CN104881040A - 一种主动抑制参数横摇的船舶航迹跟踪预测控制方法 - Google Patents

一种主动抑制参数横摇的船舶航迹跟踪预测控制方法 Download PDF

Info

Publication number
CN104881040A
CN104881040A CN201510249071.XA CN201510249071A CN104881040A CN 104881040 A CN104881040 A CN 104881040A CN 201510249071 A CN201510249071 A CN 201510249071A CN 104881040 A CN104881040 A CN 104881040A
Authority
CN
China
Prior art keywords
ship
model
rolling
track
performance
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.)
Granted
Application number
CN201510249071.XA
Other languages
English (en)
Other versions
CN104881040B (zh
Inventor
吴军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN201510249071.XA priority Critical patent/CN104881040B/zh
Publication of CN104881040A publication Critical patent/CN104881040A/zh
Application granted granted Critical
Publication of CN104881040B publication Critical patent/CN104881040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Traffic Control Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供了一种主动抑制参数横摇的船舶航迹跟踪预测控制方法,包括以下步骤:构建多变量多指数RBF-ARX模型,综合描述船舶在航迹跟踪过程中,首摇角偏差、位置跟踪误差、舵角、航速及横摇角之间的动态关系;在RBF-ARX模型建模理论的统一框架下,对船舶的参数横摇过程进行分析,构建参数横摇过程的预报模型;以模型的长期预测性能、一定时域的短期预测性能和转弯实验性能为考核指标,对建模性能进行综合评估。本发明可以用作船舶航迹跟踪预测控制器的内部模型,从而提高航迹跟踪过程的控制精度;本发明可以很大程度上增强船舶航行的安全性,减少意外事故的发生;本发明仅需要和船舶原有的自动舵系统配合使用,这大大减少了船舶装备的升级成本。

Description

一种主动抑制参数横摇的船舶航迹跟踪预测控制方法
技术领域
本发明属于船舶航迹跟踪控制技术领域,尤其涉及一种主动抑制参数横摇的船舶航迹跟踪预测控制方法。
背景技术
船舶航迹跟踪控制的目的,是使船舶以一定的航速跟随一条给定的参考路径,又称之为船舶的路径跟随问题。传统意义上的船舶自动驾驶系统,目的是让船首方向和期望航向保持一致,称之为航向保持控制,船舶的船首方向由陀螺仪测出。如今,可以通过全球定位系统(GPS)得到船舶的位置信号(经度和纬度),这样就可以使船舶的航迹和给定的参考航迹保持一致,实现航迹跟踪控制。实现航迹跟踪控制最先想到的方法是,通过航向保持控制使船舶的船首方向跟随不断改变的期望航向,从而使船舶沿预设的参考航迹航行。事实上目前许多商用的船舶航迹跟踪控制器就是采用这种思想设计出的。但是,这种控制方式的控制精度比较低,当船舶执行诸如海底电缆敷设、海底探矿、扫雷等任务时,高精度的航迹跟踪控制对船舶的安全航行有着非常重要的意义,所以基于GPS信号的航迹跟踪控制策略也越来越受到重视。
船舶航行时,当纵摇方向的自由振荡频率接近横摇方向的自由振荡频率的二倍时,会激发大幅度的参数横摇共振现象,严重影响船舶航行的安全性,甚至导致船舶倾覆,造成生命财产损失。近些年,又发生了多起因参数横摇引起的重大船舶倾覆事故,随后的研究证明,参数横摇是引起船舶倾覆的重要因素之一。国际海事组织(IMO)因此对其完整性规则进行重新评估,新的衡准中包括三种典型倾覆现象之一的参数横摇。国际拖曳水池委员会(ITTC)也把随机波中的参数横摇作为主要研究任务之一。2008年7月~2009年3月,欧盟SAFEDOR执行了波浪中参数横摇试验基准研究,其中就考虑了随机波中参数横摇。可见,在船舶航迹跟踪控制过程中,如何有效预测并避免参数横摇的发生,具有重要的研究价值和实际意义。
船舶的航迹跟踪控制过程和参数横摇共振过程,都是典型的复杂非线性控制过程,受到风力、浪力、洋流等多种不确定、不可抗拒自然力的影响,能够精确描述其动态特性的物理模型却难以得到。
发明内容
本发明的目的在于提供一种主动抑制参数横摇的船舶航迹跟踪预测控制方法,旨在解决现有船舶航迹跟踪控制过程中航迹跟踪控制过程和参数横摇共振过程描述不精确的问题。
本发明是这样实现的,一种主动抑制参数横摇的船舶航迹跟踪预测控制方法,用于在船舶航行过程中,控制器主动权衡航迹跟踪控制精度和参数横摇抑制之间的比重,当发生参数横摇共振时,用舵力产生横摇力矩增大横摇动阻,牺牲部分跟踪控制精度以避免船舶倾覆事故的发生,所述控制方法包括以下步骤:
构建多变量多指数RBF-ARX模型,综合描述船舶在航迹跟踪过程中,首摇角偏差、位置跟踪误差、舵角、航速及横摇角之间的动态关系;
在RBF-ARX模型建模理论的统一框架下,对船舶的参数横摇过程进行分析,构建参数横摇过程的预报模型;
以模型的长期预测性能、一定时域的短期预测性能和转弯实验性能为考核指标,对建模性能进行评估。
优选地,所述多变量多指数RBF-ARX模型的构建包括以下步骤:
将1输入3输出的欠驱动系统,分成航向子系统、航迹子系统和横摇子系统三个单输入单输出的子系统;其中,三个子系统的输入量均为船舶舵角,输出量分别为船舶的首摇角偏差、位置跟踪误差和船舶横摇角,或输出量分别为船舶的首摇角偏差、位置跟踪误差和横摇角速度;
为每个子系统分别设计出各种可行的RBF-ARX模型结构,给出多种模型指数选择方案,综合考虑影响参数横摇预报性能的多种因素,选择最优的模型结构和模型指数;
确定所述模型结构和模型指数后,考虑1输入3输出欠驱动RBF-ARX模型的辨识方案,建立通用的多变量多指数RBF-ARX模型参数优化方法,将线性参数和非线性参数分开辨识。
本发明克服现有技术的不足,提供一种主动抑制参数横摇的船舶航迹跟踪预测控制方法,采用统计建模的方法,分别对这船舶的航迹跟踪控制过程和参数横摇共振过程进行描述,兼顾高精度的船舶航迹跟踪控制和有效避免参数横摇的发生这两方面的性能要求进行设计得到。船舶在民用和军用领域都发挥着重要的作用,通过本发明能够对我国的经济建设和国防建设做出应有的贡献。
附图说明
图1是本发明主动抑制参数横摇的船舶航迹跟踪预测控制方法的步骤流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种主动抑制参数横摇的船舶航迹跟踪预测控制方法,如图1所示,包括以下步骤:
S1、构建多变量多指数RBF-ARX模型,综合描述船舶在航迹跟踪过程中,首摇角偏差、位置跟踪误差、舵角、航速及横摇角之间的动态关系。
在步骤S1中,以东京海洋大学实验船舶“汐路丸”为研究对象,构建多变量多指数RBF-ARX模型,综合描述船舶在航迹跟踪过程中,首摇角偏差、位置跟踪误差、舵角、航速及横摇角之间的动态关系。
模型指数表征了系统非线性特性的变化趋势,即模型的动态特性随模型指数的变化而变化。以往的研究中,无论对单变量系统还是对多变量系统,都只选择则一组模型指数来表征整个系统的非线性动态特性。而本发明的船舶航迹跟踪过程由多个特性不同的子系统构成,应该为不同的子系统选择不同的模型指数。并且,对每个单变量子系统的输入、输出自回归部分,也要选择不同的模型指数。对多指数RBF-ARX模型的参数优化具体包括以下过程:
A、将欠驱动系统进行分解
将1输入3输出的欠驱动系统,分成三个单输入单输出的子系统来研究,即航向子系统、航迹子系统和横摇子系统。三个子系统的输入量均为船舶舵角,输出量分别为船舶的首摇角偏差、位置跟踪误差和船舶横摇角(或横摇角速度)。从分析物理模型入手,为每个子系统分别设计出各种可行的RBF-ARX模型结构,结合专家经验,给出多种模型指数选择方案。综合考虑影响参数横摇预报性能的多种因素,选择最优的模型结构和模型指数,建立较完备的船舶参数横摇预报模型。
B、对多变量多指数RBF-ARX模型的参数优化
确定了模型的指数和结构之后,考虑1输入3输出欠驱动RBF-ARX模型的辨识方案,设计出通用的多变量多指数RBF-ARX模型参数优化方法。考虑到该模型的线性参数多于非线性参数的结构特点,拟采用一种结构化的参数优化方法,将线性参数和非线性参数分开辨识,提高参数寻优的收敛速度和建模精度。
S2、在RBF-ARX模型建模理论的统一框架下,对船舶的参数横摇过程进行分析,构建参数横摇过程的预报模型。
S3、以模型的长期预测性能、一定时域的短期预测性能和转弯实验性能为考核指标,对建模性能进行评估。
本发明可用于航迹跟踪模型预测控制器方面的设计,操纵与耐波模型,即多变量多指数RBF-ARX模型,是一个全局非线性、局部线性模型,基于该模型设计船舶航迹跟踪模型预测控制策略,最优控制律可通过在线求解二次规划问题得到。控制器参数的选择方面,一方面要保证高精度的航迹跟踪控制性能,另一方面通过合理的舵角控制来有效抑制参数横摇共振。基于参数横摇预报模型,设计参数横摇预判机制,能够对船舶航行的工况和状态进行识别,并适时调整预测控制器参数,满足不同航行状态或工况下对控制性能的不同要求。最后在实船实验中验证控制策略的有效性。本发明能够在参数横摇未发生时,抑制舵角的激烈变化,以免激发船舶横摇,保证船舶的高精度航迹跟踪控制性能;当参数横摇发生时,在兼顾航迹跟踪控制性能的同时,利用船舵产生的横摇力矩增大横摇动阻,抵消横摇回复力矩,以达到减摇的目的。
相比于现有技术的缺点和不足,本发明具有以下有益效果:
(1)本发明可以用作船舶航迹跟踪预测控制器的内部模型,从而提高航迹跟踪过程的控制精度。直观上来讲,可以减少燃油消耗量和船舵的机械磨损,还可以减少船舶作业中各种间接成本。
(2)本发明可以很大程度上增强船舶航行的安全性,减少意外事故的发生。
(3)本发明从船舶建模的角度来提高航迹跟踪控制的性能,不需要硬件方面的升级,仅需要和船舶原有的自动舵系统配合使用,这大大减少了船舶装备的升级成本。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (2)

