船舶舵減橫搖自適應控制系統的制作方法
本發明涉及的是船舶控制工程技術領域，具體涉及一種船舶舵減橫搖自適應控制系統。
背景技術：
目前工程上使用的船舶自動舵控制系統大多是用來校正控制航向的，并且是基于不考慮與橫搖、橫蕩之間的非線性耦合影響的單輸入、單輸出系統設計的控制器。船舶動力學、運動學研究結果發現，舵葉在轉動中除了產生校正航向(艏搖)控制力(矩)外，在舵葉上還會產生非常可觀的橫搖扶正控制力(矩)，這使得在設計自動舵航向控制系統的同時，很有可能性地利用舵效來設計和實現舵減橫搖控制系統。另一方面，船舶在海上航行時，由于風浪流隨機干擾的復雜性，導致船舶六自由度運動姿態隨機變化的復雜性，及水動力參數非線性攝動及時變性，加之螺旋槳等對舵葉上水流流速的影響，使得基于線性系統理論設計的控制器難以保證控制系統的控制效果和系統性能的穩定性。
鑒于上述問題，目前迫切需要提供一種對船舶控制的穩定性及魯棒性更好的船舶控制系統。
技術實現要素：
針對現有技術中的缺陷，本發明提供一種船舶舵減橫搖自適應控制系統,以在不添裝減搖裝置與系統條件下，有效減小船舶橫搖運動、并克服水動力參數變化對減搖系統性能的影響，以及提高控制系統性能的穩定性和魯棒性。
第一方面，本發明提供的一種船舶舵減橫搖自適應控制系統，包括：橫搖檢測裝置、基于神經網絡的舵減橫搖控制器，舵伺服系統；其中
其中，所述橫搖檢測裝置檢測船舶在運動過程中產生的橫搖數據，并將所述橫搖數據發送至所述基于神經網絡的舵減橫搖控制器；
所述基于神經網絡的舵減橫搖控制器根據所述橫搖數據生成船舵控制信號，并將所述船舵控制信號發送至所述舵伺服系統；
所述舵伺服系統根據所述船舵控制信號控制船舵的運動，以通過所述船舵實現對船舶的控制。
可選的，所述橫搖數據包括船舶的橫搖角，所述船舵控制信號包括船舵的舵角。
可選的，所述基于神經網絡的舵減橫搖控制器，包括：神經網絡辨識器和神經網絡控制器；
所述神經網絡辨識器根據歷史橫搖數據和歷史船舵控制信號，計算預測橫搖數據；
所述神經網絡控制器根據所述預測橫搖數據、歷史橫搖數據、歷史船舵控制信號和目標橫搖數據生成船舵控制信號。
可選的，所述神經網絡辨識器和所述神經網絡控制器均包括采用反向傳播神經網絡的神經網絡辨識器。
可選的，所述神經網絡辨識器和所述神經網絡控制器均包括采用三層結構反向傳播神經網絡的神經網絡辨識器。
可選的，所述神經網絡辨識器的輸入層包括4個節點，隱含層包括9個節點、輸出層包括1個節點；
所述神經網絡控制器的輸入層包括3個節點，隱含層包括7個節點、輸出層包括1個節點。
可選的，所述神經網絡辨識器的性能指標函數為實際橫搖角與輸出橫搖角的均方差，所述神經網絡控制器的性能指標函數為實際橫搖角均方差。
可選的，所述神經網絡辨識器和所述神經網絡控制器均采用負梯度最速下降法修正網絡權值。
可選的，所述神經網絡辨識器和所述神經網絡控制器均包括采用列文伯格-馬夸爾特優化算法的神經網絡的神經網絡辨識器。
可選的，所述神經網絡辨識器采用最優梯隊下降法或高斯牛頓法優化網絡權值。
由上述技術方案可知，本發明提供的一種船舶舵減橫搖自適應控制系統，包括：橫搖檢測裝置、基于神經網絡的舵減橫搖控制器，舵伺服系統。相較于現有技術，本發明基于橫搖運動與艏搖運動耦合的非線性、大干擾隨機性、水動力參數攝動時變性等特性，采用基于神經網絡的舵減橫搖控制器可以有效模擬非線性動力學系統，從而針對橫搖檢測裝置檢測的橫搖數據生成更加有效地船舵控制信號，進而在不添裝減搖裝置與系統條件下，有效減小船舶橫搖運動、并克服水動力參數變化對減搖系統性能的影響，以及提高控制系統性能的穩定性和魯棒性。
附圖說明
為了更清楚地說明本發明具體實施方式或現有技術中的技術方案，下面將對具體實施方式或現有技術描述中所需要使用的附圖作簡單地介紹。
圖1示出了本發明第一實施例所提供的一種船舶舵減橫搖自適應控制系統的示意圖；
圖2示出了本發明第二實施例所提供的一種船舶舵減橫搖自適應控制系統結構原理圖；
