基于遗传算法的水面无人艇操纵响应模型参数辨识仿真研究

为实现水面无人艇(Unmanned Surface Vessel, USV)的操纵性预报，针对USV二阶非线性操纵响应模型，提出了一种基于遗传算法(Genetic Algorithms, GA)的辨识方法用于辨识模型参数。首先在仿真平台采用龙格库塔法(Runge-Kutta)开展Z型操纵仿真实验，基于差分离散法设计辨识模型，构造辨识模型适应度准则函数，初始种群在经过数代选择、交叉、变异后逐渐收敛至最优解，通过其收敛值计算模型辨识结果。辨识结果在精度和收敛性上均优于粒子群(Particle Swarm Optimization, PSO)算法，且在仿真试验情况下最大辨识误差率为4.19%,仿真试验验证了辨识结果的有效性和泛化性。GA是一种有效的高精度辨识算法，且辨识精度优于PSO算法，辨识结果能有效预报水面无人艇的操纵性。