基于动态遗忘因子递推最小二乘算法的船舶航向模型辨识

孙功武，谢基榕，王俊轩

(中国船舶科学研究中心 深海载人装备国家重点实验室，江苏 无锡 214082)

0 引言

船舶是一个典型的时变系统，其模型参数会随航行环境和工况的变化而变化。采用辨识方法获取船舶航行过程中不确定的模型参数，可以为船舶的特性研究和控制策略设计奠定重要基础。传统的参数辨识方法主要有极大似然法、递推最小二乘(Recursive Least Squares, RLS )算法、卡尔曼滤波法等[1-5]。其中，RLS算法的计算量小，且不需要估计变量的任何统计特性，应用非常广泛。文献[3]将RLS算法应用在电机电感、电阻等参数的辨识中，然后通过实验验证了该算法的准确性和实时性，非常适用于参数的在线辨识。文献[4]采用RLS算法在线辨识水下机器人的模型参数，并根据辨识结果修正控制器参数，以提高机器人的控制效果。为改善RLS算法的性能，文献[6]提出了一种能同时获得较高辨识精度和收敛速度的变遗忘因子RLS算法，由于该算法仅根据当前的残差对遗忘因子进行在线调整，导致调整量计算易受到噪声干扰的影响。经过多年的研究发展，还出现了广义最小二乘法、正交最小二乘法、偏最小二乘法等改进算法[7-9]，使参数辨识的适用领域得到进一步拓展，然而这类算法对噪声的鲁棒性不强，难以在复杂非线性系统中获得高精度的辨识效果。近年来，智能算法的发展为参数辨识提供了新的途径。文献[10]将建筑物热模型的参数辨识问题转化为参数最优化问题，然后采用进化算法对模型参数进行寻优，利用该算法优越的全局搜索能力和对噪声的强鲁棒性实现了模型参数的高精度求解，但进化算法实现的复杂度要远大于RLS算法。……