圖3示出了本發明第二實施例所提供的一種船舶舵減橫搖自適應控制系統中神經網絡辨識器nni的示意圖；
圖4示出了本發明第二實施例所提供的一種船舶舵減橫搖自適應控制系統中神經網絡控制器nnc的示意圖；
圖5示出了本發明第二實施例所提供的一種l-m算法的流程圖。
具體實施方式
下面將結合附圖對本發明技術方案的實施例進行詳細的描述。以下實施例僅用于更加清楚地說明本發明的技術方案，因此只是作為示例，而不能以此來限制本發明的保護范圍。
需要注意的是，除非另有說明，本申請使用的技術術語或者科學術語應當為本發明所屬領域技術人員所理解的通常意義。
神經網絡是近年來發展起來的智能算法，是一種模擬人腦神經網絡結構和功能的技術系統，可用來有效模擬非線性多變量動力學系統，且具有信息分布存儲、并行處理及自學習能力等優點。
借鑒于神經網絡技術，本發明提供了一種船舶舵減橫搖神經網絡控制技術，給出了舵減橫搖神經網絡控制器，從而能有效解決系統非線性、參數攝動及建模誤差對舵減橫搖系統控制器設計時面臨的難題，并提高控制系統性能。
本發明針對船舶航行時，基于舵在產生艏搖力(矩)同時，還會產生非常可觀的橫搖力(矩)，加之船舶艏搖、橫搖運動對舵效響應具有分頻特性，即艏搖運動響應對舵的低頻運動敏感，隨著頻率的增加而迅速減弱，橫搖運動響應頻率相對艏搖運動響應頻率而言為高頻響應，且在其固有諧搖頻率附近會出現響應峰值，相對而言對舵的高頻運動響應比較敏感。從而針對橫搖運動與艏搖運動耦合非線性、大干擾隨機性、水動力參數攝動時變性，利用神經網絡能有效模擬非線性動力學系統、并行計算和自學習能力等優點，設計船舶舵減橫搖自適應控制系統。
具體的，本發明提供一種船舶舵減橫搖自適應控制系統。下面結合附圖對本發明的實施例進行說明。
圖1示出了本發明第一實施例所提供的一種船舶舵減橫搖自適應控制系統的示意圖。如圖1所示，本發明第一實施例提供的一種船舶舵減橫搖自適應控制系統，包括：橫搖檢測裝置101、基于神經網絡的舵減橫搖控制器102，舵伺服系統103；其中
其中，所述橫搖檢測裝置101檢測船舶在運動過程中產生的橫搖數據，并將所述橫搖數據發送至所述基于神經網絡的舵減橫搖控制器102；
所述基于神經網絡的舵減橫搖控制器102根據所述橫搖數據生成船舵控制信號，并將所述船舵控制信號發送至所述舵伺服系統103；
所述舵伺服系統103根據所述船舵控制信號控制船舵4的運動，以通過所述船舵4實現對船舶的控制。
在上述第一實施例的一個變更實施方式中，所述橫搖數據包括船舶的橫搖角，所述船舵控制信號包括船舵的舵角。
在上述第一實施例的又一個變更實施方式中，所述基于神經網絡的舵減橫搖控制器102，包括：神經網絡辨識器1021和神經網絡控制器1022；
所述神經網絡辨識器1021根據歷史橫搖數據和歷史船舵控制信號，計算預測橫搖數據；
所述神經網絡控制器1022根據所述預測橫搖數據、歷史橫搖數據、歷史船舵控制信號和目標橫搖數據生成船舵控制信號。
具體而言，舵減橫搖控制器102的核心由神經網絡控制器1022(nnc)和神經網絡辨識器1021(nni)構成。神經網絡辨識器1021在進行系統辨識的同時，還為神經網絡控制器1022提供一個辨識誤差反向傳播通道，神經網絡控制器1022學習時將神經網絡辨識器1021看作輸出層，調節權值所需的梯度信號由神經網絡辨識器1021反傳提供。根據參數辨識精度和減搖效果反饋值，自動調節神經網絡控制器1022參數(通道權值)，從而提高舵減橫搖效果和系統抗參數及外部干擾的魯棒性。
其中，訓練nnc的誤差信號是給定輸入和nni輸出之差，有利于提高nnc的收斂速度。
在上述第一實施例的又一個變更實施方式中，所述神經網絡辨識器1021和所述神經網絡控制器1022均包括采用反向傳播神經網絡的神經網絡辨識器1021。
在上述第一實施例的又一個變更實施方式中，所述神經網絡辨識器1021和所述神經網絡控制器1022均包括采用三層結構反向傳播神經網絡的神經網絡辨識器1021。
在上述第一實施例的又一個變更實施方式中，所述神經網絡辨識器1021的輸入層包括4個節點，隱含層包括9個節點、輸出層包括1個節點；
所述神經網絡控制器1022的輸入層包括3個節點，隱含層包括7個節點、輸出層包括1個節點。
在上述第一實施例的又一個變更實施方式中，所述神經網絡辨識器1021的性能指標函數為實際橫搖角與輸出橫搖角的均方差，所述神經網絡控制器1022的性能指標函數為實際橫搖角均方差。
在上述第一實施例的又一個變更實施方式中，所述神經網絡辨識器1021和所述神經網絡控制器1022均采用負梯度最速下降法修正網絡權值。
在上述第一實施例的又一個變更實施方式中，所述神經網絡辨識器1021和所述神經網絡控制器1022均包括采用列文伯格-馬夸爾特優化算法的神經網絡的神經網絡辨識器1021。
在上述第一實施例的又一個變更實施方式中，所述神經網絡辨識器1021采用最優梯隊下降法或高斯牛頓法優化網絡權值。
相較于現有技術，本發明基于橫搖運動與艏搖運動耦合的非線性、大干擾隨機性、水動力參數攝動時變性等特性，采用基于神經網絡的舵減橫搖控制器102可以有效模擬非線性動力學系統，從而針對橫搖檢測裝置101檢測的橫搖數據生成更加有效地船舵控制信號，進而在不添裝減搖裝置與系統條件下，有效減小船舶橫搖運動、并克服水動力參數變化對減搖系統性能的影響，以及提高控制系統性能的穩定性和魯棒性。
本發明第二實施例提供了一種船舶舵減橫搖自適應控制系統的具體實施例，請結合上述第一實施例進行理解，請參考圖2，其為本發明第二實施例所提供的一種船舶舵減橫搖自適應控制系統結構原理圖，該船舶舵減橫搖自適應控制系統的動作順序為：
(1)測量系統輸出φ(k)；
(2)計算nni序列預測輸出φm(k+1)；
(3)根據φg(k+1)和φm(k+1)之差訓練nnc，根據φ(k+1)和φm(k+1)訓練nni；
(4)計算nnc輸出的控制信號δg(k+1)。
該船舶舵減橫搖自適應控制系統能夠在系統參數攝動或存在建模誤差情況下，根據在線觀測所積累的系統信息，修正控制器和辨識器的權值、閾值，對系統實施有效控制，保證舵減橫搖控制系統的運行性能。
請結合圖3，其為本發明第二實施例所提供的一種船舶舵減橫搖自適應控制系統中神經網絡辨識器nni的示意圖，所述神經網絡辨識器利用前饋反向傳播神經網絡(“反向傳播”的英文叫做back-propagation，所以這個算法也常常被學者簡稱為bp算法，可在一個緊集上以期望的精度逼近任意函數)，具體的，可以選用三層結構前饋神經網絡，輸入層為4個節點，隱含層為9個節點，輸出層為1個節點。
其中，輸入層構成為:
隱含層構成為:
式中，
輸出層構成為：
式中，
選取性能指標函數：
采用反向傳播bp算法對網絡權值修正時的算法為：
式中，η和α分別為學習率和慣性系數，k為迭代步數。
請結合圖4，其為本發明第二實施例所提供的一種船舶舵減橫搖自適應控制系統中神經網絡控制器nnc的示意圖，利用反向傳播bp神經網絡設計神經網絡控制器。輸入層節點數為3，隱含層節點數為7，輸出層節點數為1。
輸入層結構為：
隱含層結構為：
式中，
輸出層構成為：
式中，u(k)＝δg(k)為控制器輸出；
選取性能指標函數為：
采用負梯度最速下降法修正網絡權值，并添加一個使收斂到極小值的慣性項。
隱含層連接節點權值為：
式中，η和α分別為學習率和慣性系數，k為迭代步數。
請結合圖5，其為本發明第二實施例所提供的一種l-m算法的流程圖，l-m(levenberg-merquardt)優化算法的基本思想是每次迭代不只是沿著單一的負梯度方向，而是允許誤差惡化的方向進行搜索，同時利用最優梯隊下降法和高斯牛頓法優化網絡權值，可大大提高收斂速度和泛化能力。
l-m方法(levenberg—marquardt)是通過在hessian矩陣上加一個正定矩陣來進行分析評估的方法。levenberg-marquardt算法是最優化算法中的一種。最優化是尋找使得函數值最小的參數向量。中文為列文伯格-馬夸爾特法。是利用梯度求最大(小)值的算法
