CN108681245B - 一种解决实际升力受限的减摇鳍控制器 - Google Patents

Abstract

减摇鳍控制器将期望横摇角、微分横摇角、横摇角误差和微分横摇角误差传递给积分滑模变换器。产生积分滑模面后传递给切换自适应律生成器、切换控制器、模糊自适应律生成器和模糊控制器，由切换控制器和模糊控制器分别产生的切换控制律和模糊控制律通过控制信号求和器得到总的升力控制律。经过限幅调节器和RBF神经网络调节器分别得到升力实际输入值与设计输入值偏差以及偏差的估计值，得到受限的升力控制律，实现升力受限的船舶横摇控制。其优点在于针对系统控制量受到实际执行机构限制问题，采用滑模变结构、模糊控制和RBF神经网络控制策略结合优化，实现减摇鳍升力受限的有效补偿。通过仿真实验验证了控制器的可靠性和有效性。

Description

一种解决实际升力受限的减摇鳍控制器

(一)技术领域

本发明涉及船舶减摇鳍控制器设计，具体涉及一种通过滑模变结构、模糊控制和RBF神经网络控制策略结合优化来处理升力受限的减摇鳍控制器。

(二)背景技术

减摇鳍是迄今推广应用最为成功的船用主动式减横摇装置。在理想状态下，其减摇效果可达90％以上。减摇鳍实际效果的优劣主要与其水动力运用及自身控制性能有关。减摇鳍的水动力特性主要从鳍的流体特性和鳍型结构进行分析研究，往往在鳍结构设计阶段就已经确定下来。在鳍结构确定的基础上，设计性能优良的控制器可以充分利用减摇鳍的水动力特性，提高减摇效果。

船舶横摇主要是受到海浪作用的影响，海浪干扰是随机变化的。通常设计减摇鳍的控制器时，选取一个特定海况下的某种功率谱的长峰波浪作为干扰，最优的控制器参数只是针对这种特定干扰确定的，而实际的海浪干扰是会发生变化的。此外，海浪还具有短峰性，由多个不同方向的长峰波叠加得到的。控制器的参数应随着海浪谱的变化而改变。此外，船舶的横摇会受到航行状态、随机海浪和横摇运动参数的影响而发生变化。

为改善常规控制方式的不足，不少科研工作者提出了许多改进措施。专利《一种基于干扰观测器的船舶减摇鳍滑模控制方法》提出的基于干扰观测器的减摇鳍滑模控制，解决常规船体横摇模型的非线性问题；专利《一种减摇鳍模糊神经网络PID控制系统与方法》提出模糊神经网络PID控制解决常规减摇鳍控制系统问题；专利《基于模糊免疫控制的低航速减摇鳍控制方法》提出模糊免疫控制解决减摇鳍在船低航速存在的问题；专利《船舶减摇鳍与翼鳍矢量控制方法》针对翼鳍提出矢量控制方法。文献《基于修正因子模糊PID控制在升力鳍系统中的应用》提出解决升力鳍系统的非线性方法；文献《基于RBF神经网络的减摇鳍自适应滑模控制》提出自适应控制方法应对常规减摇鳍控制系统问题；文献《基于Backstepping与闭环增益成形的减摇鳍控制》运用反步与闭环解决非线性环节；文献《升力控制减摇鳍模糊控制策略的仿真研究》运用模糊方法控制升力作用；文献《升力反馈减摇鳍及减摇鳍变结构控制方法研究》将变结构控制运用到减摇鳍的升力反馈中。这些控制方法对解决船舶横摇运动的非线性起到一定改善，但都没有考虑减摇鳍在实际应用中由于客观约束而导致动态升力受限问题。

在实际工程中，导致减摇鳍控制偏差主要有三方面的原因：一是横摇模型中非线性部分的影响，常规控制策略经常忽略了非线性环节；二是减摇鳍及船体受到风、浪、流的强烈干扰，设计时很难准确预估；三是为防止减摇鳍动态失速及确保执行机构安全，通常设置限位环节进行约束。上述原因导致减摇鳍实际可用的动态升力受到限制，只考虑单一因素而不通盘设计，根据理论模型设计控制器会导致控制偏差过大，难以取得较好效果。因此，需要根据实际约束设计控制器。

(1)RBF神经网络控制模块

为防止出现动态失速和确保高海况时执行结构安全，减摇鳍控制系统的执行机构对鳍角和升力进行限制，提供受限的控制力矩。过大的升力控制力矩难以实现，发生升力受限的情况可能影响稳定性和控制效果，严重时会使得系统不稳定。为此，针对系统控制量受到执行机构限制问题，采用RBF神经网络控制策略，实现减摇鳍升力输入受限的有效补偿。

(2)滑模变结构控制模块

由于采用滑模变结构控制，而实际的控制系统中通常存在扰动，通过滑模控制中的切换鲁棒项，可有效地克服干扰，当海浪扰动太大时，为了产生与之匹配的升力控制力矩，就需要增加切换增益，此时就极易发生抖振现象。为了克服这种问题，将内部和外部的未知力矩或力整合到一起，作为一个整体的干扰项，然后估计这个未知项。干扰观测器的输出用于前馈补偿，能够达到平滑、快速和准确的控制性能指标，同时避免使用大增益。

(3)模糊控制模块

由于模糊控制方法具有处理非线性和不确定性的能力，不少学者将其应用于减摇鳍控制系统，归纳模糊控制的优点如下：1)模糊控制只需建立控制规则，无需准确的获得控制对象的数学模型；2)模糊控制具有较强的鲁棒性，对于时变滞后和非线性的控制对象具有较好的控制效果；3)有较强的容错性，具有适应受控对象动力学特征变化、环境特征变化和行动条件变化的能力；4)模糊规则容易添加进控制器中。

基于上述优点(1)-(4)，对减摇鳍非线性系统设计输入模糊化的滑模变结构自适应控制策略，以解决减摇鳍在工程应用中受到众多客观约束导致实际动态升力难以发挥有效作用，改善常规控制方法只针对特定情况有效的问题。

(三)发明内容

本发明的目的在于提供一种解决实际升力受限的减摇鳍控制器。

本发明的目的是这样实现的：

本发明的一种解决实际升力受限的减摇鳍控制器包括横摇角误差生成器(1)，横摇角误差微分变换器(2)，横摇角微分变换器(3)，积分滑模变换器(4)，切换自适应律生成器(5)，切换控制器(6)，模糊自适应律生成器(7)，模糊控制器(8)，控制信号求和器(9)，限幅调节器(10)，RBF神经网络调节器(11)，控制量限幅输出求和器(12)，横摇模型(13)，非线性干扰观测器(14)。船舶横摇角和船舶期望横摇角经过横摇角误差生成器(1)产生横摇角误差，该横摇角误差经过横摇角误差微分变换器(2)变换成微分横摇角误差，横摇角经过横摇角微分变换器(3)得到微分横摇角，将期望横摇角、微分横摇角、横摇角误差和微分横摇角误差传递给积分滑模变换器(4)，产生的积分滑模面传递给切换自适应律生成器(5)、切换控制器(6)、模糊自适应律生成器(7)和模糊控制器(8)，切换自适应律生成器(5)产生切换自适应律传递给切换控制器(6)，模糊自适应律生成器(7)产生模糊自适应律传递给模糊控制器(8)，由切换控制器(6)和模糊控制器(8)分别产生的切换控制律和模糊控制律经过控制信号求和器(9)得到总的升力控制律，总的升力控制律传递给限幅调节器(10)和RBF神经网络调节器(11)分别得到升力实际输入值与设计输入值的偏差以及偏差的估计值，偏差和估计值经过控制量限幅输出求和器(12)计算得到受限的升力控制律，受限的升力控制律和干扰传递给横摇模型(13)产生船舶横摇角反馈给横摇角误差生成器(1)和横摇角微分变换器(3)，受限的升力控制律和船舶横摇角传递给非线性干扰观测器(14)产生干扰估计值，干扰估计值反馈给切换自适应律生成器(5)和模糊自适应律生成器(7)，实现升力受限的船舶横摇控制。

此发明的优点在于为防止出现动态失速和确保高海况时执行结构安全，减摇鳍控制系统的执行机构对鳍角和升力进行限制，提供受限的控制力矩。过大的升力控制力矩难以实现，发生升力受限的情况可能影响稳定性和控制效果，严重时会使得系统不稳定。为此，针对系统控制量受到执行机构限制问题，滑模变结构、模糊控制和RBF神经网络控制策略结合优化，实现减摇鳍升力输入受限的有效补偿。本发明通过仿真实验验证了控制方案的可靠性和有效性。

(四)附图说明

图1为一种解决实际升力受限的减摇鳍控制器总体结构图；

图2为遭遇角45°时的横摇角；

图3为遭遇角45°时的控制力矩；

图4为遭遇角90°时的横摇角；

图5为遭遇角90°时的控制力矩；

图6为遭遇角135°时的横摇角；

图7为遭遇角135°时的控制力矩；

图8为PID控制和模糊滑模控制减摇效果对比。

在图1中各数字代表的装置如下：1—横摇角误差生成器；2—横摇角误差微分变换器；3—横摇角微分变换器；4—积分滑模变换器；5—切换自适应律生成器；6—切换控制器；7—模糊自适应律生成器；8—模糊控制器；9—控制信号求和器；10—限幅调节器；11—RBF神经网络调节器；12—控制量限幅输出求和器；13—横摇模型；14—非线性干扰观测器。

(五)具体实施方式

下面对本发明进行详细描述：

如图1所示，本发明的一种解决实际升力受限的减摇鳍控制器包括横摇角误差生成器(1)，横摇角误差微分变换器(2)，横摇角微分变换器(3)，积分滑模变换器(4)，切换自适应律生成器(5)，切换控制器(6)，模糊自适应律生成器(7)，模糊控制器(8)，控制信号求和器(9)，限幅调节器(10)，RBF神经网络调节器(11)，控制量限幅输出求和器(12)，横摇模型(13)，非线性干扰观测器(14)。

船舶横摇角φ和船舶期望横摇角φ_c经过横摇角误差生成器(1)产生横摇角误差e，该横摇角误差e经过横摇角误差微分变换器(2)变换成微分横摇角误差

横摇角φ经过横摇角微分变换器(3)得到微分横摇角

将期望横摇角φ_c、微分横摇角

横摇角误差e和微分横摇角误差

传递给积分滑模变换器(4)，产生的积分滑模面S传递给切换自适应律生成器(5)、切换控制器(6)、模糊自适应律生成器(7)和模糊控制器(8)，切换自适应律生成器(5)产生切换自适应律

传递给切换控制器(6)，模糊自适应律生成器(7)产生模糊自适应律

传递给模糊控制器(8)，由切换控制器(6)和模糊控制器(8)分别产生的切换控制律u_vs和模糊控制律u_fz经过控制信号求和器(9)得到总的升力控制律u，总的升力控制律u传递给限幅调节器(10)和RBF神经网络调节器(11)分别得到升力实际输入值与设计输入值的偏差δ以及偏差δ的估计值

偏差δ和估计值

经过控制量限幅输出求和器(12)计算得到受限的升力控制律v，受限的升力控制律v和干扰d传递给横摇模型(13)产生船舶横摇角φ反馈给横摇角误差生成器(1)和横摇角微分变换器(3)，受限的升力控制律v和船舶横摇角φ传递给非线性干扰观测器(14)产生干扰估计值

干扰估计值

反馈给切换自适应律生成器(5)和模糊自适应律生成器(7)，实现升力受限的船舶横摇控制。

针对装备减摇鳍的船舶非线性横摇运动模型(13)，控制力矩为K_f＝W_Cu，u为总的升力控制律，W_C为升力伺服控制执行机构的传递函数，装备减摇鳍的横摇模型可表示为：

φ为船舶横摇角，

F₁为系统外界和自身非线性项构成的广义干扰，扰动力矩为K_ω。对横摇模型(13)进行标准化整理，得到横摇模型标准化表达形式，

a₁、a₂和b表示横摇模型参数，

d表示干扰。I_x为通过船体重心纵轴的转动惯量，ΔI_x为附加转动惯量，

为船体的阻尼力矩，C₁φ+C₃φ³+C₅φ⁵为船体恢复力矩，B₁、B₂、C₁、C₃、C₅为横摇系数。

针对装备减摇鳍的船舶非线性横摇运动模型(13)，定义广义非线性干扰因素为模型内部非线性项和海浪干扰力矩，如下式所示。

式中：

表示横摇角的一阶导数，

表示横摇角的二阶导数，d表示干扰，v表示受限的升力控制律，a₁、a₂和b表示横摇模型参数。

由式(1)可得：

为了便于描述，将上式整理为：

式中：J(φ)表示系统向量，J(φ)＝1，

G(φ)＝a₁φ，τ＝bv，τ为中间变量。

非线性干扰观测器(14)设计为：

式中：z表示辅助参数向量，

为z的一阶导数，L(φ)表示干扰观测器参数，

表示干扰估计值，

表示

的多项式，

为

的一阶导数。

将装备减摇鳍的船体横摇运动模型描述整理为如下形式：

式中：t表示时间，

g(φ,t)u＝-bu，d为设计控制器时利用估计的干扰代替实际的干扰，取

取φ_c为期望横摇角，则横摇角误差生成器(1)计算得到横摇角误差为e＝φ-φ_c，则积分滑模变换器(4)产生相应的积分滑模面S可以表示为：

式中：横摇角误差微分变换器(2)产生

横摇角微分变换器(3)产生

S(t)表示积分滑模面，k₁、k₂为积分滑模面的相关系数，两者均大于零。

定义α为调节参数，ξ为模糊基向量，则模糊控制器(8)产生的模糊控制律u_fz可表示为：

u_fz＝α^Tξ^T (7)

