CN105197200A - 一种基于航迹引导的气垫船进坞过程自动控制系统及控制方法 - Google Patents

Abstract

本发明公开了一种基于航迹引导的气垫船进坞过程自动控制系统及控制方法。GPS采集坞载船的航迹和艏向角的数据，传送给航迹设定装置；航迹设定装置采用灰色预测对采集的数据进行预测，从而得到期望的航迹和艏向角，传送给进坞过程跟踪器；进坞过程跟踪器将接收的期望的航迹和艏向角与灰色预测后的实际航迹和艏向角进行比较，得到航迹偏差η和艏向角偏差ψ′，传送给粒子群控制器；粒子群控制器根据接收的信息，得到控制舵角指令，控制空气舵，当航迹偏差η在设定阈值内时，以恒定加速度减小推进器的转速。本发明能够提高气垫船进坞的效率和成功率，可以减少操作人员的负担而且可以减少进坞过程对气垫船的损坏。

Description

一种基于航迹引导的气垫船进坞过程自动控制系统及控制方法

技术领域

本发明属于气垫船控制领域，尤其涉及一种基于航迹引导的气垫船进坞过程自动控制系统及控制方法。

背景技术

国内外气垫船进坞采用人工操控方式，主要是依靠驾驶员观察气垫船空间运动参数的变化，直接操纵执行机构来实现操船。由于全垫升气垫船在风浪中航行时稳定性较差，采用驾驶员人工操控方式时，不易得到良好的控制品质。而且驾驶员的工作量极为繁重，精神上承受巨大负担，一旦操纵不当，就会与坞载舰相撞，对气垫船的围裙造成不可逆的伤害。而且需要重新进行进坞过程。

对于气垫船的研究，大都是航迹控制、协调控制、多操控面控制以及编队。进坞控制还是一个空白，无法找到相关文献。

发明内容

本发明的目的是提供一种操作简单的，基于航迹引导的气垫船进坞过程自动控制系统。本发明的目的还包括提供一种效率高、成功率高的，基于航迹引导的气垫船进坞过程自动控制方法。

一种基于航迹引导的气垫船进坞过程自动控制系统，包括GPS、航迹设定装置、进坞过程跟踪器、粒子群控制器、空气舵和推进器，

GPS采集坞载船的航迹和艏向角的数据，传送给航迹设定装置；

航迹设定装置采用灰色预测对采集的数据进行预测，从而得到期望的航迹和艏向角，传送给进坞过程跟踪器；

进坞过程跟踪器将接收的期望的航迹和艏向角与灰色预测后的实际航迹和艏向角进行比较，得到航迹偏差η和艏向角偏差ψ′，传送给粒子群控制器；

粒子群控制器根据接收的信息，得到控制舵角指令，控制空气舵，当航迹偏差η在设定阈值内时，以恒定加速度减小推进器的转速。

一种基于航迹引导的气垫船进坞过程自动控制方法，包括以下步骤，

步骤一：通过GPS获得坞载船的航迹和艏向角的数据，采用灰色预测对采集的数据进行预测，从而得到期望的航迹和艏向角；

步骤二：气垫船按照期望航迹行驶，将期望的航迹和艏向角与灰色预测后的实际航迹和艏向角进行比较，得到航迹偏差η和艏向角偏差ψ′；

步骤三：根据航迹偏差η和艏向角偏差ψ′，采用粒子群PID控制方法，得到控制舵角指令，控制空气舵；当航迹偏差η在设定阈值内时，以恒定加速度减小推进器的转速；

步骤四：完成进坞过程。

本发明一种基于航迹引导的气垫船进坞过程自动控制方法，还可以包括：

1、步骤一中得到期望的航迹和艏向角的具体过程为：

(1)采集K个周期的坞载船的运行状态，包括北向位置x，东向位置y和艏向角ψ；

(2)通过灰色预测对北向位置x进行预测产生N组数据，取第N₁组到第N₂组数据进行加权求和，并算得平均值x₁，取第N₂组到N组数据进行加权求和，并算得平均值x₂；通过灰色预测对东向位置y进行预测产生N组数据，取第N₁组到第N₂组数据进行加权求和，并算得平均值y₁，取第N₂组到N组数据进行加权求和，并算得平均值y₂；

