13、基于并发学习的神经网络自主水面舰艇动力学识别方法

基于并发学习的神经网络自主水面舰艇动力学识别方法

1. 引言

近年来，自主水面舰艇（ASVs）凭借低成本和高自主性，在海洋环境开发中发挥着关键作用。然而，由于模型不确定性、未建模动态以及风、浪和海流等外部干扰，ASV 的未知动力学不可避免。为了更精确地实现自主控制，必须识别 ASV 的合理动力学模型参数。

目前，已提出多种模型识别方法，主要分为离线识别和在线识别：
- 离线识别方法 ：包括频域方法、时域方法、混合扩展卡尔曼滤波、基于舰载传感器的识别等。但这些方法需要从舰载传感器收集大量数据并进行广泛实验。
- 在线识别方法 ：如干扰观测器、扩展状态观测器、基于模糊逻辑的识别方法和基于神经网络（NN）的识别方法等。其中，神经网络具有对非线性系统的通用逼近特性，但传统的 NN 权重自适应律在输入信号不满足持续激励（PE）条件时，无法保证输出权重收敛到理想权重，且 PE 条件在 ASV 上往往难以实现。

为解决上述问题，本文提出一种结合并发学习方法的基于 NN 的识别方法，以识别 ASV 的未知动力学。并发学习方法结合当前数据和记录数据，可消除 PE 条件。最后，基于 Lyapunov 理论和输入到状态稳定（ISS）理论，分析了该识别方法的有效性。

2. 预备知识和问题描述

2.1 符号说明

符号	含义
$|\cdot|$