CN104527943B - 一种基于能量优化的综合减摇装置双重神经网络自整定pid控制方法 - Google Patents

Abstract

本发明的目的在于提供一种基于能量优化的综合减摇装置双重神经网络自整定PID控制方法，建立综合减摇系统模型，以海浪波倾角作为综合减摇系统输入。根据建立的综合减摇系统模型创建性能指标，性能指标主要包括横摇角方差，鳍角饱和率以及驱动减摇鳍系统能量消耗。利用双重神经网络在线调整PID控制器的参数，实现PID参数自整定。在实时海况条件下，PID控制器中加入延迟环节。实时调整延迟时间，使综合减摇系统能够充分发挥减摇鳍和减摇水舱的减摇能力。实时更新PID控制参数，得到最优的PID参数值，优化综合减摇系统性能指标。本发明不仅可以满足船舶减摇性能指标，而且可以节约PID参数寻优时间，提高实际应用效率。

Description

一种基于能量优化的综合减摇装置双重神经网络自整定PID 控制方法

技术领域

本发明涉及的是一种减摇控制方法，具体地说是船舶减摇控制方法。

背景技术

船舶在海上航行，由于海浪作用将产生六个自由度的运动，其中以横摇运动最为剧烈。因此如何减摇一直是人们关注的热点问题，而减摇鳍和减摇水舱又是当今最常用的船舶减摇装置，但各自在应用上有缺点。减摇鳍在船舶为高航速时减摇效果较好，低航速或零航速几乎没有减摇效果。减摇水舱减摇能力有限，在某些海况下甚至有增摇作用。为克服各自缺点，增加船舶耐波性，同时考虑装备减摇鳍和减摇水舱。

减摇鳍－被动式减摇水舱综合减摇系统可以综合减摇鳍在船舶在高航速下减摇效率高和被动式减摇水舱在零航速和低航速下具有减摇能力的优点。综合减摇系统可以在全航速下工作，有效减小船舶横摇运动，提高船舶耐波性。但综合减摇系统的质量矩阵和刚度矩阵存在耦合项，减摇鳍和被动式减摇水舱二者工作时相互影响。综合减摇系统减摇效果很大程度上取决于控制方法的设计，一般采用经典的PID控制器，但PID控制只针对特定海情有较好的减摇效果，由于船舶运动环境在一直变化，船速也不是常数，海情也在变化，遭遇频率也在改变，每次航行负载情况也在变化，随着这些因素的改变，控制效果会明显降低。因此在实际工程应用中效果不佳。

而现如今的减摇装置，仅考虑船舶减摇，对船舶减药装置能量优化研究较少，甚至为了减摇不惜牺牲大量主机的能量。进一步，对能量优化综合减摇系统控制器的研究则更少。减摇鳍工作需要消耗船舶自身的能量，鳍面积越大，能量损耗越多。相对于减摇鳍，被动式减摇水舱工作不需要消耗额外的能量，在资源相对短缺的今天，必须考虑船舶减药装置能量消耗，节能将是未来船舶减摇系统新的发展趋势。为此，在满足减摇效果的前提下，充分发挥被动式减摇水舱减摇能力，降低减摇鳍动作幅值和频率，降低减摇系统的能量消耗，是对综合减摇控制器的新要求。

减摇鳍和被动式减摇水舱综合减摇系统控制器的研究也仅针对减摇效果，很少涉及到能量消耗。哈尔滨工程大学的金鸿章、高妍南等在机械工程学报(第47卷第15期,2011年8月,p37-43.)上面发表了一篇《基于能量优化的海洋机器人航向与横摇自适应终端滑模综合控制》，文章是依据终端滑模控制理论和零航速减摇鳍工作原理设计针对航向保持和横摇减摇的控制器，使系统状态的跟踪误差在有限的时间内收敛为零，另外考虑到海浪干扰的随机性及海洋机器人自身可携带的能量是有限的，因此在控制器的设计中引入遗传算法，从能量优化的角度出发对控制器参数进行优化。虽然利用遗传算法优化PID参数，但是未考虑寻优时间。

发明内容

本发明的目的在于提供不仅可以满足船舶减摇性能指标，而且可以节约PID参数寻优时间，提高实际应用效率的一种基于能量优化的综合减摇装置双重神经网络自整定PID控制方法。

本发明的目的是这样实现的：

本发明一种基于能量优化的综合减摇装置双重神经网络自整定PID控制方法，其特征是：

(1)建立综合减摇系统模型，以海浪波倾角作为综合减摇系统输入

当船舶同时装备减摇鳍和被动式减摇水舱，减摇鳍产生扶正力矩时，综合减摇系统模型为：

其中， l_f为自减摇鳍上水动力压力中心到船舶重心的作用力臂，ρ_t为海水密度，V为航速，A_F为减摇鳍的投影面积，为升力系数斜率，φ为横摇角，为横摇角速度，为横摇角加速度，K_h为航速调节系数，K_I、K_P、K_D为PID参数，它们分别为 h为初稳心高，F为常数，K_ω＝Dhα_e cosωt为扰动力矩，I₁为相对于通过船舶重心的纵轴的惯量和附加惯量之和，为舱内液体对横摇轴的质量惯性矩，S为沿水舱轴线的法线方向的局部截面积，r为微质量dm的质心到横摇轴的距离微质量，为船舶阻尼系数，D为排水量，h′为加入水舱后稳心高，ρ_t为海水密度，S₀为边舱自由液面面积，为水舱轴线对横摇轴的静压力矩，γ为r与d之间的夹角，dl为液体微体积沿水舱轴线的长度，l为U型水舱轴线长度，z为边舱内水位高度，为舱内水柱相当长度，N_t为水舱阻尼系数，R为边舱中至船舶纵中刨面的水平距离，g为重力加速度；

(2)建立综合减摇系统性能指标

综合减摇系统性能指标可表示为：

式中，σ²为横摇角方差，λ₁和λ₂为加权系数，p为鳍角饱和率，E²为减摇鳍系统工作消耗的能量，

根据随机理论，减摇后船舶横摇角方差为：

减摇鳍性能指标要求鳍角最大为22°，即θ_m＝22°，鳍角饱和率为13.5％时的鳍角的方差为：

驱动减摇鳍系统的能量消耗为：

式中，η为液压传动系统的传输效率，

则综合减摇系统性能指标为：

式中：S_αw(ω)为海浪的等效波倾角谱密度，Φ(jω)为综合减摇系统开环传递函数，S_θ(ω_e)鳍角角速率的谱密度，I为减摇鳍绕鳍轴的转动惯量，[σ_θ]²为鳍角方差，η为传动系统的传输效率，λ₁和λ₂为权系数，T为横摇周期；

(3)利用双重神经网络在线调整PID控制器的参数K_P、K_I和K_D，实现PID参数自整定；双重神经网络包括系统辨识神经网络NN1和参数自整定神经网络NN2，系统辨识神经网络NN1用于识别和预测综合减摇系统输入与输出的动态关系；参数自整定神经网络NN2用于在线自整定PID控制器的参数；

(4)在实时海况条件下，PID控制器中加入延迟环节

在双重神经网络自整定PID控制器中加入滞后环节，在中、低海情下，PID控制器输出延迟时间为t＝0.335～0.475T₁，T₁为水舱振荡周期，在高海情下，PID控制器输出延时时间t＝0.122～0.239T₁；

(5)实时更新PID控制参数，得到最优的PID参数值，优化综合减摇系统性能指标

通过步骤(3)和步骤(4)得到最优PID参数K_P、K_I和K_D，优化综合减摇系统输出的横摇角和鳍角速率，在任何海情下，优化后的平均鳍角速率不超过5°/s，并使优化后的减摇效率达到80％以上，否则重复执行步骤(3)和(4)，

