鄭秀麗，劉　勝，李　冰
哈爾濱工程大學自動化學院，黑龍江哈爾濱

摘　　　要：針對神經網絡存在結構較難確定、訓練易陷入局部較優以及容易過學習等問題和標準ＳＶＭ訓練速度較慢等問題，提出較小二乘支持向量機算法，較小二乘支持向量機算法（ＬＳ�玻樱郑停┚哂斜绕渌�非線性函數逼近方法具有更強的泛化能力；并且ＬＳ�玻樱郑筒捎脧较蚧�核函數，得到ＬＳＳＶＭ模型的待定參數比標準支持向量機少，僅為２個。將較小二乘支持向量機（ＬＳ�玻樱郑停�應用于全方位推進器周期螺距狀態推力系數和轉矩系數預報，與神經網絡預測的結果比較表明：較小二乘支持向量機對全方位推進器周期螺距狀態的推力系數和轉矩系數的預報結構的精度明顯高于采用ＢＰ神經網絡能進行預報的結果，預測效果好，能夠滿足工程應用的要求。

關　鍵　詞：較小二乘支持向量機；周期螺距狀態；全方位推進器；推力系數；轉矩系數

１　引　言
隨著海洋開發的深入發展，潛器的潛水深度不斷增加，使得潛器的組成機構趨于大型化，總重量增加，在使用方面受到很多制約。因此，潛器的小型化、輕量化變得越來越重要。全方位推進器（ＶａｒｉａｂｌｅＶｅｃｔｏｒＰｒｏｐｅｌｌｅｒ，ＶＶＰ） 就是基于上述情況開發出來的。對全方位推進器水動力性能的研究，到目前為止主要還限于敞水實驗，在計算上一般采用有限翼展機翼理論、升力線理論或升力面理論等方法進行預估，如難波直愛等關于全方位推進器開發的研究論文［１］，闡述了全方位推進器的概要，工作原理，準定常理論計算方法及水池實驗的結果；哈爾濱工程大學黃勝教授及其學生對全方位推進器的水動力性能進行了研究［２�玻矗荩瑢θ�方位推進器水動力性能的升力面預報方法、槳!對全方位推進器水動力性能的影響計算方法、全方位推進器槳葉的縱傾角對水動力性能的影響等方面進行了研究；劉勝教授及其學生在全方位推進器的螺距調節控制方面進行了研究［５�玻叮荩挥捎趥鹘y的升力線理論或升力面理論計算全方位推進器水動力，計算方法復雜，運算量很大，在潛器操縱控制中很難滿足實時性的要求，得不到令人滿意的結果。支持向量機（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓ，ＳＶＭ）是近幾年來應用于建模的一種新的學習方法，在解決小樣本、非線性及高維模式識別問題中表現出許多特有的優勢。支持向量機從理論上講得到的將是全局較優點，解決了在神經網絡中無法避免的局部極小值問題，而且ＳＶＭ的較優求解基于結構風險較小化思想，因此具有比其他非線性函數逼近方法具有更強的泛化能力。但是目前標準ＳＶＭ訓練速度較慢，因此一種改進的支持向量機算法—較小二乘支持向量機［７�玻梗莸玫搅藦V泛關注。本文主要研究全方位推進器周期螺距狀態的水動力系數預報，由于全方位推進器推力系數和轉矩系數與進速比Ｊ和螺距角Δθ之間是非線性關系，因此利用較小二乘支持向量機算法逼近該非線性關系，實現對全方位推進器周期螺距狀態推力系數和轉矩系數的預報。

登錄網站后可下載文件