1.一种主动抑制参数横摇的船舶航迹跟踪预测控制方法,用于在船舶航行过程中,控制器主动权衡航迹跟踪控制精度和参数横摇抑制之间的比重,当发生参数横摇共振时,用舵力产生横摇力矩增大横摇动阻,牺牲部分跟踪控制精度以避免船舶倾覆事故的发生,其特征在于,所述控制方法包括以下步骤:
构建多变量多指数RBF-ARX模型,综合描述船舶在航迹跟踪过程中,首摇角偏差、位置跟踪误差、舵角、航速及横摇角之间的动态关系;
在RBF-ARX模型建模理论的统一框架下,对船舶的参数横摇过程进行分析,构建参数横摇过程的预报模型;
以模型的长期预测性能、一定时域的短期预测性能和转弯实验性能为考核指标,对建模性能进行综合评估。
2.如权利要求1所述的主动抑制参数横摇的船舶航迹跟踪预测控制方法,其特征在于,所述多变量多指数RBF-ARX模型的构建包括以下步骤:
将1输入3输出的欠驱动系统,分成航向子系统、航迹子系统和横摇子系统三个单输入单输出的子系统;其中,三个子系统的输入量均为船舶舵角,输出量分别为船舶的首摇角偏差、位置跟踪误差和船舶横摇角,或输出量分别为船舶的首摇角偏差、位置跟踪误差和横摇角速度;
为每个子系统分别设计出各种可行的RBF-ARX模型结构,给出多种模型指数选择方案,综合考虑影响参数横摇预报性能的多种因素,选择最优的模型结构和模型指数;
确定所述模型结构和模型指数后,考虑1输入3输出欠驱动RBF-ARX模型的辨识方案,建立通用的多变量多指数RBF-ARX模型参数优化方法,将线性参数和非线性参数分开辨识。
CN201510249071.XA 2015-05-15 2015-05-15 一种主动抑制参数横摇的船舶航迹跟踪预测控制方法 Active CN104881040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510249071.XA CN104881040B (zh) 2015-05-15 2015-05-15 一种主动抑制参数横摇的船舶航迹跟踪预测控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510249071.XA CN104881040B (zh) 2015-05-15 2015-05-15 一种主动抑制参数横摇的船舶航迹跟踪预测控制方法

