一种船舶航速智能控制方法技术

本发明专利技术提供的是一种船舶航速智能控制方法。将给定航速与船上的航速检测装置测得的实际航速进行比较，并将得到的航速误差送入常规PID控制器和小脑模型神经网络；船舶航速控制系统开始运行时，由常规PID控制器进行控制；常规PID输出控制信号Up送入到航速随动系统，直到航速误差为零；船舶航速控制系统中的小脑模型神经网络为前馈控制，实现被控制对象的逆动态模型，学习算法在每一控制周期结束时，利用总输出航速控制信号U与小脑模型神经网络输出信号Uc的差值来调整小脑模型神经网络的权值。本发明专利技术即发挥PID控制器设计简单，物理意义明确，又充分体现了小脑模型神经网络非线性映射能力强、实时性好、鲁棒性强等优点，使船舶航速控制系统具有更优的控制性能。

【技术实现步骤摘要】

本专利技术涉及的是一种船舶操纵控制方法，特别涉及一种船舶航速控制方法。
技术介绍
船舶综合自动化越来越受到人们的关注，而航速控制则是它的一个重要组成部分。船舶在海上航行时，由于外界风、浪、流等干扰，船舶航速必然会发生变化。目前，大多数船舶对航速的控制实际是开环控制，要人为地调整主机转速以保证航速不变，这是不容易做到并做不好的。对船舶航速进行自动控制是非常必要的，无论对军船还是民船都很有现实意义，它可以提高船舶的操纵性能、节省燃料，降低运营的成本。船舶航速除了同推进系统提供的推动力有关外，还同船体的形状、吃水深浅、海面风力大小、海浪高度和海水流速有关，它是一个复杂、时变非线性系统，传统的控制方法 (如PID控制)难以获得良好的控制效果。经对现有的技术文献检索发现，船舶航速控制方法主要集中在利用遗传算法整定PID参数及模糊控制。其中，利用遗传算法整定PID参数的船舶航速控制方法需要经过初始种群设置及复制、交叉、变异的复杂运算，导致控制系统的实时差，难以保证系统的稳定性；船舶航速模糊控制方法对于高精度的控制问题效果不理想，若要提高模糊控制精度意味着控制规则要足够的多，而这对于依赖领域专家知识总结控制规则的模糊控制器来说是困难的，这样便导致模型控制的稳态误差较大。
技术实现思路
本专利技术的目的在于提供一种能够改善船舶航速控制效果，小脑模型神经网络与常规PID复合控制的船舶航速智能控制方法。本专利技术的目的是这样实现的操纵人员根据船舶航速的需要，设定所需的给定航速。给定航速与船上的航速检测装置测得的实际航速进行比较，并将得到的航速误差送入常规PID控制器和小脑模型神经网络。当船舶航速控制系统开始运行时，由常规PID控制器进行控制，根据航速误差、航速误差变化率(航速误差的微分)、航速累积误差(航速误差的积分)实现航速控制所要求的控制规律，常规PID输出控制信号Up送入到航速随动系统，直到航速误差为零，完成闭环控制，保证系统的稳定性。而船舶航速控制系统中的小脑模型神经网络为前馈控制，实现被控制对象的逆动态模型，学习算法在每一控制周期结束时，利用总输出航速控制信号U(总输出航速控制信号U =常规PID输出控制信号Up+小脑模型神经网络输出信号Uc)与小脑模型神经网络输出信号Uc的差值来调整小脑模型神经网络的权值，目的是使总输出航速控制信号U与小脑模型神经网络输出信号Uc之差为最小，经过小脑模型神经网络的学习过程，小脑模型神经网络产生的输出信号Uc逐渐逼近总输出航速控制信号U,最终的总输出航速控制信号U由小脑模型神经网络产生，此时常规PID输出控制信号Up为零。本专利技术将小脑模型神经网络(CMAC，CerebellarModel Articulation Controller)与常规PID复合控制应用到船舶航速控制系统，即发挥PID控制器设计简单，物理意义明确，又充分体现了小脑模型神经网络非线性映射能力强、实时性好、鲁棒性强等优点，使船舶航速控制系统具有更优的控制性能。本专利技术的优点在于(1)小脑模型神经网络的加入使得控制效果比单独的PID控制具有更优的动态和稳态性能，既发挥了常规PID控制器设计简单，物理意义明确，又充分体现了小脑模型神经网络非线性映射能力强、实时性好、鲁棒性强等优点；(2)常规PID单独控制时，增益Kp的值在很大程度上决定着控制效果，而采用小脑模型神经网络与常规PID复合控制时，船舶航速控制效果不依赖Kp的值，Kp的值只需在一个合理的范围内即可，降低了控制器设计的难度。附图说明图1为船舶航速小脑模型神经网络与常规PID复合控制系统结构图；图2为海浪干扰及航速控制效果图。具体实施例方式下面结合附图举例对本专利技术做更详细的描述结合图1，船舶航速控制系统由小脑模型神经网络、常规PID控制器、船-机-桨系统、航速检测等部分构成。