一種船舶動力定位控制方法
【專利摘要】本發(fā)明涉及一種船舶動力定位控制方法。本發(fā)明屬于船舶工程【技術(shù)領(lǐng)域】。一種船舶動力定位控制方法，包括以下步驟：(1)對船舶動態(tài)運動模型進(jìn)行模型辨識，建立支持向量機預(yù)測模型；(2)將期望位置和姿態(tài)作為船舶動力定位系統(tǒng)的縱蕩、橫蕩和艏搖方向的給定，將支持向量機預(yù)測模型嵌入廣義預(yù)測控制器，分別對縱蕩、橫蕩和艏搖運動進(jìn)行控制；(3)廣義預(yù)測控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態(tài)運動模型上，并將縱蕩、橫蕩位移和艏搖的角度反饋，構(gòu)成閉環(huán)反饋控制系統(tǒng)，對船舶動力定位系統(tǒng)進(jìn)行控制。本發(fā)明具有多步預(yù)測、滾動優(yōu)化和反饋校正機制，對船舶控制效果好，定位精度高，能夠自適應(yīng)于船舶裝載及海況變化等優(yōu)點。
【專利說明】—種船舶動力定位控制方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于船舶工程【技術(shù)領(lǐng)域】，特別是涉及一種船舶動力定位控制方法。
【背景技術(shù)】
[0002]目前,船舶動力定位系統(tǒng)(Dynamic Positioning System,以下簡稱DPS),是指不借助錨泊系統(tǒng)，利用自身推進(jìn)裝置有效地產(chǎn)生反力和反力矩去抵抗風(fēng)、流和浪作用于船上的環(huán)境外力和力矩，維持船舶在給定位置，或使船舶精確地跟蹤某一給定軌跡的系統(tǒng)。
[0003]支持向量機(Support Vector Machine,以下簡稱SVM)是建立在統(tǒng)計學(xué)理論基礎(chǔ)上、以結(jié)構(gòu)風(fēng)險最小化為準(zhǔn)則的一種神經(jīng)網(wǎng)絡(luò)。SVM先固定經(jīng)驗風(fēng)險，再最小化置信風(fēng)險，將輸入空間映射到高維內(nèi)積的空間，通過解一個線性約束的二次規(guī)劃問題得到全局最優(yōu)解，不存在局部最小值問題，快速算法保證了收斂速度。因此SVM在很大程度上解決了小樣本建模、模型選擇與過學(xué)習(xí)、非線性和局部最小點等問題。
[0004]蟻群優(yōu)化算法(Ant Colony Algorithms,以下簡稱ACA)是一種隨機搜索算法,它基于對自然界真實蟻群的集體覓食行為的研究，模擬真實的蟻群協(xié)作過程。算法由若干個螞蟻共同構(gòu)造解路徑，通過在解路徑上遺留并交換信息素提高解的質(zhì)量，進(jìn)而達(dá)到優(yōu)化的目的。ACA的主要特征是正反饋和隱并行性。正反饋機制可以快速發(fā)現(xiàn)優(yōu)化解，隱并行性通過多個個體之間的并行交換信息素可防止算法陷入局部最優(yōu)解，并可使算法收斂于解空間的一個子集，有利于對解空間進(jìn)一步搜索。因此運用ACA算法對SVM參數(shù)進(jìn)行優(yōu)化選擇，在很大程度上減少了主觀經(jīng)驗選擇的盲目性，也提高了預(yù)測的精度和推廣能力。
[0005]廣義預(yù)測控制(Generalized Predictive Control,以下簡稱GPC)是一種魯棒性強、能夠有效地克服系統(tǒng)滯后、應(yīng)用于開環(huán)不穩(wěn)定非最小相位系統(tǒng)的先進(jìn)控制算法，是一種基于模型的先進(jìn)控制技術(shù)，采用的是多步測試、滾動優(yōu)化和反饋校正等控制策略，因而控制效果好，適用于控制不易建立精確數(shù)字模型且比較復(fù)雜的過程。一般GPC算法首先利用易于得到的工業(yè)過程脈沖或階躍響應(yīng)曲線，將在采樣時刻的一系列值作為描述對象動態(tài)特征的信息，從而構(gòu)成測試模型，這樣來確定控制量的時間序列，使未來一段時間內(nèi)被控變量與經(jīng)過“柔化”后的期望軌跡之間的誤差最小，此優(yōu)化過程反復(fù)做線進(jìn)行，以期達(dá)到優(yōu)化控制的目的。
[0006]由于船舶在海上的動力學(xué)特性具有強耦合、非線性、大時滯和大慣性等特點，現(xiàn)有的船舶動力定位系統(tǒng)沒有將上述技術(shù)整合，存在動力定位準(zhǔn)確性差，難以滿足實際生產(chǎn)需要等技術(shù)問題。
【發(fā)明內(nèi)容】
[0007]本發(fā)明為解決公知技術(shù)中存在的技術(shù)問題而提供一種船舶動力定位控制方法。
[0008]本發(fā)明的目的是提供一種具有多步預(yù)測、滾動優(yōu)化和反饋校正機制，對非線性、大時滯和大慣性的船舶對象控制效果好，定位精度高，而且具有很強的系統(tǒng)性、邏輯性和普遍性，能夠自適應(yīng)于船舶內(nèi)部的裝載變化及外部的海況變化等特點的船舶動力定位控制方法。
[0009]本發(fā)明在重點考慮船舶三個自由度的運動即縱蕩、橫蕩和艏搖運動的基礎(chǔ)上，提出一種基于SVM、ACA和GPC混合算法的船舶DPS方法，使其能自適應(yīng)于船的裝載變化及海況變化，提高定位精度。
[0010]本發(fā)明船舶動力定位控制過程:首先對船舶動態(tài)運動模型進(jìn)行模型辨識，建立SVM預(yù)測模型；然后采用ACA算法對SVM預(yù)測模型進(jìn)行參數(shù)優(yōu)化，得到修正的預(yù)測模型；再將期望位置和姿態(tài)作為船舶DPS的縱蕩、橫蕩和艏搖方向的三個給定，將三個SVM預(yù)測模型分別嵌入三個GPC控制器并作為GPC控制器的預(yù)測模型，將三個給定分別輸入三個GPC控制器，分別對縱蕩、橫蕩和艏搖運動進(jìn)行控制；最后三個GPC控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態(tài)運動模型上，并將縱蕩、橫蕩位移和艏搖的三個角度分別反饋給三個SVM預(yù)測模型，構(gòu)成閉環(huán)反饋控制系統(tǒng)，對船舶DPS進(jìn)行控制。
[0011]本發(fā)明船舶動力定位控制方法所采取的技術(shù)方案是:
[0012]一種船舶動力定位控制方法，其特點是:動力定位控制方法包括以下步驟
[0013](I)建立支持向量機預(yù)測模型
[0014]對船舶動態(tài)運動模型進(jìn)行模型辨識，建立支持向量機預(yù)測模型；
[0015](2)期望位置和姿態(tài)給定預(yù)測控制
[0016]將期望位置和姿態(tài)作為船舶動力定位系統(tǒng)的縱蕩、橫蕩和艏搖方向的三個給定，將三個支持向量機預(yù)測模型分別嵌入三個廣義預(yù)測控制器并作為三個廣義預(yù)測控制器的預(yù)測模型，將三個給定分別輸入三個廣義預(yù)測控制器，分別對縱蕩、橫蕩和艏搖運動進(jìn)行控制；
[0017](3)預(yù)測控制定位
[0018]三個廣義預(yù)測控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態(tài)運動模型上，并將縱蕩、橫蕩位移和艏搖的三個角度分別反饋給三個支持向量機預(yù)測模型，構(gòu)成閉環(huán)反饋控制系統(tǒng)，對船舶動力定位系統(tǒng)進(jìn)行控制實現(xiàn)船舶動力定位。
[0019]本發(fā)明船舶動力定位控制方法還可以采用如下技術(shù)方案:
[0020]所述的船舶動力定位控制方法，其特點是:建立支持向量機預(yù)測模型時，將船舶在海面上的綜合運動分為風(fēng)、流和二階波浪力引起的低頻運動和由于一階波浪力引起的高頻運動；從船舶測得的綜合位置信息分離出低頻信號，然后加以控制。
[0021]所述的船舶動力定位控制方法,其特點是:建立支持向量機預(yù)測模型時,支持向量機將船舶的非線性動態(tài)特性通過線性變換轉(zhuǎn)化為高維空間的線性動態(tài)特性，并在此高維空間進(jìn)行線性回歸。
[0022]所述的船舶動力定位控制方法，其特點是:期望位置和姿態(tài)給定預(yù)測控制時，先將期望位置和姿態(tài)作為船舶動力定位系統(tǒng)縱蕩、橫蕩和艏搖方向的給定，將動力定位系統(tǒng)縱蕩、橫蕩和艏搖方向的三個給定分別輸入三個廣義預(yù)測控制器，通過三個廣義預(yù)測控制器以及三個支持向量機預(yù)測模型采集預(yù)測信息，廣義預(yù)測控制器采用多步預(yù)測、滾動優(yōu)化和反饋校正機制分別對船舶的三個自由度即縱蕩、橫蕩和艏搖運動進(jìn)行控制，最后將三個廣義預(yù)測控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態(tài)運動模型上，并將縱蕩、橫蕩位移和艏搖的三個角度分別反饋給三個支持向量機預(yù)測模型，構(gòu)成閉環(huán)反饋控制系統(tǒng)，對船舶動力定位系統(tǒng)進(jìn)行反饋校正定位控制。[0023]本發(fā)明具有的優(yōu)點和積極效果是:
[0024]船舶動力定位控制方法由于采用了本發(fā)明全新的技術(shù)方案，與現(xiàn)有技術(shù)相比，本發(fā)明具有以下特點:
[0025]1、針對船舶具有的非線性、大時滯和大慣性等特性，采用GPC算法中的多步預(yù)測、滾動優(yōu)化和反饋校正機制，控制效果好，定位精度高。采用SVM算法對數(shù)學(xué)模型要求低，泛化能力強，無需大量學(xué)習(xí)樣本，解決了小樣本建模、模型選擇與過學(xué)習(xí)、非線性、維數(shù)災(zāi)和局部最小點等問題。
[0026]2、本發(fā)明將SVM算法、ACA算法和GPC算法進(jìn)行混合，先將SVM在小樣本情況下對船舶動力非線性模型進(jìn)行有效辨識，并用ACA算法對SVM模型進(jìn)行優(yōu)化，其優(yōu)化的辨識結(jié)果作為GPC算法的預(yù)測模型，該預(yù)測模型辨識精度高和泛化能力強，能為船舶DPS控制器提供有效預(yù)測信息；然后采用多步預(yù)測、滾動優(yōu)化和反饋校正機制對具有非線性、大時滯和大慣性的船舶對象進(jìn)行控制，控制效果好，定位精度高。
[0027]3、整個控制算法具有嚴(yán)格的數(shù)學(xué)推導(dǎo)，不依賴經(jīng)驗知識，具有很強的系統(tǒng)性、邏輯性和普遍性，能夠自適應(yīng)于船舶內(nèi)部的裝載變化及外部的海況變化。
【專利附圖】
【附圖說明】
[0028]圖1是本發(fā)明SVM辨識的具體實現(xiàn)框圖；
[0029]圖2是本發(fā)明蟻群算法節(jié)點和路徑生成示意圖；
[0030]圖3是本發(fā)明基于SVM和ACA的GPC混合控制策略結(jié)構(gòu)框圖。
【具體實施方式】
[0031]為能進(jìn)一步了解本發(fā)明的
【發(fā)明內(nèi)容】
、特點及功效，茲例舉以下實施例，并配合附圖詳細(xì)說明如下:
[0032]參閱附圖1、圖2和圖3。
[0033]實施例1
[0034]一種船舶動力定位控制方法，其特點是:動力定位控制方法包括以下步驟
[0035](I)建立支持向量機預(yù)測模型:對船舶動態(tài)運動模型進(jìn)行模型辨識，建立支持向量機預(yù)測模型；
[0036](2)期望位置和姿態(tài)給定預(yù)測控制:將期望位置和姿態(tài)作為船舶動力定位系統(tǒng)的縱蕩、橫蕩和艏搖方向的三個給定，將三個支持向量機預(yù)測模型分別嵌入三個廣義預(yù)測控制器并作為三個廣義預(yù)測控制器的預(yù)測模型，將三個給定分別輸入三個廣義預(yù)測控制器，分別對縱蕩、橫蕩和艏搖運動進(jìn)行控制；
[0037](3)預(yù)測控制定位:三個廣義預(yù)測控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態(tài)運動模型上，并將縱蕩、橫蕩位移和艏搖的三個角度分別反饋給三個支持向量機預(yù)測模型，構(gòu)成閉環(huán)反饋控制系統(tǒng)，對船舶動力定位系統(tǒng)進(jìn)行控制實現(xiàn)船舶動力定位。
[0038]建立支持向量機預(yù)測模型時，將船舶在海面上的綜合運動分為風(fēng)、流和二階波浪力引起的低頻運動和由于一階波浪力引起的高頻運動；從船舶測得的綜合位置信息分離出低頻信號，然后加以控制。支持向量機將船舶的非線性動態(tài)特性通過線性變換轉(zhuǎn)化為高維空間的線性動態(tài)特性，并在此高維空間進(jìn)行線性回歸。
[0039]期望位置和姿態(tài)給定預(yù)測控制時，先將期望位置和姿態(tài)作為船舶動力定位系統(tǒng)縱蕩、橫蕩和艏搖方向的給定，將動力定位系統(tǒng)縱蕩、橫蕩和艏搖方向的三個給定分別輸入三個廣義預(yù)測控制器，通過三個廣義預(yù)測控制器以及三個支持向量機預(yù)測模型采集預(yù)測信息，廣義預(yù)測控制器采用多步預(yù)測、滾動優(yōu)化和反饋校正機制分別對船舶的三個自由度即縱蕩、橫蕩和艏搖運動進(jìn)行控制，最后將三個廣義預(yù)測控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態(tài)運動模型上，并將縱蕩、橫蕩位移和艏搖的三個角度分別反饋給三個支持向量機預(yù)測模型，構(gòu)成閉環(huán)反饋控制系統(tǒng)，對船舶動力定位系統(tǒng)進(jìn)行反饋校正定位控制。
[0040]本實施例的具體工作過程詳述如下:
[0041]由于船舶在海上的動力學(xué)特性具有強耦合、非線性、大時滯和大慣性等特點，很難用精確的數(shù)學(xué)模型進(jìn)行描述，并且風(fēng)、流和浪等外部隨機干擾的統(tǒng)計特性也隨著不同海況而發(fā)生很大的變化。鑒于GPC算法在非線性控制方面的獨特優(yōu)勢、SVM神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力和ACA在優(yōu)化方面的特性，本發(fā)明采用基于SVM和ACA的GPC混合控制算法進(jìn)行動力定位，將經(jīng)過ACA優(yōu)化過的SVM作為GPC算法的預(yù)測模型，利用多步預(yù)測、滾動優(yōu)化和反饋機制設(shè)計GPC控制器，并應(yīng)用于船舶DPS中。
[0042]本發(fā)明的動力定位方法是:先建立附圖1的連接，對船舶動態(tài)運動模型進(jìn)行模型辨識，旨在建立SVM預(yù)測模型；再建立附圖2的連接，其中將附圖1建立起來的SVM預(yù)測模型嵌入在附圖2，作為GPC控制器的預(yù)測模型，然后將期望位置和姿態(tài)作為船舶DPS給定，通過三個GPC控制器，分別對船舶的三個自由度即縱蕩、橫蕩和艏搖運動進(jìn)行控制；最后通過推力分配模塊施加到船舶動態(tài)運動模型上，將縱蕩、橫蕩位移和艏搖角度反饋給SVM預(yù)測模型，構(gòu)成閉環(huán)反饋控制系統(tǒng)。具體實 施步驟如下:
[0043]1、建立SVM預(yù)測模型
[0044]I)船舶動態(tài)運動模型
[0045]船舶在海面上的綜合運動一般分為風(fēng)、流和二階波浪力引起的低頻運動和由于一階波浪力引起的高頻運動。由于高頻運動僅表現(xiàn)為周期性的振蕩而不會導(dǎo)致平均位置的改變，為了避免不必要的能量浪費和推力器的磨損，一般從船舶測得的綜合位置信息分離出低頻信號，然后加以控制，而不對高頻信號進(jìn)行控制。本實施例可以將低頻運動方程經(jīng)過線性化和離散化處理后得到以下的狀態(tài)空間形式:
【權(quán)利要求】
1.一種船舶動力定位控制方法，其特征是:動力定位控制方法包括以下步驟: (1)建立支持向量機預(yù)測模型 對船舶動態(tài)運動模型進(jìn)行模型辨識，建立支持向量機預(yù)測模型； (2)期望位置和姿態(tài)給定預(yù)測控制 將期望位置和姿態(tài)作為船舶動力定位系統(tǒng)的縱蕩、橫蕩和艏搖方向的三個給定，將三個支持向量機預(yù)測模型分別嵌入三個廣義預(yù)測控制器并作為三個廣義預(yù)測控制器的預(yù)測模型，將三個給定分別輸入三個廣義預(yù)測控制器，分別對縱蕩、橫蕩和艏搖運動進(jìn)行控制； (3)預(yù)測控制定位 三個廣義預(yù)測控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態(tài)運動模型上，并將縱蕩、橫蕩位移和艏搖的三個角度分別反饋給三個支持向量機預(yù)測模型，構(gòu)成閉環(huán)反饋控制系統(tǒng)，對船舶動力定位系統(tǒng)進(jìn)行控制實現(xiàn)船舶動力定位。
2.根據(jù)權(quán)利要求1所述的船舶動力定位控制方法，其特征是:建立支持向量機預(yù)測模型時，將船舶在海面上的綜合運動分為風(fēng)、流和二階波浪力引起的低頻運動和由于一階波浪力引起的高頻運動；從船舶測得的綜合位置信息分離出低頻信號，然后加以控制。
3.根據(jù)權(quán)利要求1所述的船舶動力定位控制方法，其特征是:建立支持向量機預(yù)測模型時，支持向量機將船舶的非線性動態(tài)特性通過線性變換轉(zhuǎn)化為高維空間的線性動態(tài)特性，并在此高維空間進(jìn)行線性回歸。
4.根據(jù)權(quán)利要求1所述的船舶動力定位控制方法，其特征是:期望位置和姿態(tài)給定預(yù)測控制時，先將期望位置和姿態(tài)作為船舶動力定位系統(tǒng)縱蕩、橫蕩和艏搖方向的給定，將動力定位系統(tǒng)縱蕩、橫蕩和艏搖方向的三個給定分別輸入三個廣義預(yù)測控制器，通過三個廣義預(yù)測控制器以及三個支持向量機預(yù)測模型采集預(yù)測信息，廣義預(yù)測控制器采用多步預(yù)測、滾動優(yōu)化和反饋校正機制分別對船舶的三個自由度即縱蕩、橫蕩和艏搖運動進(jìn)行控制，最后將三個廣義預(yù)測控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態(tài)運動模型上，并將縱蕩、橫蕩位移和艏搖的三個角度分別反饋給三個支持向量機預(yù)測模型，構(gòu)成閉環(huán)反饋控制系統(tǒng)，對船舶動力定位系統(tǒng)進(jìn)行反饋校正定位控制。
【文檔編號】G05B13/04GK103592849SQ201310559925
【公開日】2014年2月19日 申請日期:2013年11月12日 優(yōu)先權(quán)日:2013年11月12日
【發(fā)明者】田俊峰, 丁樹友, 顧明, 袁偉, 俞孟蕻, 李軍, 戴群, 王健, 劉長云, 楊立楠 申請人:中國交通建設(shè)股份有限公司, 中交天津航道局有限公司, 江蘇科技大學(xué), 鎮(zhèn)江市億華系統(tǒng)集成有限公司