Publications (2)

Publication Number Publication Date
CN104881040A true CN104881040A (zh) 2015-09-02
CN104881040B CN104881040B (zh) 2018-01-26

Family

ID=53948570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510249071.XA Active CN104881040B (zh) 2015-05-15 2015-05-15 一种主动抑制参数横摇的船舶航迹跟踪预测控制方法

Country Status (1)

Country Link
CN (1) CN104881040B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549616A (zh) * 2018-02-28 2018-09-18 哈尔滨工程大学 基于g-n波浪模型的船舶在恶劣海况中大幅运动的预报方法
CN108594639A (zh) * 2018-03-28 2018-09-28 哈尔滨工程大学 一种基于强化学习的全垫升气垫船航迹跟踪控制方法
CN108681245A (zh) * 2018-05-14 2018-10-19 哈尔滨理工大学 一种解决实际升力受限的减摇鳍控制器
WO2018233025A1 (zh) * 2017-06-23 2018-12-27 上海交通大学 海洋浮式结构物参数共振运动的预警方法、装置及设备
CN109144075A (zh) * 2018-10-29 2019-01-04 长沙理工大学 一种无人船的控制系统和控制方法
CN110161853A (zh) * 2019-05-09 2019-08-23 大连海事大学 一种新型具有实时性的船舶综合自动驾驶系统
CN110532665A (zh) * 2019-08-26 2019-12-03 哈尔滨工程大学 一种固定航线任务下的移动对象动态轨迹预测方法
CN110618686A (zh) * 2019-10-30 2019-12-27 江苏科技大学 基于显式模型预测控制的无人船航迹控制方法
CN110687799A (zh) * 2019-11-12 2020-01-14 大连海事大学 一种智能船舶自动舵系统的模糊自适应输出反馈控制方法及系统
CN112061328A (zh) * 2020-09-16 2020-12-11 哈尔滨工程大学 一种基于横摇预报的减摇鳍低航速减摇控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3670227A (en) * 1970-10-13 1972-06-13 Anschuetz & Co Gmbh Electrical automatic pilot
CN101373491A (zh) * 2008-06-13 2009-02-25 大连海事大学 船舶运动控制算法测试仿真系统
CN102722177A (zh) * 2012-06-27 2012-10-10 哈尔滨工程大学 具有pid反馈增益的自主水下航行器三维直线路径跟踪控制方法
CN103777635A (zh) * 2014-01-13 2014-05-07 哈尔滨工程大学 动力定位船舶鲁棒自适应航迹跟踪控制系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3670227A (en) * 1970-10-13 1972-06-13 Anschuetz & Co Gmbh Electrical automatic pilot
CN101373491A (zh) * 2008-06-13 2009-02-25 大连海事大学 船舶运动控制算法测试仿真系统
CN102722177A (zh) * 2012-06-27 2012-10-10 哈尔滨工程大学 具有pid反馈增益的自主水下航行器三维直线路径跟踪控制方法
CN103777635A (zh) * 2014-01-13 2014-05-07 哈尔滨工程大学 动力定位船舶鲁棒自适应航迹跟踪控制系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
HUI PENG 等: "Multivariable RBF-ARX model-based robust MPC approach and application to thermal power plant", 《APPLIED MATHEMATICAL MODELLING》 *
JUN WU 等: "Modeling and control approach to a distinctive quadrotor helicopter", 《ISA TRANSACTIONS》 *
JUN WU 等: "Ship’s tracking control based on nonlinear time series model", 《APPLIED OCEAN RESEARCH》 *
吴军: "基于RBF-ARX模型的复杂系统建模、优化与控制研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *
张海涛 等: "基于自适应神经模糊系统控制的船舶自动舵", 《物流工程与管理》 *
曾薄文 等: "欠驱动水面船舶的曲线航迹跟踪控制", 《哈尔滨工程大学学报》 *
段海庆 等: "基于反步自适应神经网络的船舶航迹控制", 《智能系统学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018233025A1 (zh) * 2017-06-23 2018-12-27 上海交通大学 海洋浮式结构物参数共振运动的预警方法、装置及设备
CN108549616A (zh) * 2018-02-28 2018-09-18 哈尔滨工程大学 基于g-n波浪模型的船舶在恶劣海况中大幅运动的预报方法
CN108549616B (zh) * 2018-02-28 2021-11-23 哈尔滨工程大学 基于g-n波浪模型的船舶在恶劣海况中大幅运动的预报方法
CN108594639B (zh) * 2018-03-28 2020-12-22 哈尔滨工程大学 一种基于强化学习的全垫升气垫船航迹跟踪控制方法
CN108594639A (zh) * 2018-03-28 2018-09-28 哈尔滨工程大学 一种基于强化学习的全垫升气垫船航迹跟踪控制方法
CN108681245A (zh) * 2018-05-14 2018-10-19 哈尔滨理工大学 一种解决实际升力受限的减摇鳍控制器
CN108681245B (zh) * 2018-05-14 2020-12-29 哈尔滨理工大学 一种解决实际升力受限的减摇鳍控制器
CN109144075A (zh) * 2018-10-29 2019-01-04 长沙理工大学 一种无人船的控制系统和控制方法
CN110161853A (zh) * 2019-05-09 2019-08-23 大连海事大学 一种新型具有实时性的船舶综合自动驾驶系统
CN110532665A (zh) * 2019-08-26 2019-12-03 哈尔滨工程大学 一种固定航线任务下的移动对象动态轨迹预测方法
CN110532665B (zh) * 2019-08-26 2023-01-03 哈尔滨工程大学 一种固定航线任务下的移动对象动态轨迹预测方法
CN110618686A (zh) * 2019-10-30 2019-12-27 江苏科技大学 基于显式模型预测控制的无人船航迹控制方法
CN110687799A (zh) * 2019-11-12 2020-01-14 大连海事大学 一种智能船舶自动舵系统的模糊自适应输出反馈控制方法及系统
CN110687799B (zh) * 2019-11-12 2022-02-11 大连海事大学 一种智能船舶自动舵系统的模糊自适应输出反馈控制方法及系统
CN112061328A (zh) * 2020-09-16 2020-12-11 哈尔滨工程大学 一种基于横摇预报的减摇鳍低航速减摇控制方法

