戴运桃，刘利强，李 英

（哈尔滨工程大学 a.理学院；b.自动化学院，哈尔滨 150001）

1 引 言

船舶运动模型参数对船舶减摇、操纵等都有着重要影响。目前有很多方法用来估计水动力参数，例如切片理论[1]、细长船理论[2]、半经验主义[3]以及最近流行的参数辨识理论[4]。在1992年，Haddara等[5]从自由响应中获得随机衰减信号，并结合神经网络技术，对横摇单个自由度参数进行辨识，并将其扩展应用到横荡和艏摇耦合的方程[6]问题以及升沉和纵摇的耦合方程[7-8]参数辨识问题中。以上文献主要针对单个自由度或两个自由度的参数进行辨识，而船舶横向三个自由度的运动参数共有18个，各参数之间互相耦合，很难用理论计算或实验的方法准确获得全部参数，另外，在利用算法进行辨识时，过高的维数也会影响辨识精度。粒子群优化算法（Particle Swarm Optimization,PSO）[9-10]的基本思想是模拟自然界的鸟群行为来构造随机优化算法。通过大量实验证明其有较好的全局收敛性和稳定性，能求得常规辨识算法所不易获得的最佳参数估计。更重要的是由于PSO算法不用计算导数,对复杂的非线性模型方程是否连续，可微等都不作要求,并可以有效利用定性的专家经验，提高辨识精度和速度，因此算法简单通用，很容易被推广到高维、非定常的复杂水动力参数辨识问题上去,具有良好的工程实用价值[11-12]。本文将船舶横向运动的水动力参数辨识问题转化为优化问题，分析各水动力参数的敏感度特性，找出起重要作用并且灵敏度较高的若干主要参数，以及敏感度低的参数，利用分阶段PSO算法寻找最优参数，提高计算效率和辨识精度。……