向 军 陈永冰 李文魁

（海军工程大学电气工程学院 武汉 430033）

1 引言

随着航运事业的发展，对船舶航向航迹控制的要求越来越高，而研究船舶操纵性与控制问题的基础是建立船舶运动数学模型［1］。这些模型中含有未知参数，考虑到船舶作为一个整体系统具有典型的时变非线性，即船舶载重、吃水、航速等发生变化时，其模型参数也会随之改变。因此采用系统辨识的方法实现对船舶航行过程中的未知模型参数的在线辨识具有重要意义。

目前，常用的辨识算法包括最小二乘法、最大似然估计、卡尔曼滤波、神经网络［2～3］、支持向量机［4～5］等；赵大明［6］等将船舶运动模型参数当作变量，建立增广状态方程并结合扩展卡尔曼滤波算法进行参数辨识，取得了良好的辨识效果；秦操［7］利用无迹卡尔曼滤波在非线性系统滤波中的精确性，将其应用了到三体船的MMG运动数学模型参数辨识中；秦余钢等［8］引入一种新的学习率对递推最小二乘算法进行改进，提高了船舶操纵性参数辨识的精度和速度；张显库等［9］提出一种基于正弦函数处理非线性新息的最小二乘算法，改进了最小二乘算法的准确性；褚式新等［10］采用极大似然法辨识水面无人艇的操纵响应模型参数，利用辨识结果对无人艇的操纵性进行了精准预报；谢朔等［11］针对船舶操纵运动模型参数辨识问题，将最小二乘向量机递推算法中的单新息扩展为多新息，提高了辨识精度；以上研究重点集中在辨识数据激励充分的条件下，提高参数辨识的精度，而对辨识数据欠激励的情况考虑不足。……