考虑到航速控制主要用于远航，船舶运行工况是长时间勻速航行，而不是主机大工况下运行，因此将整个船-机-桨系统作为一个整体考虑，从结构上简化了模型。船舶航速智能控制方法由常规PID控制器构成反馈控制，利用小脑模型神经网络产生前馈信号，实现小脑模型神经网络与常规PID的复合控制。船舶航速小脑模型神经网络与常规PID的复合控制算法初始化时，置小脑模型神经网络权值为零，小脑模型神经网络输出信号Uc = 0、总输出航速控制信号U =常规PID输出控制信号Up，此时船舶航速控制系统由常规PID控制器进行控制。小脑模型神经网络采用有导师的学习算法，每一控制周期结束时，计算出相应的小脑模型神经网络输出信号Uc并与总输出航速控制信号U相比较，修正权重，进入学习过程，目的是使总输出航速控制信号U与小脑模型神经网络输出信号Uc之差最小。通过小脑模型神经网络的学习，使常规PID产生的输出控制量Up逐渐为零，小脑模型神经网络产生的输出控制量Uc逐渐逼近控制器总输出U，最终常规PID输出控制信号Up为零，此时总输出航速控制信号U由小脑模型神经网络产生。船舶航速小脑模型神经网络与常规PID复合控制在一定程度上克服了常规控制器所不能避免的一些弊端，是控制效果得到提高。结合图2，为了比较船舶航速常规PID控制方法和小脑模型神经网络与常规PID复合控制的船舶航速控制方法，做了海浪有义波高H = 2m，浪向角a = 90°干扰作用下船舶航速的两组仿真实验，曲线①是采用常规PID控制方法得到的船舶航速仿真曲线，曲线② 是采用小脑模型神经网络与常规PID复合控制得到的船舶航速仿真曲线。通过仿真结果可以看出，在相同的海况干扰下，小脑模型神经网络的加入使得控制效果比单独的常规PID控制具有更优的动态和稳态性能。当船舶航速从12节变化到 14节，船舶常规PID航速控制的超调量增大，且出现了稳态误差，但小脑模型神经网络与常规PID复合控制的船舶航速控制，由于小脑模型神经网络的加入使得干扰作用下的航速控制系统很快地恢复稳定状态，减小了超调，加快控制响应速度，充分体现了小脑神经网络模型的特点，即输出误差小、实时性好、鲁棒性强等，整个控制过程航速平稳、稳态精度提高明Mo权利要求1. ，其特征是将给定航速与船上的航速检测装置测得的实际航速进行比较，并将得到的航速误差送入常规PID控制器和小脑模型神经网络；船舶航速控制系统开始运行时，由常规PID控制器进行控制，根据航速误差、航速误差变化率、 航速累积误差实现航速控制所要求的控制规律；常规PID输出控制信号Up送入到航速随动系统，直到航速误差为零；船舶航速控制系统中的小脑模型神经网络为前馈控制，实现被控制对象的逆动态模型，学习算法在每一控制周期结束时，利用总输出航速控制信号U与小脑模型神经网络输出信号Uc的差值来调整小脑模型神经网络的权值，经过小脑模型神经网络的学习过程，小脑模型神经网络产生的输出信号Uc逐渐逼近总输出航速控制信号U， 最终的总输出航速控制信号U由小脑模型神经网络产生，此时常规PID输出控制信号Up为零。全文摘要本专利技术提供的是。将给定航速与船上的航速检测装置测得的实际航速进行比较，并将得到的航速误差送入常规PID控制器和小脑模型神经网络；船舶航速控制系统开始运行时，由常规PID控制器进行控制；常规PID输出控制信号Up送入到航速随动系统，直到航速误差为零；船舶航速控制系统中的小脑模本文档来自技高网...

【技术保护点】
１．一种船舶航速智能控制方法，其特征是：将给定航速与船上的航速检测装置测得的实际航速进行比较，并将得到的航速误差送入常规ＰＩＤ控制器和小脑模型神经网络；船舶航速控制系统开始运行时，由常规ＰＩＤ控制器进行控制，根据航速误差、航速误差变化率、航速累积误差实现航速控制所要求的控制规律；常规ＰＩＤ输出控制信号Ｕｐ送入到航速随动系统，直到航速误差为零；船舶航速控制系统中的小脑模型神经网络为前馈控制，实现被控制对象的逆动态模型，学习算法在每一控制周期结束时，利用总输出航速控制信号Ｕ与小脑模型神经网络输出信号Ｕｃ的差值来调整小脑模型神经网络的权值，经过小脑模型神经网络的学习过程，小脑模型神经网络产生的输出信号Ｕｃ逐渐逼近总输出航速控制信号Ｕ，最终的总输出航速控制信号Ｕ由小脑模型神经网络产生，此时常规ＰＩＤ输出控制信号Ｕｐ为零。

【技术特征摘要】

【专利技术属性】
技术研发人员：王宇超，傅荟璇，杜春洋，李冰，郑秀丽，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：93