CN102183957B - 船舶航向变论域模糊与最小二乘支持向量机复合控制方法 - Google Patents
船舶航向变论域模糊与最小二乘支持向量机复合控制方法 Download PDFInfo
- Publication number
- CN102183957B CN102183957B CN 201110052297 CN201110052297A CN102183957B CN 102183957 B CN102183957 B CN 102183957B CN 201110052297 CN201110052297 CN 201110052297 CN 201110052297 A CN201110052297 A CN 201110052297A CN 102183957 B CN102183957 B CN 102183957B
- Authority
- CN
- China
- Prior art keywords
- course
- control
- angle
- course angle
- ship
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供了一种船舶航向变论域模糊与最小二乘支持向量机复合控制方法。设定期望航向角,实际航向角的反馈值与设定期望航向角形成航向角偏差,求取航向角偏差的变化率;调整航向角偏差及偏差变化率的输入论域,产生新的航向角偏差和航向角偏差变化率并送入变论域模糊控制作为两个输入变量,经模糊规则得到航向控制所要求的控制规律,输出舵角指令信号送入舵机伺服进行操舵;由实际系统的输出经中间存储而获得航向角、舵角、转艏角速率时间序列作为输入向量训练最小二乘支持向量机的网络结构,动态辨识船舶航向运动逆模型产生前馈补偿控制信号;船舶航向变论域模糊-最小二乘支持向量机复合控制,使船舶的航向按指令航向精度跟踪给定期望航向。
Description
技术领域
本发明涉及船舶航行与姿态控制方法,特别是一种船舶航向精确控制方法。
背景技术
船舶航向控制是一个复杂而又十分重要的船舶运动控制问题,它对船舶的安全性、经济性都有很大的影响,这使其在船舶运动控制领域越来越受到重视。由于船舶运动的复杂性,且受到环境的影响是随机和难以预测的,以某一确定性数学模型为基础的控制算法并没有完全解决船舶航向控制问题,设计非线性控制器不失为一种较好的思路。近年来,随着计算机技术和现代化控制理论的不断发展,研究者开始着眼于类似于人工操舵的智能控制方法,并将遗传算法、神经网络、模糊控制和鲁棒控制等应用到船舶航向控制当中。
针对船舶航向控制系统中存在的大量不确定因素,及对控制系统的实时性要求,提出了一种基于变论域模糊-最小二乘支持向量机(Least Squares Support Vector Machines,LS-SVM)的船舶航向控制设计方案。
经对现有的技术文献检索发现,CNKI数据库中的名称为“一种基于PD与模糊复合控制的船舶航向变结构控制器”的文献中,是一种PD控制器和模糊控制器有机结合的船如航向复合控制方法进行了研究。但与本发明的船舶航向变论域模糊-最小二乘支持向量机复合控制不同。
发明内容
本发明的目的在于提供一种能提高船舶航向控制精度和鲁棒性的船舶航向变论域模糊与最小二乘支持向量机复合控制方法。
本发明的目的是这样实现的:
首先,设定期望航向角,船舶航行过程中,实际航向角的反馈值与设定期望航向角形成航向角偏差,再利用微分计算求取航向角偏差的变化率;其次,根据航向角偏差值的大小,通过伸缩因子调整航向角偏差及偏差变化率的输入论域,产生新的航向角偏差和航向角偏差变化率,并将新的航向角偏差及偏差变化率送入变论域模糊控制作为两个输入变量,经模糊规则得到航向控制所要求的控制规律,输出舵角指令信号送入舵机伺服进行操舵,船舶在舵的控制下把航向改变到期望航向角,完成船舶航向变论域模糊闭环控制;由于两输入模糊控制器实质为PD调节器,存在稳态精度差,利用最小二乘支持向量机良好的非线性映射逼近能力,由实际系统的输出经中间存储而获得航向角、舵角、转艏角速率时间序列作为输入向量训练最小二乘支持向量机的网络结构,动态辨识船舶航向运动逆模型,并产生前馈补偿控制信号,降低稳态误差;最后,完成船舶航向变论域模糊-最小二乘支持向量机复合控制,使船舶的航向按指令航向精度跟踪给定期望航向。
本发明的优点在于:
(1)船舶航向变论域模糊控制不需要依靠精确的船舶运动数学模型和太多的领域专家知识,在规则形式不变的前题下,论域随着误差变小而收缩,亦可随着误差增大而扩展,论域收缩相当于增加规则,从而提高了模糊控制的精度。
(2)最小二乘支持向量机是支持向量机的一种改进,保留支持向量机的小样本学习特性,并将支持向量机中的解线性方程组问题代替求解二次规划问题,提高了船舶运动逆模型求解问题的收敛精度和速度。
(3)船舶航向变论域模糊-最小二乘支持向量机复合控制充分利用变论域模糊控制精度较高、且具有较大稳定域及最小二乘支持向量机简单高效的非线性系统建模能力的各自优势,提高了船舶航向控制的精度。
附图说明
图1为船舶航向变论域模糊-最小二乘支持向量机复合控制结构图。
图2为船舶航向变论域模糊控制结构图。
图3为船舶航向最小二乘支持向量机逆模型结构图。
具体实施方式
结合图1、图2所示,ψd(k)为期望航向角,ψ(k)为k时刻的实际系统输出航向角,w(k)为外界干扰,航向角偏差Δψ(k)由ψd(k)-ψ(k)计算得到;在图2中用eψ(k)表示,对航向角偏差eψ(k)做微分变换,得到航向角偏差变化率然后将航向角偏差eψ(k)和航向角偏差变化率作为变论域模糊控制的两个输入,再经过输入论域伸缩因子α(eψ(k))和变换,由变论域模糊控制函数运算给出舵角δ(k),舵角δ(k)通过输出论域伸缩因子γ(δ(k))转换,得到变论域模糊控制输出舵角δF(k),舵机伺服根据指令舵角δF(k)进行操舵,船舶在舵的控制下把航向改变到期望航向角,形成船舶航向变论域模糊控制。