定義merquardt敏感度函數：
敏感性的傳遞關系為：
可見，敏感性可由最后一層通過網絡被反響傳播到第一層。
計算雅克比矩陣各元素：
由δw＝(jτj+ui)-1jτe求出δw，用w+δw重復計算e(k)，若新值小于上步中的值，則用u除以θ(θ>1)，并有w＝w+δw，轉回第一步，否則，用u乘以θ，轉回第4步。當指標函數(誤差平方和)減小到期望的某一精度時，則認為收斂，尋優結束。
l-m算法較傳統bp算法迭代次數少，收斂速度快，尋優精度高，仿真結果表明，本專利采用l-m算法迭代次數為bp算法的迭代次數八分之一，效果顯著。
在本發明提供的一個具體的實施例中，基于上述第一實施例和第二實施例說明，利用本發明提供的船舶舵減橫搖自適應控制系統進行了某船舶在航速30節，海浪有義波高為3m、4m，浪向角為30°、60°、90°、120°、150°航行工況下的仿真驗證，結果表明，利用該船舶舵減橫搖自適應控制系統，其減搖率可達百分之五十以上，效果極其可觀。
在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本發明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結合和組合。
需要說明的是，附圖中的流程圖和框圖顯示了根據本發明的多個實施例的系統、方法和計算機程序產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用于實現規定的邏輯功能的可執行指令。也應當注意，在有些作為替換的實現中，方框中所標注的功能也可以以不同于附圖中所標注的順序發生。例如，兩個連續的方框實際上可以基本并行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或動作的專用的基于硬件的系統來實現，或者可以用專用硬件與計算機指令的組合來實現。
所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統、裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。
在本申請所提供的幾個實施例中，應該理解到，所揭露的系統、裝置和方法，可以通過其它的方式實現。以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，又例如，多個單元或組件可以結合或者可以集成到另一個系統，或一些特征可以忽略，或不執行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。
所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上。可以根據實際的需要選擇其中的部分或者全部單元來實現本實施例方案的目的。
另外，在本發明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。
所述功能如果以軟件功能單元的形式實現并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基于這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的部分可以以軟件產品的形式體現出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執行本發明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質。
最后應說明的是：以上各實施例僅用以說明本發明的技術方案，而非對其限制；盡管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發明各實施例技術方案的范圍，其均應涵蓋在本發明的權利要求和說明書的范圍當中。
- 還沒有人留言評論。精彩留言會獲得點贊！