减摇效率R为：

式中：为未安装减摇鳍时横摇角平均值；为安装减摇鳍时横摇角平均值。

本发明的优势在于：本发明不仅可以满足船舶减摇性能指标，而且可以节约PID参数寻优时间，提高实际应用效率。

(1)综合减摇系统模型充分考虑减摇鳍和被动式减摇水舱工作特点，最大程度发挥被动式减摇水舱的减摇能力。

(2)在满足船舶减摇指标前提下，考虑能量消耗最优原则。

(3)设计控制器在任何海情下都具有良好的控制效果，并节省优化PID参数的时间和航行成本。

附图说明

图1为双重神经网络自整定PID控制综合减摇方框图；

图2为本发明流程图；

图3为航速18节，有义波高4米(设定海情)，海浪遭遇角90°时，双重神经网络优化后的PID参数变化图；

图4为航速18节，有义波高4米(设定海情)，海浪遭遇角90°时等效波倾角变化图；

图5为无减摇装置船舶横摇角变化图；

图6为PID控制横摇角变化图；

图7为双重神经网络自整定PID控制横摇角变化图；

图8为PID控制鳍角速率变化图；

图9为双重神经网络自整定PID控制鳍角速率变化图；

图10为在航速30节，有义波高4米(设定海情)，遭遇角135°时，双重神经网络优化后的PID参数变化图；

图11为在航速30节，有义波高4米，遭遇角135°时等效波倾角变化图；

图12为在航速10节，有义波高4米，遭遇角135°时无减摇装置船舶横摇角变化图；

图13为PID控制横摇角变化图；

图14为双重神经网络自整定PID控制横摇角变化图；

图15为PID控制鳍角速率变化图；

图16为双重神经网络自整定PID控制鳍角速率变化图。

具体实施方式

下面结合附图举例对本发明做更详细地描述：

结合图1～16，本发明包括如下步骤：

(1)建立综合减摇系统模型，以海浪波倾角作为综合减摇系统输入。

(2)根据建立的综合减摇系统模型创建性能指标，性能指标主要包括横摇角方差，鳍角饱和率以及驱动减摇鳍系统能量消耗。

(3)利用双重神经网络在线调整PID控制器的参数K_P、K_I和K_D，实现PID参数自整定。以便于优化步骤二中所建立的综合减摇系统性能指标。

(4)在实时海况条件下，PID控制器中加入延迟环节。实时调整延迟时间，使综合减摇系统能够充分发挥减摇鳍和减摇水舱的减摇能力。

(5)实时更新PID控制参数，得到最优的PID参数值，优化综合减摇系统性能指标。

通过步骤三和步骤四得到的最优PID参数K_P、K_I和K_D，优化综合减摇系统输出的横摇角和鳍角速率。在任何海情下，优化后的平均鳍角速率不能超过5°/s，并使优化后的减摇效率达到80％以上，否则重复执行步骤(3)和(4)。

具体为：

步骤一：建立综合减摇系统模型，以海浪波倾角作为综合减摇系统输入。

当船舶同时装备减摇鳍和被动式减摇水舱，减摇鳍产生扶正力矩时，综合减摇系统模型如式(1)所示：

其中， l_f为自减摇鳍上水动力压力中心到船舶重心的作用力臂；ρ_t为海水密度；V为航速；A_F为减摇鳍的投影面积；为升力系数斜率；φ为横摇角；为横摇角速度；为横摇角加速度；K_h为航速调节系数；K_I、K_P、K_D为PID参数，它们分别为 h为初稳心高；F为常数；K_ω＝Dhα_e cosωt为扰动力矩；I₁为相对于通过船舶重心的纵轴的惯量和附加惯量之和；为舱内液体对横摇轴的质量惯性矩；S为沿水舱轴线的法线方向的局部截面积；r为微质量dm的质心到横摇轴的距离微质量；为船舶阻尼系数；D为排水量；h′为加入水舱后稳心高；ρ_t为海水密度；S₀为边舱自由液面面积；为水舱轴线对横摇轴的静压力矩；γ为r与d之间的夹角；dl为液体微体积沿水舱轴线的长度；l为U型水舱轴线长度；z为边舱内水位高度；为舱内水柱相当长度；N_t为水舱阻尼系数；R为边舱中至船舶纵中刨面的水平距离；g为重力加速度。