设X=[-E,E]、Y=[-EC,EC]分别为航向角偏差和航向角偏差变化率的输入论域,V=[-U,U]为舵角输出论域。输入论域的α(eψ(k))和形式为:
舵角输出论域伸缩因子为:
其中,τ为可调参数0<τ<1。
变论域模糊控制的隶属函数可取为“三角波”,至于论域是否等距划分,隶属函数取什么样的形状,在论域伸缩之下显得无关紧要了。
结合图1、图3所示,最小二乘支持向量机网络的主要作用是通过样本数据训练建立船舶操纵系统的逆动力学模型,并产生前馈补偿控制信号,减小变论域模糊控制的稳态误差。
最小二乘支持向量机由船舶实际系统输出经中间存储而获得航向角、转艏角速率、舵角的时间序列作为输入向量,设给定训练样本为{(Xk,δk),·,(Xk+1,δk+l)}∈(χ×ρ)l+1,Xk,...,Xk+l为k时刻到k+l时刻的输入向量,记:
Xk=[ψ(k),ψ(k-1),·,ψ(k-n),r(k),
r(k-1),·,r(k-n),δ(k-1),δ(k-2),·,δ(k-m)]T
Xk+1=[ψ(k+1),ψ(k),·,ψ(k-n+1),r(k+1),
r(k),·,r(k-n+1),δ(k),δ(k-1),·,δ(k-m+1)]T
·
Xk+l=[ψ(k+l),ψ(k+l-1),·,ψ(k+l-n),r(k+l),r(k+l-1),·,
r(k+l-n),δ(k+l-1),δ(k+l-2),·,δ(k+l-m)]T
其中Xk+i∈χ=R2(n+1)+m,i=1,·,l;δk+i∈ρ=R;Xk表示为在第k时刻的输入向量;n为航向角、转艏角速率;m为舵角的阶数。
最小二乘支持向量机表示为求解下述约束优化问题:
其中,ei为最小二乘支持向量机逆辨识误差;ε是惩罚因子,实现在允许的回归误差和算法复杂度之间的折中。
其中,核函数取径向基(RBF)函数:K(xi,xj)=exp(-||xi-xj||2/σ2)
消除变量ω及e,可得以下矩阵方程,经过变换可以写成:
解线性方程组得到b,α的解,则最小二乘支持向量机辨识舰船运动的逆模型为:
最小二乘支持向量机参数惩罚因子ε和核宽度δ2,经自适应遗传算法优化后得到,最小二乘支持向量机通过样本训练使得辨识误差ei(k)达到要求精度后,得到最小二乘支持向量机辨识得到舰船运动的逆模型,并将辨识得到系数传递给最小二乘支持向量机,形成前馈补偿控制。
最终,完成船舶航向变论域模糊-最小二乘支持向量机复合控制,得到指令舵角δr(k),计算方法为:δr(k)=δF(k)+δS(k);其中,δF(k)为变论域模糊控制输出舵角,δS(k)为最小二乘支持向量机输出舵角。
Claims (1)
1.一种船舶航向变论域模糊与最小二乘支持向量机复合控制方法,其特征是:首先,设定期望航向角,船舶航行过程中,实际航向角的反馈值与设定期望航向角形成航向角偏差,再利用微分计算求取航向角偏差的变化率;其次,根据航向角偏差值的大小,通过伸缩因子调整航向角偏差及偏差变化率的输入论域,产生新的航向角偏差和航向角偏差变化率,并将新的航向角偏差及偏差变化率送入变论域模糊控制作为两个输入变量,经模糊规则得到航向控制所要求的控制规律,输出舵角指令信号送入舵机伺服进行操舵,船舶在舵的控制下把航向改变到期望航向角,完成船舶航向变论域模糊闭环控制;由实际系统的输出经中间存储而获得航向角、舵角、转艏角速率时间序列作为输入向量训练最小二乘支持向量机的网络结构,动态辨识船舶航向运动逆模型,并产生前馈补偿控制信号;最后,完成船舶航向变论域模糊-最小二乘支持向量机复合控制,使船舶的航向按指令航向精度的要求跟踪给定期望航向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110052297 CN102183957B (zh) | 2011-03-04 | 2011-03-04 | 船舶航向变论域模糊与最小二乘支持向量机复合控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110052297 CN102183957B (zh) | 2011-03-04 | 2011-03-04 | 船舶航向变论域模糊与最小二乘支持向量机复合控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102183957A CN102183957A (zh) | 2011-09-14 |
CN102183957B true CN102183957B (zh) | 2013-03-20 |
Family
ID=44570145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110052297 Expired - Fee Related CN102183957B (zh) | 2011-03-04 | 2011-03-04 | 船舶航向变论域模糊与最小二乘支持向量机复合控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102183957B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692926B (zh) * | 2012-06-05 | 2014-10-22 | 哈尔滨工程大学 | 基于tms320c6713的船舶航向模糊pid融合控制器及控制方法 |
