智能辨识技术及其在物体出水水动力参数辨识中的应用研究

论文摘要

由于自由面和空泡的影响,物体穿越水面过程是一个强烈非定常流体力学问题,物体在这瞬变过程中将承受强烈的不定常流体动力载荷作用,这在工程设计上十分重要。但目前国内外对物体出水过程的水动力载荷还难以用试验手段或理论精确研究。本文设想利用现代辨识技术,从物体出水的弹道试验数据中并结合物体的动力学方程,对物体出水水动力系数进行建模。辨识技术在飞行器的线性气动参数辨识方面发展比较成熟,但对非线性气动参数的辨识还存在不少难点,而非线性流体动力系数的辨识与估计目前则还处于探索阶段。本文从物体出水水动力系数辨识的特点出发,在模型辨识、参数估计、试验设计和系统验证方面进行了相关研究工作。我们首先利用模糊系统研究了物体垂直出水非定常水动力系数的建模问题,然后利用粒子群优化算法PSO对水下航行体的多个定常水动力系数进行了模拟辨识,得到的结果与实际值相当吻合,证明了智能技术在水动力系数辨识中具有良好的工程应用价值和启发作用。但对于多维复杂的水动力系统,还需要进一步从非线性模型结构的优化、参数估计算法等方面进行改进。在模型辨识方面,我们专门研究了参数线性的非线性模型结构的选择技术及其算法。在Hilbert空间中提出并证明了一种新的双正交函数的前后向递推式,新的双正交函数可以给出任意函数在已知函数序列张成的子空间中的正交投影,特别是当张成子空间的函数序列扩大或缩小时,新的递推式可以快速给出在变化子空间中的新的正交投影,并且不需要求逆运算,也不需要Gram-Schmidt正交化技术。基于新递推式,本文提出了一个新的模型结构选择技术—逐步投影算法（SP）,SP是一个双向选择技术,它首先通过前向选择技术获得初始模型项集合,然后通过后向选择技术进一步从初始模型项集合中筛选出最优的模型项,最后同时给出模型结构和参数估计。SP不仅可以用于系统辨识,还可以用于数据压缩、信号的稀疏逼近等方面。在参数估计方面,由于通过引入辨识准则,水动力系数辨识问题可转化为非线性约束优化问题,因此我们专门研究了适合水动力系数辨识的智能优化算法。一般意义上的智能优化算法,如PSO、DE等都是无约束优化技术,本身缺乏明确的处理约束条件的机制,当它们用于约束优化问题时需要增加其它处理约束条件的手段,如惩罚函数法,但这会带来新的问题。我们在PSO、DE的启发下提出了一个改进的群体智能优化算法—差分群体智能算法DS,DS在算法的机制中结合了约束条件的影响,具有一定的自适应处理约束条件的能力。通过对IEEE CEC06上的24个约束优化基准测试函数的大量试验,并和其它进化算法的比较,证明了DS对约束优化问题具有良好的快速优化能力和通用性,适合用于水动力系数辨识。在试验设计方面,由于6自由度物体出水水动力系统过于复杂,我们设计了约束模型单平面斜出水的水动力测量试验,并结合约束模型在出水过程中不同阶段的物理特点,分别对约束模型全湿流的定常水动力系数、约束模型出水的轴向和法向的非定常水动力系数分别进行了建模与辨识。在系统验证方面,我们利用辨识的水动力系数对相近试验条件下的其它出水试验的水动力进行了预测,预测结果与实际测量结果相当一致,由此验证了出水水动力系数模型的合理性。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题背景
• 1.2 历史回顾及分析
• 1.2.1 模型辨识
• 1.2.2 参数估计
• 1.3 模型辨识的算法问题
• 1.3.1 模型的优选准则
• 1.3.2 模型结构的优选算法
• 1.4 参数估计的算法问题
• 1.4.1 参数估计准则
• 1.4.2 参数估计的优化算法
• 1.5 本文研究工作概述
• 1.6 本文的内容安排
• 第二章 基于TSK智能技术的物体垂直出水水动力系数辨识研究
• 2.1 引言
• 2.2 TSK模糊逻辑系统