Also Published As

Publication number Publication date
CN104881040B (zh) 2018-01-26

Similar Documents

Publication Publication Date Title
CN104881040A (zh) 一种主动抑制参数横摇的船舶航迹跟踪预测控制方法
Zaman et al. Challenges and opportunities of big data analytics for upcoming regulations and future transformation of the shipping industry
Pietrzykowski et al. Decision support in collision situations at sea
Mujeeb-Ahmed et al. Probabilistic approach for collision risk analysis of powered vessel with offshore platforms
KR101721575B1 (ko) 다중매체 통신 기반 선박 상태모니터링과 최적 및 안전 운항 지원을 수행하는 선박 운항 지원 시스템 및 그 방법
Kim et al. Estimation of ship operational efficiency from AIS data using big data technology
Hiekata et al. Systems analysis for deployment of internet of things (IoT) in the maritime industry
US11679848B2 (en) Methods and systems for wave slam monitoring of water vessels
Nielsen et al. A novel approach for navigational guidance of ships using onboard monitoring systems
Rawson et al. Assessing the impacts to vessel traffic from offshore wind farms in the Thames Estuary
CN115017684A (zh) 一种船舶智能能效管理系统
CN203094401U (zh) 一种采用声纳探测的船载(ais)自动智能避碰系统
Bui et al. A Comprehensive Review on Big Data-Based Potential Applications in Marine Shipping Management
Zhang et al. An INS-aided MASS autonomous navigation algorithm considering virtual motion constraints and the leeway and drift angle
Bergström et al. A goal-based approach for selecting a ship's polar class
CN102103803A (zh) 一种机场终端区航空器的监控方法
Pan et al. Development of ship weather routing system with higher accuracy using SPSS and an improved genetic algorithm
Park et al. Estimation model of energy efficiency operational indicator using public data based on big data technology
Gaidai et al. Gaidai multivariate risk assessment method for cargo ship dynamics
Tomaselli et al. A decision-making tool for planning o&m activities of offshore wind farms using simulated actual decision drivers
You et al. A feasibility study on the RPM and engine power estimation based on the combination of AIS and ECMWF database to replace the full-scale measurement
Avgouleas et al. Fuel-efficient ship routing
Bulian Ship stability, dynamics and safety: status and perspectives
Shu et al. Operational model for vessel traffic using optimal control and calibration
Wawruch et al. Modelling of safety distance between ships' route and wind farm

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant