某时刻船舶运动状态通过局部加权预测下一时刻船舶运动状态以实现船舶运动动态仿真；

所述S2中线性回归模型为式(1)形式；输入变量为：x＝[δ,n,u,v,r]^T，x_i＝[x_i1,…,x_in]^T；输出变量为：y＝[X,Y,N]，y_i＝[y_i1,…,y_in]^T；n为样本数量，i＝1,…,5为样本维数；参数矩阵为β＝[β₁,β₂,β₃]，β_i＝[β₁,β₂,…,β₅]^T：

y＝x^Tβ    (1)

所述S3中局部加权进行优化训练包括以下步骤：

步骤S31：给出式(1)的局部模型；训练数据：输入x＝[δ,n,u,v,r]^T，输出

y＝[X,Y,N]；

步骤S32：计算训练数据集中每个训练点x_i与查询点x_q间距离d(x_q,x_i)；

步骤S33：计算训练点对查询点的权重W，并给局部模型加权；

步骤S34：求解局部模型参数通过计算查询点对应的预测值

步骤S35：通过预测值与真实值y计算目标函数J；

步骤S36：通过优化方法对J进行经验风险最小化优化；

步骤S37：输出符合S36的最优局部加权训练结果；

所述步骤S32的距离为描述数据与待辨识模型之间的关联性，对于数据集中两点m,n的距离d(m,n)满足：

均符合局部加权回归中距离；

所述S33的权重函数W只要满足

W(x_i,x_q)＝φ(x_i),φ(x_q)     (3)

均符合局部加权回归中对权重函数的要求；

其中，φ(x):表示x从输入空间到特征空间的映射；·,·表示内积运算。

2.根据权利要求1所述的一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征还在于：所述S35的目标函数J只要满足式(4)：

为非负可测函数，即量化预测输出和样本真值y间的差异，均符合局部加权回归中的目标函数要求；其中，θ表示模型参数。

3.根据权利要求1所述的一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征还在于：所述S3中局部加权进行优化训练和S36中的优化方法为：满足使式(5)

达到最小化的方法，均为局部加权回归对优化方法的范畴。

4.根据权利要求1所述的一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征还在于：所述S3和S36中的优化方法具体为ADAM算法：

其中，h为优化目标，一阶矩估计m和二阶矩估计n如下表示：

这里,α指学习率或步长因子以控制优化学习收敛快慢，ε是避免计算产生奇异的设计参数，是目标函数的梯度；其中，μ，υ∈[0,1)是一阶矩估计和二阶矩估计指数衰减率。

5.根据权利要求1所述的一种船舶操纵运动ADAM局部加权回归辨识建模方法，其特征还在于：所述步骤S4中通过局部加权预测下一时刻船舶运动状态包括以下步骤：

步骤S41：给出最优局部加权训练结果、输入

步骤S42：计算训练数据集中每个训练点x_i与输入间距离

步骤S43：通过距离计算训练点对查询点的权重W，并给局部模型加权；

步骤S44：求解局部模型参数通过计算查询点对应的预测值

步骤S45：通过求解船舶动力学方程得到下一时刻t_k+1船舶在空间运动的轨迹和姿态

步骤S46：直至到达[δ_c,n_c]所对应的船舶运动状态x^(t)＝[δ_c,n_c,u,v,r]^T，