• 2.3 基于TSK模糊逻辑系统的物体垂直出水系统辨识研究路线
• 2.4 基于TSK模糊逻辑系统的物体垂直出水系统辨识系统的构造和学习
• 2.5 仿真试验及分析
• 2.6 本章小结
• 第三章 水下航行体水动力系数智能辨识方法研究
• 3.1 水下航行体水动力系数辨识的意义和目的
• 3.2 水下航行体运动状态方程和观测方程
• 3.2.1 状态方程
• 3.2.2 观测方程
• 3.3 辨识方法
• 3.4 辨识算法
• 3.4.1 群体智能算法
• 3.4.2 水下航行体的水动参数智能辨识算法
• 3.5 仿真辨识实例
• 3.6 本章小结
• 第四章 非线性系统模型结构的选择技术
• 4.1 引言
• 4.2 线性空间的估计问题
• 4.2.1 数学模型
• 4.2.2 选择的标准
• 4.2.3 与模型F统计检验方法的等价性
• 4.2.4 模型结构选择的困难
• 4.3 OLS和OMP的简化算法
• 4.4 OLS和OMP的问题
• 4.5 逐步投影算法的一般描述
• 4.5.1 算法描述
• 4.5.2 修改后的Gram-Schmidt算法
• 4.6 正交投影的一般递推关系
• 4.6.1 一般的前向递推式
• 4.6.2 一般的后向递推式
• 4.7 正交投影的递推算法及参数计算方法
• 4.7.1 前向递推算法
• 4.7.2 后向递推算法
• 4.7.3 模型参数的计算
• 4.8 完整的SP算法
• 4.9 算例
• 4.10 本章小结
• 第五章 参数估计的智能优化算法
• 5.1 引言
• 5.2 可行区域的影响和DOM
• 5.3 相关的群体智能算法介绍
• 5.3.1 PSO算法
• 5.3.2 Differential Evolution（DE）算法
• 5.3.3 BareBone PSO算法
• 5.4 新的群体智能算法DS
• 5.4.1 启发式算法的分析
• 5.4.2 模拟鱼群觅食的过程及新算法DS
• 5.4.3 DS与PSO,DE的不同
• 5.5 DS自适应处理约束条件的原理分析及其参数选择
• 5.6 算法DSDOM的描述
• 5.6.1 DSDOM的算法框架
• 5.6.2 粒子的越界处理
• 5.6.3 人工函数的实例演示
• 5.7 试验及分析
• 5.7.1 试验设置及结果分析
• 5.7.2 获得的结果及其算法性质分析
• 5.7.3 收敛图
• 5.7.4 算法复杂性
• 5.8 本章小结
• 第六章 约束物体穿越水面的水动力测量试验
• 6.1 引言
• 6.2 试验方法简介
• 6.3 约束物体的状态方程组
• 6.4 基本假设与辨识准则
• 6.5 试验数据的选择和说明
• 6.6 试验数据预处理
• 6.7 本章小结
• 第七章 约束物体出水水动力系数辨识
• 7.1 建模技术的分析
• 7.1.1 数据分割技术
• 7.1.2 折线段逼近技术
• 7.1.3 TSK逻辑模糊系统
• 7.1.4 出水水动力系数的建模方法
• 7.2 模型带攻角全湿流水下运动的水动力系数辨识
• 7.2.1 定常水动力系数辨识
• 7.2.2 系统验证
• 7.3 模型出水过程轴向水动力系数的辨识
• 7.3.1 辨识要求满足的条件
• 7.3.2 模型出水过程的分阶段分析
• 7.3.3 特征距离的估计问题
• 7.3.4 各阶段的水动力系数辨识
• 7.3.5 试验验证
• 7.3.6 攻角的影响
• 7.4 模型出水过程法向水动力系数的辨识
• 7.4.1 法向水动力系数的辨识方法
• 7.4.2 模型出水过程的分阶段分析
• 7.4.3 辨识结果
• 7.4.4 结果验证
• 7.5 本章小结
• 第八章 结束语
• 致谢
• 参考文献
• 主要创新点
• 附录A:物体出水过程的状态方程组的推导
• 附录B:24个测试问题的定义
• 附录C:作者在攻读博士学位期间发表的论文