步骤二：建立综合减摇系统性能指标

在综合减摇系统中，相对于减摇鳍，被动式减摇水舱工作不需要消耗额外的能量，所以要充分发挥减摇水舱的作用，实现减摇鳍和被动式减摇水舱二者资源优化利用。这样在满足减摇效果的同时，考虑减摇鳍系统的能量消耗，并使得综合减摇系统消耗能量最小。

框图1中所指的综合减摇系统性能指标为：

式中，σ²为横摇角方差；λ₁和λ₂为加权系数；p为鳍角饱和率；E²为减摇鳍系统工作消耗的能量。

根据随机理论，减摇后船舶横摇角方差为：

减摇鳍性能指标要求鳍角最大为22°，即θ_m＝22°。根据式(3)可以求出鳍角饱和率为13.5％时的鳍角的方差为：

驱动减摇鳍系统的能量消耗可用下式表示为：

式中，η为液压传动系统的传输效率，当液压系统确定后，传输效率一般固定不变。

根据式(3)、式(4)和式(5)，得到综合减摇系统性能指标为：

式中：S_αw(ω)为海浪的等效波倾角谱密度；Φ(jω)为综合减摇系统开环传递函数；S_θ(ω_e)鳍角角速率的谱密度；I为减摇鳍绕鳍轴的转动惯量；[σ_θ]²为鳍角方差；η为传动系统的传输效率；λ₁和λ₂为权系数；T为横摇周期；这里取θ_m＝22°。

步骤三：利用双重神经网络在线调整PID控制器的参数K_P、K_I和K_D，实现PID参数自整定。以便于优化步骤二中所建立的综合减摇系统性能指标。

其中，双重神经网络包括系统辨识神经网络(NN1)和参数自整定神经网络(NN2)。系统辨识神经网络(NN1)用于识别和预测综合减摇系统输入与输出的动态关系；参数自整定神经网络(NN2)用于在线自整定PID控制器的参数。根据综合减摇系统的运行状态，神经网络可以调整PID控制器的参数K_P、K_I和K_D，以便于优化综合减摇系统性能指标。

步骤四：在实时海况条件下，PID控制器中加入延迟环节。实时调整延迟时间，使综合减摇系统能够充分发挥减摇鳍和减摇水舱的减摇能力。

当船舶装备被动式减摇水舱，船舶受到海浪扰动后，有两个装置同时提供减摇力矩。但是减摇鳍和减摇水舱的响应速度是不同的，减摇水舱提供的扶正力矩比减摇鳍滞后。而在设计控制器时，总是希望充分发挥减摇水舱的减摇能力，当减摇水舱提供的扶正力矩不足以抵消海浪扰动力矩时，减摇鳍及时动作，抵消掉剩余的扰动力矩。为满足以上要求，在双重神经网络自整定PID控制器中加入滞后环节，根据海况实时调整延迟时间，在中、低海情下，PID控制器输出延迟时间为t＝0.335～0.475T₁(T₁为水舱振荡周期)减摇效果较好。在高海情下，PID控制器输出延时时间t＝0.122～0.239T₁减摇效果最佳，即可充分发挥减摇水舱减摇能力。

步骤五：实时更新PID控制参数，得到最优的PID参数值，优化综合减摇系统性能指标。

通过步骤三和步骤四得到的最优PID参数K_P、K_I和K_D，优化综合减摇系统输出的横摇角和鳍角速率。在任何海情下，优化后的平均鳍角速率不能超过5°/s，并使优化后的减摇效率达到80％以上，否则重复执行步骤(3)和(4)。保证在任何海情下，以最短时间进行寻优得到一组PID参数值，使综合减摇系统性能指标既能满足减摇效果的要求，又能满足减摇鳍消耗能量最小的要求。

其中，减摇效率R计算公式为：

式中：为未安装减摇鳍时横摇角平均值；为安装减摇鳍时横摇角平均值。步骤六：实例仿真

为验证本发明的控制效果，在MATLAB中建立Simulink数学模型，对综合减摇系统进行仿真。在不同航速、不同遭遇角下对系统进行仿真，对比经典PID控制和双重神经网络自整定PID控制的控制效果。

首先当船舶航速为设定航速18节，有义波高4米(设定海情)，海浪遭遇角90°时，对系统进行仿真。仿真结果如图3、图4、图5、图6、图7、图8、图9所示。改变船舶航行环境，在航速30节，有义波高4米，遭遇角135°时，对系统进行仿真。仿真结果如图10、图11、图12、图13、图14、图15、图16所示。

通过对比图6和图7，可以发现在设定航速和设定海况下，传统的PID控制的减摇效果较好，优于使用双重神经网络自整定PID控制，原因是传统的PID控制参数通常是针对设定航速下配置的。然而，通过对比图8和图9，使用传统参数PID控制器系统，减摇鳍的转鳍角速率大于使用双重神经网络自整定PID控制的系统，转鳍角速率大意味着减摇鳍系统工作消耗能量较多。此外，双重神经网络自整定PID控制效果虽然低于传统PID控制效果，但是两者相差不大，双重神经网络自整定PID控制效果在实船应用时是可接受的。

当船舶不是在设定航速和设定海况下航行时，双重神经网络自整定PID的减摇效果要优于传统PID控制的效果，如图13和14所示。同时，在双重神经网络自整定PID控制的减摇效果作用下，减摇鳍动作低于在传统PID控制下动作，如图15和图16。对其他海情进行仿真也得到同样结果。由此可见，在任何海清下，双重神经网络自整定PID控制方法不仅可以提高了减摇效率，而且兼顾能量优化原则，使综合减摇装置保证减摇效果的同时消耗能量最少。并且可以节约优化PID参数的时间。因此，在实际船舶航行中更具有使用价值。

Claims (1)

1.一种基于能量优化的综合减摇装置双重神经网络自整定PID控制方法，其特征是：

(1)建立综合减摇系统模型，以海浪波倾角作为综合减摇系统输入

当船舶同时装备减摇鳍和被动式减摇水舱，减摇鳍产生扶正力矩时，综合减摇系统模型为：

$\left\{\begin{array}{c}(I_1+J_t+C)\stackrel{\·\·}{\mathrm{\φ}}+(2N_{\mathrm{\φ}}+B)\stackrel{\·}{\mathrm{\φ}}+({\mathrm{Dh}}^{\′}+A)\mathrm{\φ}-{\mathrm{\ρ}}_t{S}_0{b}^2\stackrel{\·\·}{z}-2{\mathrm{\ρ}}_t{\mathrm{gS}}_{0}Rz=K_{\mathrm{\ω}}\\ 2{\mathrm{\ρ}}_t{S}_0{\mathrm{\λ}}_t\stackrel{\·\·}{z}+2N_t\stackrel{\·}{z}+2{\mathrm{\ρ}}_t{\mathrm{gS}}_{0}z-{\mathrm{\ρ}}_t{S}_0{b}^2\stackrel{\·\·}{\mathrm{\φ}}-2{\mathrm{\ρ}}_t{\mathrm{gS}}_{0}R\mathrm{\φ}=0\end{array}\right.$

其中， l_f为自减摇鳍上水动力压力中心到船舶重心的作用力臂，ρ_t为海水密度，V为航速，A_F为减摇鳍的投影面积，为升力系数斜率，φ为横摇角，为横摇角速度，为横摇角加速度，K_h为航速调节系数，K_I、K_P、K_D为PID参数，它们分别为 h为初稳心高，F为常数，K_ω＝Dhα_e cosωt为扰动力矩，I₁为相对于通过船舶重心的纵轴的惯量和附加惯量之和，为舱内液体对横摇轴的质量惯性矩，S为沿水舱轴线的法线方向的局部截面积，r为微质量dm的质心到横摇轴的距离微质量，为船舶阻尼系数，D为排水量，h′为加入水舱后稳心高，ρ_t为海水密度，S₀为边舱自由液面面积，为水舱轴线对横摇轴的静压力矩，γ为r与d之间的夹角，dl为液体微体积沿水舱轴线的长度，l为U型水舱轴线长度，z为边舱内水位高度，为舱内水柱相当长度，N_t为水舱阻尼系数，R为边舱中至船舶纵中刨面的水平距离，g为重力加速度；

(2)建立综合减摇系统性能指标

综合减摇系统性能指标可表示为：

$J=1/T{\∫}_0^T\[{\mathrm{\σ}}^2+{\mathrm{\λ}}_1{(p-13.5\%)}^2+{\mathrm{\λ}}_2{E}^2\]dT$

式中，σ²为横摇角方差，λ₁和λ₂为加权系数，p为鳍角饱和率，E²为减摇鳍系统工作消耗的能量，

根据随机理论，减摇后船舶横摇角方差为：

减摇鳍性能指标要求鳍角最大为22°，即θ_m＝22°，鳍角饱和率为13.5％时的鳍角的方差为：

${\[{\mathrm{\σ}}_{\mathrm{\θ}}\]}^2=-{\mathrm{\θ}}_m^2/\left(2\ln p\right)$

驱动减摇鳍系统的能量消耗为：

$E=2E^{\′}/\mathrm{\η}=\frac{I{\∫}_0^{\mathrm{\∞}}{S}_{\mathrm{\θ}}\left({\mathrm{\ω}}_e\right){\mathrm{d\ω}}_e}{\mathrm{\η}}$

式中，η为液压传动系统的传输效率，

则综合减摇系统性能指标为：

$J=\frac{1}{T}{\∫}_0^T\left\{\frac{1}{2\mathrm{\π}}{\∫}_0^{\mathrm{\∞}}\right|\mathrm{\Φ}\left(j\mathrm{\ω}\right){|}^2{S}_{\mathrm{\α}w}\left({\mathrm{\ω}}_e\right){\mathrm{d\ω}}_e+{\mathrm{\λ}}_1\[\exp (-{\mathrm{\θ}}_m^2/2{\[{\mathrm{\σ}}_{\mathrm{\θ}}\]}^2)-13.5\%\]dt+{\mathrm{\λ}}_2\frac{I{\∫}_0^{\mathrm{\∞}}{S}_{\mathrm{\θ}}\left({\mathrm{\ω}}_e\right){\mathrm{d\ω}}_e}{\mathrm{\η}}\}dT$

式中：S_αw(ω)为海浪的等效波倾角谱密度，Φ(jω)为综合减摇系统开环传递函数，S_θ(ω_e)鳍角角速率的谱密度，I为减摇鳍绕鳍轴的转动惯量，[σ_θ]²为鳍角方差，η为液压传动系统的传输效率，λ₁和λ₂为权系数，T为横摇周期；

(3)利用双重神经网络在线调整PID控制器的参数K_P、K_I和K_D，实现PID参数自整定；双重神经网络包括系统辨识神经网络NN1和参数自整定神经网络NN2，系统辨识神经网络NN1用于识别和预测综合减摇系统输入与输出的动态关系；参数自整定神经网络NN2用于在线自整定PID控制器的参数；

(4)在实时海况条件下，PID控制器中加入延迟环节

在双重神经网络自整定PID控制器中加入滞后环节，在中、低海情下，PID控制器输出延迟时间为t＝0.335～0.475T₁，T₁为水舱振荡周期，在高海情下，PID控制器输出延时时间t＝0.122～0.239T₁；

(5)实时更新PID控制参数，得到最优的PID参数值，优化综合减摇系统性能指标

通过步骤(3)和步骤(4)得到最优PID参数K_P、K_I和K_D，优化综合减摇系统输出的横摇角和鳍角速率，在任何海情下，优化后的平均鳍角速率不超过5°/s，并使优化后的减摇效率达到80％以上，否则重复执行步骤(3)和(4)，减摇效率Q为：

$Q=\frac{\stackrel{\‾}{\mathrm{\φ}}-\stackrel{\‾}{{\mathrm{\φ}}_0}}{\stackrel{\‾}{{\mathrm{\φ}}_0}}$

式中：为未安装减摇鳍时横摇角平均值；为安装减摇鳍时横摇角平均值。