(3)利用已得到的预测位置(x₁,y₁)和(x₂,y₂)作直线L作为期望的航迹输出；

(4)通过灰色预测对艏向角ψ进行预测产生N组数据，取第N₁到第N组数据加权求和，并计算其平均值作为期望的艏向角输出。

2、航迹偏差η为：

$\mathrm{\η}=\frac{\left|(X-X(i)\right)-k(Y-Y(i)\left)\right|}{\sqrt{1+k^2}}$

$k=\frac{X\left(i\right)-X(i-1)}{Y\left(i\right)-Y(i-1)}$

其中，(X_i-1,Y_i-1)、(X_i,Y_i)、(X_i+1,Y_i+1)分别为航迹上的三个点，其中(X_i,Y_i)和(X_i-1,Y_i-1)分别为当前和前一路径点，(X_i,Y_i)为当前气垫船所在的位置，艏向角为ψ(t)。

3、当航迹偏差|η|＜0.5m且艏向角偏差|ψ′|<0.5°时，以恒定加速度减小推进器的转速。

4、粒子群PID控制方法为：

Δu(k)＝k_p(error(k)-error(k-1))+k_ierror(k)

+k_d(error(k)-2error(k-1)+error(k-2))

其中error(k)表示第k个时刻期望位置和艏向角与经过灰色预测的实际位置和艏向角的差值，k_p、k_i和k_d分被表示控制器的三个控制参数：比例，微分，积分，

使用改进粒子群优化算法对PID参数k_p、k_i和k_d进行整定。

有益效果：

本发明提出了一种基于航迹引导的气垫船进坞过程自动控制方法，目的在于实现气垫船进坞过程的自动控制，能够减轻进坞过程中驾驶员失误对气垫船造成的伤害以及驾驶人员的工作强度和精神负担，提高进坞的成功率。

现阶段，气垫船在进坞过程中完全依靠驾驶员的经验来操作，而且由于外界环境的不确定性经常造成气垫船于坞载舰相撞而无法成功进坞。本方法不但可以预测坞载舰的位置从而设计最佳进坞航线，而且可以预测坞载舰的艏向角并控制气垫船的使其艏向角在一定范围内于坞载舰的艏向角保持一致，从而达到成功进坞的目标。减少了驾驶员的工作量，更重要的是可以减少进坞过程中由于失误或环境影响导致的气垫船损害。

附图说明

图1气垫船进坞过程自动控制原理框图；

图2航迹跟踪示意图；

图3粒子群算法流程图。

具体实施方式

下面将结合附图对本发明做进一步详细说明。

本发明提出了一种基于航迹引导的气垫船进坞过程自动控制方法，目的在于实现气垫船进坞过程的自动控制，能够减轻进坞过程中驾驶员失误对气垫船造成的伤害以及驾驶人员的工作强度和精神负担，提高进坞的成功率。

本发明所提出的带有导引算法的气垫船进坞自动控制系统的原理如图1所示，过程如下：

1.进坞过程设定算法，通过获取坞载舰的航迹(包括北向位置和东向位置)和艏向角的数据，采用灰色预测对采集的数据进行预测，从而得到期望的航迹和艏向角；

2.进坞过程跟踪算法，把航迹设定装置得到期望航迹和艏向角与灰色预测后的实际航迹核艏向角进行比较和计算得到偏差值，并且在期望航期与实际航迹在一定误差范围内一致时控制推进器转速以恒定加速度减速；

3.PSO控制器，根据航迹和艏向角偏差计算得到控制舵角指令，分别发送给空气舵系统；

4.空气舵舵角改变，使得气垫船所受力矩改变，从而达到航迹控制。在气垫船进坞过程推进器的转速发生改变，使得气垫船的速度发生改变，从而使气垫船进坞后停下。

气垫船进坞过程自动控制方法通过进坞过程跟踪算法实时计算并更新当前时刻的期望航迹偏差和艏向角偏差，然后通过控制气垫船的艏向角以及速度实现其进坞的控制。进坞过程跟踪算法和PSO控制器是本方法的核心关键，进坞过程设定算法采用灰色预测的方法设定航线和期望艏向角。

本发明公开了一种气垫船进坞过程的控制方法，特别是一种由进坞过程设定算法，进坞过程跟踪算法和粒子群算法PID控制器(简称PSO控制器)组成的气垫船进坞控制方法。进坞过程设定算法通过给定的坞载舰运行和状态轨迹通过灰色预测给出气垫船期望的艏向角及航迹，航迹跟踪算法通过灰色预测后的实际航迹核艏向角和期望航迹和艏向角进行计算得到航迹和艏向角的偏差，PSO控制器运用PSO算法整定PID控制方法的三个参数Kp，Ki，Kd并且根据航迹和艏向角的偏差解算出控制舵角指令发送给空气舵系统和推进器。本发明通过自动调节空气舵的舵角和推进器可实现气垫船进坞过程的精确控制。本发明的控制过程分为两部分：第一部分为气垫船进坞准备过程，通过进坞过程设定算法设定出气垫船的期望航迹并使气垫船按照期望航迹行驶。第二部分为气垫船进坞过程当气垫船距与期望航迹在误差范围内一致时以恒定加速度减速，进坞控制不仅包括航迹和艏向角的控制还包括气垫船速度的控制。只有满足气垫船和坞载舰的航迹和艏向角在一定误差范围内一致并且进坞以后速度降为零才能成功完成进坞过程。气垫船进坞过程一直都是专业人员手动操作，并且经常照成气垫船围裙的损坏。本控制方法可以减少操作人员的负担而且可以减少进坞过程对气垫船的损坏。

一种基于航迹引导的气垫船进坞过程自动控制方法，主要包括一种由进坞过程设定算法，航迹跟踪算法和PSO控制器。航迹设定装置实现航迹和艏向角的设定，进坞过程跟踪器进行计算得到航迹和艏向角偏差，粒子群算法PID控制器解算控制指令。控制过程总体分为两部分：第一部分为气垫船进坞准备过程。第二部分为气垫船进坞过程。

控制过程分为两部分：第一部分为气垫船进坞准备过程，通过航迹设定装置设定出气垫船的期望航迹并使气垫船按照期望航迹以初始速度行驶。第二部分为气垫船进坞过程当气垫船距坞载舰50米时以恒定加速度减速当气垫船进坞以后速度将为零，进坞控制不仅包括航迹控制还包括艏向角的控制。只有满足气垫船和坞载舰的航迹和艏向角在一定误差范围内一致才能成功完成进坞过程。

进坞过程设定算法，通过GPS获得坞载舰的航迹和艏向角的数据，采用灰色预测对采集的数据进行预测，从而得到期望的航迹和艏向角。

粒子群PID控制器，PSO控制器的输入为进坞过程跟踪算法输出的偏差值。

如图1所示，进坞过程设定算法通过给定的坞载舰运行和状态轨迹通过灰色预测给出气垫船期望的艏向角及航迹，航迹跟踪算法通过灰色预测后的实际航迹核艏向角和期望航迹和艏向角进行计算得到航迹和艏向角的偏差，PSO控制器根据航迹和艏向角的偏差解算出控制舵角指令发送给空气舵系统和推进器。各个部分说明如下：

1.进坞过程设定算法设定过程如下：

(1)采集10个周期的坞载舰的运行状态，每个周期0.05s总耗时0.5s，包括北向位置x，东向位置y和船舶艏向角ψ。

(2)通过灰色预测对北向位置x进行预测产生700组数据,取第300组到第500组数据进行加权求和，并算得平均值x₁。取第500组到700组数据进行加权求和，并算得平均值x₂。同理求出y₁和y₂。

(3)由已知预测位置(x₁,y₁)和(x₂,y₂)作直线L作为预定航线。作为进坞过程设定算法的一个输出。

(4)通过灰色预测对船舶艏向角ψ进行预测产生700组数据,取第300到第700组数据加权求和，并计算其平均值作为进坞过程设定算法的第二个。

2.进坞过程跟踪算法主要有两个功能：计算航迹偏差η，艏向角偏差ψ′和推进器转速的控制。

(1)航迹偏差η的计算

如图2所示，设航迹上的三个点分别为(X_i-1,Y_i-1)、(X_i,Y_i)、(X_i+1,Y_i+1)，其中(X_i,Y_i)和(X_i-1,Y_i-1)分别为当前和前一路径点，(X_i,Y_i)为当前气垫船所在的位置，艏向角为ψ(t)，气垫船到相邻的航迹线的垂直距离被定义为航迹偏差。航迹控制的目的就是使航迹偏差η最小。

轨迹线长度定义为第i-1和i两点之间的距离，给定航迹线上两点之间的距离：

$Li=\sqrt{{\mathrm{\&Delta;x}}^2+{\mathrm{\&Delta;y}}^2}$

轨迹线航向角定义为：

ψ_trk(i)(t)＝arctan(Y_i-Y_i-1,X_i-X_i-1)

设航迹上任意两点之间的直线方程为：

x-X(i)＝k_pp(y-Y(i))

则

$k=\frac{X\left(i\right)-X(i-1)}{Y\left(i\right)-Y(i-1)}$

利用点到直线的距离公式为：

$\mathrm{\&eta;}=\frac{\left|(X-X(i)\right)-k(Y-Y(i)\left)\right|}{\sqrt{1+k^2}}$

规定当η>0时，气垫船位于制定航迹线的右侧；当η<0时，气垫船位于制定航迹线的左侧。

(2)艏向角偏差ψ′的计算

只需讲进坞过程设定算法输出的与经过灰色预测的实际气垫船艏向角ψ作差及可。

(3)推进器转速控制

当|η|<0.5m且|ψ′|<0.5°时，以恒定加速度减小推进器的转速，从而达到减速的目的。保证气垫船进坞以后可以停止，防止撞击坞载舰内部。

3.PSO控制器主要是通过粒子群算法来整定增量式PID的参数。

主要负责控制进坞过程跟踪算法数组的两个变量航迹偏差η和艏向角偏差ψ′。

本专利采用增量式的PID控制方法，其控制算法如下所示：

Δu(k)＝k_p(error(k)-error(k-1))+k_ierror(k)

+k_d(error(k)-2error(k-1)+error(k-2))

其中error(k)表示第k个时刻期望位置和艏向角输出与经过灰色预测的实际位置的差值，k_p、k_i和k_d分被表示增量PID控制器的三个控制参数，比例，微分，积分。要使用改进粒子群优化算法对PID参数进行整定，需要确定PSO控制系统的性能指标和粒子群优化算法的搜索空间。

(1)进坞过程控制系统的性能指标

进坞过程改进PSO-PID控制器设计问题实际上是多维函数的优化问题，本专利采用的改进PSO优化算法采用实数编码，粒子可以编码为三维空间中的某个点，将PID的三个参数作为对应维度的值，即用(k_p,k_i,k_d)为粒子进行编码。

(2)搜索空间

本专利，将Ziegler-Nichols方法获得的参数结果，作为粒子群优化算法搜索空间的中心，将其向左右两边进行扩展形成搜索空间，如下式所示：

(1-α)K′_p≤K_p≤(1+α)K′_p

(1-α)K_i′≤K_i≤(1+α)K_i′

(1-α)K′_d≤K_d≤(1+α)K′_d

其中，K′_p、K_i′和K′_d是Ziegler-Nichols法获得的整定结果，K_p、K_i和K_d为改进粒子群优化算法要整定的进坞过程PID控制参数，α的取值范围是[0,1]，在本专利中将其取为0.8。(3)算法流程如图3所示：

Step1：初始化粒子种群，根据航迹控制以及航向控制的特点，选择合适的粒子数量、惯性权值、最大迭代次数、学习因子和粒子的初始位置，在本文中粒子数量为30，最大迭代次数为100，学习因子取为c₁＝c₂＝c₃＝2。

Step2：判断迭代次数是否达到最大值，是的话停止计算，否则继续下一步；

Step3：计算种群中每个粒子的适应值；

Step4：对于种群中的每个粒子，将其当前的适应值与其经历过的最好位置Pbest_i的适应值进行比较，如果更好，则将该值作为该粒子当前时刻的最优位置；

Step5:：对于种群中的每个粒子，将其当前的适应值与种群全局经历过的最好位置Gbest的适应值相比较，如果更好，则将该值作为种群当前时刻的全局最优位置；

Step6：对于种群中的每个粒子，将其当前的适应值与其所属的局部种群经历过的最好位置Sbest的适应值相比较，如果更好，则将该值作为局部种群当前时刻的局部最优位置；

Step7：对粒子的速度进行进化检查粒子的速度值，其中v_d-min和v_d-max分别为粒子在空间d维上飞行速度的最小值的最大值，v_d-min和v_d-max根据搜索空间的范围进行选取：

$v_{id}^{k+1}=\left\{\begin{array}{ccc}{v}_{d\_min}& if& v_{id}^{k+1}<v_{d\_min}\\ v_{id}^{k+1}& if& v_{d\_\min }\&le;v_{id}^{k+1}<v_{d\_\max }\\ v_{d\_\max }& if& v_{id}^{k+1}>v_{d\_max}\end{array}\right.$

同时对粒子的位置进行进化，并使用下式检查粒子的位置值，其中x_d-min和x_d-max分别为粒子在空间d维上粒子位置的下限和上限限制值：

$x_{id}^{k+1}=\left\{\begin{array}{ccc}{x}_{d\_min}& if& x_{id}^{k+1}<x_{d\_min}\\ x_{id}^{k+1}& if& x_{d\_\min }\&le;x_{id}^{k+1}<x_{d\_\max }\\ x_{d\_\max }& if& x_{id}^{k+1}>x_{d\_max}\end{array}\right.$

Step8：返回Step2。

Claims (6)

1.一种基于航迹引导的气垫船进坞过程自动控制系统，其特征在于：包括GPS、航迹设定装置、进坞过程跟踪器、粒子群控制器、空气舵和推进器，

GPS采集坞载船的航迹和艏向角的数据，传送给航迹设定装置；

航迹设定装置采用灰色预测对采集的数据进行预测，从而得到期望的航迹和艏向角，传送给进坞过程跟踪器；

进坞过程跟踪器将接收的期望的航迹和艏向角与灰色预测后的实际航迹和艏向角进行比较，得到航迹偏差η和艏向角偏差ψ′，传送给粒子群控制器；

粒子群控制器根据接收的信息，得到控制舵角指令，控制空气舵，当航迹偏差η在设定阈值内时，以恒定加速度减小推进器的转速。

2.一种基于权利要求1所述的基于航迹引导的气垫船进坞过程自动控制系统的控制方法，

其特征在于：包括以下步骤，

步骤一：通过GPS获得坞载船的航迹和艏向角的数据，采用灰色预测对采集的数据进行预测，从而得到期望的航迹和艏向角；

步骤二：气垫船按照期望航迹行驶，将期望的航迹和艏向角与灰色预测后的实际航迹和艏向角进行比较，得到航迹偏差η和艏向角偏差ψ′；

步骤三：根据航迹偏差η和艏向角偏差ψ′，采用粒子群PID控制方法，得到控制舵角指令，控制空气舵；当航迹偏差η在设定阈值内时，以恒定加速度减小推进器的转速；

步骤四：完成进坞过程。

3.根据权利要求2所述的一种基于航迹引导的气垫船进坞过程自动控制方法，其特征在于：

所述的步骤一中得到期望的航迹和艏向角的具体过程为：

(1)采集K个周期的坞载船的运行状态，包括北向位置x，东向位置y和艏向角ψ；

(2)通过灰色预测对北向位置x进行预测产生N组数据，取第N₁组到第N₂组数据进行加权求和，并算得平均值x₁，取第N₂组到N组数据进行加权求和，并算得平均值x₂；通过灰色预测对东向位置y进行预测产生N组数据，取第N₁组到第N₂组数据进行加权求和，并算得平均值y₁，取第N₂组到N组数据进行加权求和，并算得平均值y₂；

(3)利用已得到的预测位置(x₁,y₁)和(x₂,y₂)作直线L作为期望的航迹输出；

(4)通过灰色预测对艏向角ψ进行预测产生N组数据，取第N₁到第N组数据加权求和，并计算其平均值，作为期望的艏向角输出。

4.根据权利要求2所述的一种基于航迹引导的气垫船进坞过程自动控制方法，其特征在于：

所述的航迹偏差η为：

$\mathrm{\&eta;}=\frac{\left|(X-X(i)\right)-k(Y-Y(i)\left)\right|}{\sqrt{1+k^2}}$

$k=\frac{X\left(i\right)-X(i-1)}{Y\left(i\right)-Y(i-1)}$

其中，(X_i-1,Y_i-1)、(X_i,Y_i)、(X_i+1,Y_i+1)分别为航迹上的三个点，其中(X_i,Y_i)和(X_i-1,Y_i-1)分别为当前和前一路径点，(X_i,Y_i)为当前气垫船所在的位置，艏向角为ψ(t)。

5.根据权利要求2所述的一种基于航迹引导的气垫船进坞过程自动控制方法，其特征在于：当航迹偏差|η|<0.5m且艏向角偏差|ψ′|<0.5°时，以恒定加速度减小推进器的转速。

6.根据权利要求2所述的一种基于航迹引导的气垫船进坞过程自动控制方法，其特征在于：所述的粒子群PID控制方法为：

Δu(k)＝k_p(error(k)-error(k-1))+k_ierror(k)

+k_d(error(k)-2error(k-1)+error(k-2))

其中error(k)表示第k个时刻期望位置和艏向角与经过灰色预测的实际位置和艏向角的差值，k_p、k_i和k_d分被表示控制器的三个控制参数：比例，微分，积分，

使用改进粒子群优化算法对PID参数k_p、k_i和k_d进行整定。