六自由度白箱模型辨识与海浪荷载预测🔥🏆

理论模型在动力特性分析和自动控制等研究中起到了至关重要的作用，一方面要满足精度需求体现关键过程，另一方面又要足够简化以适应理论推导需求。海洋浮式结构物受到包括风浪流在内的复杂海洋动力环境影响，其系统动力特性呈现非线性、随机性和不确定性的特点。研究模型辨识可为水面浮式结构物的操纵性和作业性分析、位姿控制、数字孪生、智能决策、风险分析等领域研究的提供支撑。

根据是否将模型进行显式表达，系统辨识研究通常分为白箱方法、黑箱方法和二者结合的灰箱方法。白箱模型是基于经典力学理论，通常将系统简化到关注的自由度上，利用回归方式求解。为提高计算速度，此过程通常模型形式较为简单（例如水平面船舶的以自由度Nomoto模型和动力定位系统的三自由度模型），易丢失部分关键非线性部分（例如船浪耦合效应）。黑箱方法通常采用机器学习方法，尽管可以较好保证复杂动力学部分，却难以收集足够数据用以训练，最终模型可信度存在一定争议。

本文针对基于运动姿态的水面浮式结构物模型辨识问题，首次提出六自由度结构-海浪耦合模型辨识方法，同时实现模型的辨识和海浪力的估计。采用大量非线性项改写成线性形式的方法，将非线性模型辨识问题改写成线性模式问题，引入稀疏回归的方式，综合考虑海浪、锚固、螺旋桨推力等复杂动力因素。其具有候选方程的构造随意的优点，可选取大量方程以减少漏项可能。基于辨识结果，可预测短时波浪力和结构物响应。算法通过水池缩尺实验得到验证。

相关研究成果以“Data-driven simultaneous identification of the 6DOF dynamic model and wave load for a ship in waves”为题发表在国际期刊《机械系统与信号处理》（《Mechanical Systems and Signal Processing）上。该项目得到了国家自然科学基金和挪威研究理事会的资助。文章入选ESI高被引论文、ESI热点论文。

[论文下载]