CN102720634B (zh) * | 2012-07-09 | 2014-05-21 | 兰州交通大学 | 一种优化参数的变论域模糊电动变桨控制方法 |
RU2519315C2 (ru) * | 2012-08-01 | 2014-06-10 | Нелли Алексеевна Седова | Способ автоматического управления судном по курсу и интеллектуальная система для осуществления способа |
CN103207568B (zh) * | 2013-03-18 | 2015-05-27 | 哈尔滨工程大学 | 一种抗舵机饱和的船舶航向自适应控制方法 |
CN103645736B (zh) * | 2013-12-05 | 2016-05-25 | 哈尔滨工程大学 | 基于非线性h∞逆优化输出反馈控制器的船舶航向运动控制方法 |
CN103926932A (zh) * | 2014-04-25 | 2014-07-16 | 哈尔滨工程大学 | 一种船舶运动姿态分解域智能预报方法 |
CN103984327B (zh) * | 2014-05-29 | 2017-04-12 | 北京信息科技大学 | 一种基于模糊控制的小型数字舵机系统 |
CN105652667B (zh) * | 2016-03-31 | 2019-12-27 | 西南石油大学 | 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法 |
CN108549208B (zh) * | 2018-03-14 | 2021-12-17 | 重庆邮电大学 | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 |
CN108664023A (zh) * | 2018-05-07 | 2018-10-16 | 中山大学 | 基于双变量s函数的输入量可限的船舶航向跟踪控制方法 |
CN110341591A (zh) * | 2019-07-10 | 2019-10-18 | 太原科技大学 | 一种用于纯电动或混合动力汽车主动安全的声音管理系统 |
CN111879323B (zh) * | 2020-06-29 | 2022-02-22 | 福建(泉州)哈工大工程技术研究院 | 一种基于前端融合的航向角计算方法 |
CN112578801B (zh) * | 2021-03-01 | 2021-06-01 | 北京海兰信数据科技股份有限公司 | 一种船舶航向抗干扰控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101713998A (zh) * | 2009-11-20 | 2010-05-26 | 大连海事大学 | 一种船舶运动控制硬件在环仿真系统及其工作方法 |
-
2011
- 2011-03-04 CN CN 201110052297 patent/CN102183957B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101713998A (zh) * | 2009-11-20 | 2010-05-26 | 大连海事大学 | 一种船舶运动控制硬件在环仿真系统及其工作方法 |
Non-Patent Citations (2)
Title |
---|
姚刚,汤天浩.一种基于PD与模糊复合控制的船舶航向变结构控制器.《上海海运学院学报》.2003,第24卷(第3期),200-204,209. * |
马洁,韩蕴韬,李国斌.不同航态下船舶运动规律仿真研究.《舰船科学技术》.2006,第28卷(第1期),32-36. * |
Also Published As
Publication number | Publication date |
---|---|
CN102183957A (zh) | 2011-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102183957B (zh) | 船舶航向变论域模糊与最小二乘支持向量机复合控制方法 | |
Liu et al. | Adaptive NN-DSC control design for path following of underactuated surface vessels with input saturation | |
CN102411305B (zh) | 单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法 | |
Wang et al. | Adaptive fuzzy controller design for dynamic positioning ship integrating prescribed performance | |
Bu et al. | Nonsingular direct neural control of air-breathing hypersonic vehicle via back-stepping | |
Bu et al. | Novel auxiliary error compensation design for the adaptive neural control of a constrained flexible air-breathing hypersonic vehicle | |
Shin et al. | Adaptive support vector regression for UAV flight control | |
Wu et al. | Global tracking controller for underactuated ship via switching design | |
Qu et al. | Fuzzy state observer-based cooperative path-following control of autonomous underwater vehicles with unknown dynamics and ocean disturbances | |
Nielsen et al. | Machine learning enhancement of manoeuvring prediction for ship Digital Twin using full-scale recordings | |
Guan et al. | Ship steering control based on quantum neural network | |
Wang et al. | Rapid trajectory optimization for hypersonic entry using convex optimization and pseudospectral method | |
Li et al. | Online learning control of surface vessels for fine trajectory tracking | |
Pu et al. | An integrated approach to hypersonic entry attitude control | |
Gao et al. | Parameterized nonlinear suboptimal control for tracking and rendezvous with a non-cooperative target | |
Wang et al. | Data-driven model identification and predictive control for path-following of underactuated ships with unknown dynamics | |
Nakamura-Zimmerer et al. | Neural network optimal feedback control with guaranteed local stability | |
Deodhar et al. | Experimentally infused plant and controller optimization using iterative design of experiments—theoretical framework and airborne wind energy case study | |
Santos et al. | Backstepping sliding mode control with functional tuning based on an instantaneous power approach applied to an underwater vehicle | |
Cao et al. | Robust multiple model predictive control for ascent trajectory tracking of aerospace vehicles | |
Luspay et al. | Control oriented reduced order modeling of a flexible winged aircraft | |
Zhong et al. | Adaptive anti-noise least-squares algorithm for parameter identification of unmanned marine vehicles: Theory, simulation, and experiment | |
Chen et al. | Direct self-repairing control for a helicopter via quantum multi-model and disturbance observer | |
Chen et al. | Adaptive fuzzy PD+ control for attitude maneuver of rigid spacecraft | |
Liu et al. | Robust adaptive self‐structuring neural networks tracking control of unmanned surface vessels with uncertainties and time‐varying disturbances |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130320 Termination date: 20190304 |
|
CF01 | Termination of patent right due to non-payment of annual fee |