Esta tesis presenta la identificación de modelos lineales y no lineales de maniobra de buques. Se trata de un enfoque de caja gris en el que se conocen algunos de los parámetros de modelos de maniobra propuestos en la literatura en base a principios físicos. Se propone un nuevo esquema de identificación de modelos de maniobra no lineales basado en dos pasos. En este esquema, se selecciona la estructura del modelo y se estiman los parámetros, que exhiben una mayor incertidumbre, para después realizar un refinamiento de las estimaciones iniciales.
Las componentes de los modelos de maniobra no lineales, que presentan una mayor incertidumbre en su estimación, son las componentes de sustentación-arrastre y amortiguamiento viscoso. Para la selección de la estructura del modelo se aplica un método estadístico a estas componentes. En primer lugar, se plantea el modelo de amortiguamiento como una familia de modelos lineales estocásticos, que se postula sobre la base de un trabajo previo de la literatura (Ross, 2008). Después, se considera un problema de hipótesis anidada para la selección de la estructura. La prueba se reduce a una comparación recursiva de dos modelos de la familia, para los cuales existen pruebas óptimas en el sentido de Neyman. El método permite obtener una estructura de modelo preferente y una estimación inicial de sus parámetros. Alternativamente, con el método se puede obtener un conjunto de modelos reducidos. Utilizando datos de simulaciones, se evalua el método de selección cuando hay ruido no correlacionado y ruido correlacionado en las mediciones. El primer caso está relacionado con el ruido de los instrumentos, mientras que el segundo caso está relacionado con el movimiento inducido por las olas que a menudo se presentan durante las pruebas de mar.
El nuevo esquema de identificación basado en dos pasos, se puede aplicar a los datos de buques a escala real. En el primer paso se aplica el método stepwise, que utiliza modos de regresión y pruebas de hipótesis, para determinar la estructura del modelo y proporcionar estimaciones iniciales de los parámetros. En el segundo paso se utiliza un método de error de predicción no lineal con un filtro (UKF: Unscented Kalman Filter), para refinar los parámetros iniciales estimados en el primer paso.
El estimador propuesto, ha sido probado con éxito con datos simulados y con datos de buques a escala real.
Se ha desarrollado un Laboratorio Marino Remoto (hardware y software) que proporciona un entorno de experimentación para vehículos marinos válido para su utilización en investigación y educación. En esta plataforma de experimentación, se han realizado distintas pruebas de mar en un entorno no controlado, como es la Bahía de Santander, para la adquisición de datos y su posterior utilización en la estimación de parámetros de un modelo de maniobra lineal. El laboratorio cuenta con modelos físicos autónomos (a escala) de buques, que mantienen las características hidrodinámicas del buque original. Estos modelos físicos se controlan de forma remota, desde una estación en tierra, usando una red de comunicaciones Wi-Fi. Se dispone además, de instrumentos utilizados en los buques para la navegación, tales como: GPS, UMI, acelerómetros y girocompás. En otro orden de cosas, se discuten las posibilidades del Laboratorio Marino Remoto, que introduce nuevos objetivos de educación en ingeniería de control y construcción naval.
Por último, se ha propuesto el diseño de una señal de excitación a partir de una onda cuadrada, basándose en un enfoque de sensibilidad de los parámetros, alternativa a las maniobra de zig-zag estándar para la estimación de parámetros de modelos de maniobra lineales. Se han utilizado datos de simulaciones y datos reales capturados en ensayos en el Laboratorio Marino Remoto. Con el modelo estimado se ha optimizado un lazo de control de rumbo y se ha probado su funcionamiento en un sistema de guía con way points.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados