【《船舶操纵运动的数学模型研究的国内外文献综述》4200字】

船舶操纵运动的数学模型研究的国内外文献综述目录TOC\o"1-3"\h\u19366船舶操纵运动的数学模型研究的国内外文献综述 ][]AbkowitzM.Measurementofhydrodynamiccharacteristicfromshipmaneuveringtrialsbysystemidentification.TransactionsofNavalArchitectsandMarineEngineers,1980,88:283-318.[]邹早建,吴秀恒.船舶操纵性非线性KT方程参数的辨识[J].武汉水运工程学院学报,1985(03):11-22.[]SelvamR.P.,BhattacharyyaS.K.andHaddaraM.R.,Afrequencydomainsystemidentificationmethodforlinearshipmanoeuvring[J].InternationalShipbuildingProgress,52(1):5-27,2005.[]BhattacharyyaS.K.andHaddaraM.R.,Parameteridentificationfornonlinearshipmanoeuvring[J].JournalofShipResearch,50(3):197-207,2006.现代的灰箱辨识建模主要包括支持向量机，神经网络和粒子群算法等智能算法。刘祖源[[]刘祖源,张谢东,吴秀恒.船舶操纵性能预报的人工神经网络方法[J].武汉交通科技大学学报,1997(01):3-7.]提出了一种使用反向传播神经网络来识别船舶操纵性指标的方法，并对其进行了预报验证。程启明[[]程启明,万德钧,吴峻,马壮.船舶操纵的高斯势函数神经网络PID控制器研究[J].东南大学学报,1998(06):140-145.]使用基于高斯势函数的神经网络的方法对时变状态下的非线性船舶操纵运动方程进行了参数辨识。Haddara小组[[]HaddaraMR,WangY.Parametricidentificationofmaneuveringmodelsforships.InternationalShipbuildingProgress,1999,46(445):5-27.]使用神经网络的方法辨识了船舶操纵运动数学模型中的水动力导数，该方法使用的数据量较少，并且减少了传统参数辨识会出现的参数漂移。Luo[[]刘祖源,张谢东,吴秀恒.船舶操纵性能预报的人工神经网络方法[J].武汉交通科技大学学报,1997(01):3-7.[]程启明,万德钧,吴峻,马壮.船舶操纵的高斯势函数神经网络PID控制器研究[J].东南大学学报,1998(06):140-145.[]HaddaraMR,WangY.Parametricidentificationofmaneuveringmodelsforships.InternationalShipbuildingProgress,1999,46(445):5-27.[]LuoW,ZhangZ.ModelingofShipManeuveringMotionusingNeuralNetworks.JournalofMarineScienceandApplication,2016,15(4):426-432.支持向量机（SupportVectorMachines，SVM）是一种新出现的船舶操纵运动智能辨识建模技术，以最小化结构风险为准则，解决了有限样本学习时模型泛化性弱的问题。张心光[[]张心光,邹早建,王岩松.基于支持向量回归机和粒子群算法的船舶操纵运动模型辨识[J].船舶力学,2016,20(11):1427-1432.]用粒子群算法优化了SVM的惩罚因子，并用该方法辨识了船舶操纵运动的水动力参数提高了其辨识精度。ZhuM[[]ZhuM,HahnA,WenYetal.Identificationbasedsimplifiedmodeloflargecontainershipsusingsupportvectormachinesandartificialbeecolonyalgorithm.AppliedOceanResearch,2017,68:249--261.]为解决SVM对惩罚因子敏感度强的问题，用蜂群算法弱化了其敏感度，进而对船舶操纵运动数学模型的流体动力系数进行辨识。谢朔[[[]张心光,邹早建,王岩松.基于支持向量回归机和粒子群算法的船舶操纵运动模型辨识[J].船舶力学,2016,20(11):1427-1432.[]ZhuM,HahnA,WenYetal.Identificationbasedsimplifiedmodeloflargecontainershipsusingsupportvectormachinesandartificialbeecolonyalgorithm.AppliedOceanResearch,2017,68:249--261.[]谢朔,初秀民,柳晨光,吴青.基于改进LSSVM的船舶操纵运动模型在线参数辨识方法[J].中国造船,2018,59(02):178-189.Zhang[[]GuoqingZhang,XiankuZhang,HongshuaiPang.Multi-innovationauto-constructedleastsquaresidentificationfor4DOFshipmanoeuvringmodellingwithfull-scaletrialdata[J].ISATransactions,2015,58.]为避免传统多信息最小二乘法中繁琐的求逆运算，提出转型多新息最小二乘法，对四自由度的船舶运动状态下的实船数据进行模型辨识。Yin[[]YínJ,ZouZ,XuF.ParametricidentificationofAbkowitzmodelforshipmaneuveringmotionbyusingpartialleastsquaresregression.JournalofOffshoreMechanicsandArctic.Engineering,2015,173(3):031301-1-031301-8.]运用偏最小二乘法对整体型运动模型进行了参数辨识研究，解决了船舶操纵水池试验数据高维和多重共线性严重的问题。戴运桃[[[]GuoqingZhang,XiankuZhang,HongshuaiPang.Multi-innovationauto-constructedleastsquaresidentificationfor4DOFshipmanoeuvringmodellingwithfull-scaletrialdata[J].ISATransactions,2015,58.[]YínJ,ZouZ,XuF.ParametricidentificationofAbkowitzmodelforshipmaneuveringmotionbyusingpartialleastsquaresregression.JournalofOffshoreMechanicsandArctic.Engineering,2015,173(3):031301-1-031301-8.[]戴运桃.粒子群优化算法研究及其在船舶运动参数辨识中的应用[D].哈尔滨工程大学,2010.郑涵[[]郑涵,俞孟蕻,袁伟.基于反馈粒子滤波的船舶模型参数辨识[J].中国舰船研究,2019,14(03):158-162+178.]建立了一艘挖泥船的船舶运动数学模型，分离得到船舶的纵荡、横荡以及艏摇运动模型，并结合系统辨识理论和反馈粒子滤波算法来对辨识模型中的未知参数进行仿真实验,进而得到待辨识的参数值。蒋帆[[]蒋帆,徐海祥,余文瞾,李文娟.基于自适应重组遗传算法的动力定位船舶水动力参数辨识[J].武汉理工大学学报(交通科学与工程版),2019,43(02):276-280.]设计了一种自适应重组遗传算法，来解决从动力定位船的水动力参数确定和传统的遗传算法在收敛速度和解的质量之间存在矛盾的问题，经过辨识仿真试验得到基于MMG模型的水动力参数，并与传统遗传算法以及自适应遗传算法得到的辨识结果进行对比，结果显示经设计的自适应重组遗传算法能够保证收敛速度，同时保证辨识结果精度有一定幅度地提高。梁松[[[]郑涵,俞孟蕻,袁伟.基于反馈粒子滤波的船舶模型参数辨识[J].中国舰船研究,2019,14(03):158-162+178.[]蒋帆,徐海祥,余文瞾,李文娟.基于自适应重组遗传算法的动力定位船舶水动力参数辨识[J].武汉理工大学学报(交通科学与工程版),2019,43(02):276-280.[]梁松.基于矩心粒子群算法的船舶纵向运动参数辨识[D].大连海事大学,20RPE算法现状RPE算法是一个较现代的辨识状态空间模型的方法，由当代著名控制论学者Ljung提出[[]LjungL,Theoryandpracticeofrecursiveidentification.USA:TheMITPress,1983]。周蔚吾[[]ZhouW.W.andBlankeM.Identificationofaclassofnon-linearstatespacemodelsusingRPEtechniques.[J]IEEETrans.Automaticcontrol34(3),1989]和Blanke等将线性RPE理论方法结合“非线性滤波”理论，扩展到非线性预报误差法(NonlinearRecursivePredictionError,NRPE)，并利用由丹麦船舶技术研究所水池试验数据，成功应用于船舶的线性和非线性数学模型参数辨识，取得了较好的辨识结果。之后，Saelid[[]Saelids.etal.Designconsidcrations,analysisandpracticalexperiencewithanadaptiveship'sautopilot.Proc.ofIPAC9thWorldCongress.Budapest.pp.2895-2900,1984][]LjungL,Theoryandpracticeofrecursiveidentification.USA:TheMITPress,1983[]ZhouW.W.andBlankeM.Identificationofaclassofnon-linearstatespacemodelsusingRPEtechniques.[J]IEEETrans.Automaticcontrol34(3),1989[]Saelids.etal.Designconsidcrations,analysisandpracticalexperiencewithanadaptiveship'sautopilot.Proc.ofIPAC9thWorldCongress.Budapest.pp.2895-2900,1984田社平[[]田社平,蔡萍.基于RPE算法的二阶测试系统特性参数估计[J].电气电子教学学报,2008(04):1-3.]使用RPE算法测定二阶测试系统的特性参数，并给出了数值计算结果，表明了其估计准确度，并将RPE算法引入到人工肌肉系统[[]田社平,丁国清,颜德田,林良明.人工肌肉系统神经网络建模与控制[J].中国生物医学工程学报,2003(04):300-308.]中，用其训练神经网络，证明其收敛性比BP神经网络速度快的特点。[]田社平,蔡萍.基于RPE算法的二阶测试系统特性参数估计[J].电气电子教学学报,2008(04):1-3.[]田社平,丁国清,颜德田,林良明.人工肌肉系统神经网络建模与控制[J].中国生物医学工程学报,2003(04):300-308.李鸿儒[[]李鸿儒,顾树生.一种递归神经网络的快速并行算法[J].自动化报,2004(04):516-522.][]李鸿儒,顾树生.一种递归神经网络的快速并行算法[J].自动化报,2004(04):516-522.RPE算法作为一种传统的灰箱建模方法，具有收敛速度快的优点，但是也有依赖初值和参数漂移的缺点。1.2.4参数漂移现状Hwang[[]HwangW.-Y.,Cancellationeffectandparameteridentifiabilityofshipsteeringdynamics[J].InternationalShipbuildingProgress,1982,26:90-120.]使用细长体理论阐明线性流体动力系数漂移的内在机理是动力相消效应，但并未对非线性流体水动力导数的参数漂移进行研究。对于线性的水动力系数的漂移情况，提出了采用分批辨识、并行处理、过大过小估计和参数变形的方法，但依旧无法完全消除参数漂移的现象。[]HwangW.-Y.,Cancellationeffectandparameteridentifiabilityofshipsteeringdynamics[J].InternationalShipbuildingProgress,1982,26:90-120.Yoon等[[]YoonHK,RheeKP.IdentificationofhydrodynamiccoefficientsinshipmaneuveringequationsofmotionbyEstimation-Before-Modelingtechnique[J].OceanEngineering,2003(30):2379-2404．]改变舵角激励并引入伪随机二进制序列信号作为激励输入，Yeon[[]YeonSM，YeoDJ，RheeKP．Optimalinputdesignfortheidentificationoflow-speedmanoeuvringmathe-maticalmodel[C]//ProceedingsoftheInternationalConferenceonMarineSimulationandShipManoeuvrability(MARSIM’06)[]YoonHK,RheeKP.IdentificationofhydrodynamiccoefficientsinshipmaneuveringequationsofmotionbyEstimation-Before-Modelingtechnique[J].OceanEngineering,2003(30):2379-2404．[]YeonSM，YeoDJ，RheeKP．Optimalinputdesignfortheidentificationoflow-speedmanoeuvringmathe-maticalmodel[C]//ProceedingsoftheInternationalConferenceonMarineSimulationandShipManoeuvrability(MARSIM’06).Netherlands:MIWB,2006:M12．Selvam等[[]SelvamRP,[]SelvamRP,BhattacharyyaSK,HaddaraMR.Afrequencydomainsystemidentificationmethodforlinearshipmanoeuvring[J].InternationalShipbuildingProgress,2005(52):5-27.Ishiguro等[[]IshiguroT,TanakaS,YoshimuraY.Astudyontheaccuracyoftherecentpredictiontechniqueofship’smanoeuvrabilityatearlydesignstage[C]//ProceedingsoftheInternationalConferenceonMarineSi