式中：

为α的一阶导数，是由模糊自适应律生成器(7)生成的，η₁为调节参数的相关系数。

切换控制器(6)产生的u_vs为切换控制律：

u_vs＝-Esgn(S) (9)

式中：sgn为符号函数，η₂为切换增益的相关系数，E为切换增益。

切换自适应律生成器(5)产生的自适应策略为：

式中：

为E的一阶导数。

经过控制信号求和器(9)，总的升力控制律u可以表示为：

u＝u_fz+u_vs (11)

采用RBF神经网络实现控制减摇鳍升力受限的有效补偿设计。

如果船体减摇所需动态升力大于受到限定的升力值，则采用最大的升力边界值；如果减摇所需动态升力小于受到限定的升力值，而由于执行结构等实际情况导致鳍上产生的动态升力不能满足实际需要时，则需要运用RBF神经网络动态调整补偿这部分差值。

根据模糊滑模控制得到的总的升力控制律为式(11)，取最大控制输入值为v_max，控制量限幅输出求和器(12)得到升力实际输入值和设计输入值偏差为δ＝v-u，v＝sat(u)，限幅调节器(10)得到的控制升力输入受限函数sat(u)的表达式为：

在实际工程中，若减摇鳍执行结构在特定时刻幅值不确定，会造成δ未知。通过设计RBF神经网络调节器(11)得到RBF网络，采用RBF神经网络逼近δ的方法，可实现一种解决实际升力受限的减摇鳍控制方法。

具体实现算法如下。

RBF神经网络包含3层：输入层、隐含层和输出层，其中隐含层一般采用高斯基函数。其输入输出算法为

δ＝W^*Th(x) (14)

式中：

(1)x为RBF神经网络输入；

(2)i表示RBF神经网络输入层第i个的输入；

(3)j为RBF神经网络隐含层第j个网络输入；

(4)h＝[h_j]^T为高斯基函数的输出；

(5)W^*为RBF神经网络的理想权值；

(6)δ为升力实际输入值与设计输入值的偏差，即RBF神经网络理想输出；

(7)W^*为RBF神经网络的理想权值。

设RBF神经网络输入取为x＝u，

为偏差δ的估计值，即RBF神经网络估计输出，

为RBF神经网络的估计权值。

则可得到RBF神经网络估计输出表达式如下式所示。

取权值偏差为

则可得：

取控制目标为φ→φ_c，φ_c为期望横摇角，对于船舶减摇的目的，横摇角度指令为0rad/s。

定义横摇角误差为e＝φ-φ_c，则

积分滑模面导数为：

于是

由于需要同时满足滑模面和RBF神经网络权重的估计偏差均趋于零，因此定义Lyapunov函数V为：

式中：γ＞0，为设计参数。

于是

取自适应律为：

则

由于当且仅当S＝0时，

则t→∞时，S→0，且

有界。

RBF神经网络只能逼近有界的函数，这就要求δ有界，本算法的稳定性取决于δ的有界性。

主要仿真参数如下：

期望横摇角φ_c＝0，系统初始状态为[10，0]。

升力受限模块中，RBF神经网络结构取1-5-1，高斯基函数参数取c_i＝6×[-1 -0.50 0.5 1]和b_j＝5，权值的初始值为0。自适应律(21)中，取γ＝10。

模糊滑模控制律参数k₁＝2，k₂＝5，

和

初始值取0.2，控制器参数取η₁＝200，η₂＝0.5。

仿真结果如图2-8所示。

由图2-8可见，对于不同的遭遇角运用PID控制的减摇效果在首斜浪情况时不好，其余情况下可达到80％以上。为防止出现动态失速和确保高海况时执行结构安全，减摇鳍控制系统的执行机构对鳍角和升力进行限制，提供受限的控制力矩。过大的升力控制力矩难以实现，发生升力受限的情况可能影响稳定性和控制效果，严重时会使得系统不稳定。为此，针对系统控制量受到执行机构限制问题，采用设计的控制器，实现减摇鳍升力受限的有效补偿。考虑升力受限的减摇鳍控制器的减摇效果在不同遭遇角下均大幅提升，说明该算法能够降低内外干扰的影响，并改善升力输入受限的不良作用，适用于减摇鳍控制系统。

Claims (4)

1.一种解决实际升力受限的减摇鳍控制器，包括横摇角误差生成器(1)，横摇角误差微分变换器(2)，横摇角微分变换器(3)，积分滑模变换器(4)，切换自适应律生成器(5)，切换控制器(6)，模糊自适应律生成器(7)，模糊控制器(8)，控制信号求和器(9)，限幅调节器(10)，RBF神经网络调节器(11)，控制量限幅输出求和器(12)，横摇模型(13)，非线性干扰观测器(14)，其特征在于：

船舶横摇角和船舶期望横摇角经过横摇角误差生成器(1)产生横摇角误差，该横摇角误差经过横摇角误差微分变换器(2)变换成微分横摇角误差，横摇角经过横摇角微分变换器(3)得到微分横摇角，将期望横摇角、微分横摇角、横摇角误差和微分横摇角误差传递给积分滑模变换器(4)；产生的积分滑模面传递给切换自适应律生成器(5)、切换控制器(6)、模糊自适应律生成器(7)和模糊控制器(8)，切换自适应律生成器(5)产生切换自适应律传递给切换控制器(6)，模糊自适应律生成器(7)产生模糊自适应律传递给模糊控制器(8)，由切换控制器(6)和模糊控制器(8)分别产生的切换控制律和模糊控制律经过控制信号求和器(9)得到总的升力控制律；总的升力控制律传递给限幅调节器(10)和RBF神经网络调节器(11)分别得到升力实际输入值与设计输入值的偏差以及偏差的估计值，偏差和估计值经过控制量限幅输出求和器(12)计算得到受限的升力控制律；受限的升力控制律和干扰传递给横摇模型(13)产生船舶横摇角反馈给横摇角误差生成器(1)和横摇角微分变换器(3)，受限的升力控制律和船舶横摇角传递给非线性干扰观测器(14)产生干扰估计值，干扰估计值反馈给切换自适应律生成器(5)和模糊自适应律生成器(7)，实现升力受限的船舶横摇控制。

2.根据权利要求1所述的一种解决实际升力受限的减摇鳍控制器，其特征在于：所述的干扰估计值指：非线性干扰观测器(14)设计为

式中：z表示辅助参数向量，

为z的一阶导数，L(φ)表示干扰观测器参数，

G(φ)＝a₁φ，τ＝bv，τ为中间变量，v表示受限的升力控制律，a₁、a₂和b表示横摇模型参数，φ表示船舶横摇角，

表示横摇角的一阶导数，

表示干扰估计值，

表示

的多项式，

为

的一阶导数，

表示横摇角的二阶导数，J(φ)表示系统向量，J(φ)＝1，针对装备减摇鳍的船舶非线性横摇运动模型，控制力矩为K_f＝W_Cu，u为总的升力控制律，W_C为升力伺服控制执行机构的传递函数，装备减摇鳍的横摇模型可表示为：

φ为船舶横摇角，

F₁为系统外界和自身非线性项构成的广义干扰，扰动力矩为K_ω，对横摇模型进行标准化整理，得到横摇模型标准化表达形式，

d表示干扰，I_x为通过船体重心纵轴的转动惯量，ΔI_x为附加转动惯量，

为船体的阻尼力矩，C₁φ+C₃φ³+C₅φ⁵为船体恢复力矩，B₁、B₂、C₁、C₃、C₅为横摇系数。

3.根据权利要求1所述的一种解决实际升力受限的减摇鳍控制器，其特征在于：所述的总的升力控制律指：

u＝u_fz+u_vs

式中，u_vs为切换控制律，u_vs＝-Esgn(S)，S表示积分滑模面，E为切换增益，sgn为符号函数，定义自适应策略为

η₂为切换增益的相关系数，模糊控制律u_fz可表示为u_fz＝α^Tξ^T，α为调节参数，ξ为模糊基向量，

为α的一阶导数，η₁为调节参数的相关系数。

4.根据权利要求1所述的一种解决实际升力受限的减摇鳍控制器，其特征在于：所述的升力实际输入值与设计输入值的偏差的估计值的表达式为：

式中，δ为升力实际输入值与设计输入值的偏差，

为偏差的估计值，h为高斯基函数的输出，

为RBF神经网络的估计权值，根据自适应律

求解

γ＞0为设计参数，g(φ,t)＝-b，b表示横摇模型参数，S表示积分滑模面，t表示时间。

Images