改进二阶Nomoto模型

辨识误差仅1.46%

通过约束最小二乘算法抑制过参数化，提升了舰船操纵性模型的辨识精度与泛化能力。

钟一鸣 · 于曹阳 · 向巩 · 曹军军 · 向先波 · 连琏

2023

参数信息

回转性指数K辨识误差

1.46 %

艏向角泛化误差

5 °

技术优势

辨识误差大幅降低

回转性指数K的辨识误差仅为1.46%，远低于传统最小二乘和支持向量机算法。

泛化误差小

不同操纵试验下艏向角泛化误差均小于5°，模型对新工况适应性强。

应用场景

• 无人艇航控：为无人艇航控提供高精度操纵模型，提升路径跟踪与自主控制性能。
• 船舶操纵：用于船舶操纵性预报和控制器设计，提高操纵响应预测精度。
• 舰船模型辨识：为各类船舶提供更准确的模型参数，支撑仿真与控制系统开发。
• 海上运动预测：基于高精度模型预测船舶运动，辅助航行决策与避碰。