收藏本站
《哈尔滨工程大学》 2015年
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进粒子群优化的船舶纵摇和升沉运动参数辨识

崔若男  
【摘要】:随着经济水平的日益提升,海洋运输能力对各国发展愈来愈起到至关重要的作用,船舶运动模型研究的重要地位也就更加凸显了出来。掌握船舶运动模型是研究船舶操纵性能的必要基础,而经典方法求取的参数并不精确,参数辨识方法在获得船舶水动力参数时表现更加出色。粒子群算法(Particle Swarm Optimization,PSO)以其不同于以往经典辨识方法的独特性能闯入了人们的视野,简单易懂的理论、便捷的流程使它应用范围颇为广泛,越来越多领域的实践证明了它的稳定性和精度。本文引入元胞自动机原理对PSO算法进行优化,并将元胞PSO优化算法运用到船舶水动力参数辨识中,将它转化为一个寻优的过程。文章首先介绍了PSO算法的特点及基本原理,重点对不同的拓扑结构如何选择进行了实测比对,并阐述了参数的一般选取规律。之后说明了PSO算法的缺陷并引入元胞机制,设计了内、外元胞PSO算法两种改进形式。在改进后的算法中,粒子不仅仅要进行迭代前后的状态比较,还要与邻居的状态进行比较,有利于进行解空间局部信息的搜索,而且邻居函数与转移规则都会影响到搜索结果,粒子增加了自主性。通过两组对比实验采用用四个基准测试函数验证了两种方法在不同程度上弥补了基本算法的劣势,获取到了更加满意的最优解。随后,建立了船舶运动模型并离散化。对辨识方法进行了具体的设计,如初始化方法、速度域与搜索区域界定、输入函数与适应度值函数等,叙述了辨识方法的具体步骤。对舵角输入和海浪扰动输入建模,并且设计了巴特沃斯IIR型滤波器以增加输入信号的准确度。然后对船舶水动力参数进行辨识,在静水下和有海浪扰动的情况下分别进行有无噪声时的仿真实验,进行了结果比对与分析。仿真实验证明,基于改进的粒子群优化算法能够正确的辨识船舶纵摇和升沉运动水动力参数,为船舶水动力参数辨识提供了一种新的解决方案。最后总结全文,并对进一步的研究做出展望。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李宗民;;近水面单体升沉运动有限元研究与分析[J];中国水运(学术版);2008年01期
2 常伯浚;;活动基座对飞行器运动初始条件的影响[J];战术导弹技术;1982年01期
3 张荣沂;一种新的集群优化方法——粒子群优化算法[J];黑龙江工程学院学报;2004年04期
4 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期
5 李艳灵;李刚;;粒子群优化算法研究进展[J];重庆工学院学报(自然科学版);2007年05期
6 岳兴汉;薛云灿;蔡亮;;基于混沌思想的粒子群优化算法[J];河海大学常州分校学报;2007年04期
7 吕林;罗绮;刘俊勇;田立峰;;一种基于多种群分层的粒子群优化算法[J];四川大学学报(工程科学版);2008年05期
8 房靖;高尚;;不完全判断矩阵权值的粒子群优化算法计算[J];科学技术与工程;2009年19期
9 徐安;赵思宏;寇英信;黄俊;;基于混合粒子群优化的多目标决策新方法[J];火力与指挥控制;2010年01期
10 梁武;;改进的粒子群优化算法在结构优化中的应用[J];广东建材;2010年04期
11 冯雪;裴志松;;粒子群优化算法的研究与应用[J];吉林建筑工程学院学报;2011年03期
12 高立群;李若平;邹德旋;;全局粒子群优化算法[J];东北大学学报(自然科学版);2011年11期
13 赵成业;闫正兵;刘兴高;;改进的变参数粒子群优化算法[J];浙江大学学报(工学版);2011年12期
14 吴文欢;张少辉;李巍;吴烈阳;刘圣卿;;分阶段进化的粒子群优化算法[J];重庆理工大学学报(自然科学);2012年06期
15 李邓化;李金鳌;庞美飒;刘爱华;;基于惯性因子的混沌粒子群优化算法研究[J];北京信息科技大学学报(自然科学版);2012年05期
16 林金辉;张允洁;聂建强;徐大林;;基于粒子群优化的模糊交通控制器设计[J];指挥控制与仿真;2013年05期
17 祁超;张曦;刘焕杰;张荟萃;;云环境下多群体协作粒子群优化框架的研究[J];科技创新与应用;2013年36期
18 豆增发;;一种基于翻转角度的二进制粒子群优化算法[J];科技视界;2014年06期
19 左卫广;王永学;;驳船升沉运动和波浪联合作用对沉管管段运动特性的影响[J];水道港口;2013年02期
20 杨维,李歧强;粒子群优化算法综述[J];中国工程科学;2004年05期
中国重要会议论文全文数据库 前10条
1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年
4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年
10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
中国博士学位论文全文数据库 前10条
1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年
2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年
3 Shafiullah Khan;粒子群优化算法及其在电磁设计中的应用[D];浙江大学;2017年
4 易云飞;基于伊藤随机过程的粒子群优化算法及其应用研究[D];武汉大学;2015年
5 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年
6 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年
7 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年
8 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年
9 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年
10 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年
中国硕士学位论文全文数据库 前10条
1 崔若男;基于改进粒子群优化的船舶纵摇和升沉运动参数辨识[D];哈尔滨工程大学;2015年
2 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年
3 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年
4 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年
5 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年
6 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年
7 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年
8 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年
9 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年
10 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978