CN109188909A - 面向船舶航向非线性离散系统的自适应模糊最优控制方法及系统 - Google Patents

Abstract

本发明提供一种面向船舶航向非线性离散系统的自适应模糊最优控制方法及系统，属于船舶自动控制技术领域，该方法针对船舶航向非线性离散系统，运用模糊优化学习自适应算法，解决船舶航向离散非线性系统的最优控制问题，有效降低了控制器能量消耗、减少舵机磨损，提高航向跟踪速度和精度。

Description

面向船舶航向非线性离散系统的自适应模糊最优控制方法及 系统

技术领域

本发明涉及船舶自动控制技术领域，具体而言，尤其涉及一种面向船舶航向非线性离散系统的自适应模糊最优控制方法及系统。

背景技术

船舶运动具有大时滞、大惯性、非线性等特点，航速及装载的变化产生了控制模型的参数摄动，航行条件的变化、环境参数的干扰及测量的不精确性等因素都使船舶航向控制系统产生了不确定性。针对这些非线性不确定带来的问题，智能算法不断应用于船舶航向控制领域，如自适应控制，鲁棒控制，模糊自适应控制、迭代滑模控制、最少参数学习方法先后应用于船舶航向控制系统。然而，当前多数研究中船舶航向轨迹追踪设计方法存在简单，追踪速度较慢，从而导致控制器能量消耗及舵机磨损严重的问题，因此考虑船舶航向控制实际性能要求较少，使用成本较高不易于工程实现。

发明内容

根据上述提出的技术问题，而提供一种面向船舶航向非线性离散系统的自适应模糊最优控制方法及系统。本发明主要针对船舶航向非线性离散系系统进行设计，有效降低控制器能量消耗、减少舵机磨损，提高航向跟踪速度和精度。

本发明采用的技术手段如下：

一种面向船舶航向非线性离散系统的自适应模糊最优控制方法，包括如下步骤：

S1、将采集到的航向信息传送给船载计算机，船载计算机考虑船舶稳态回转非线性特性建立有关所述航向信息的船舶航向离散非线性控制系统数学模型，所述航向信息包括根据船舶舵机测量的舵角数据和罗经测量的当前航向角数据；

S2、对所述船舶航向离散非线性控制系统数学模型离散化处理，设计有关船舶航向离散非线性控制系统数学模型的虚拟控制器，根据船舶航向离散非线性控制系统数学模型的输出与预设的第一时刻的参考轨迹点相比对得到船舶航向轨迹跟踪误差，通过所述船舶航向轨迹跟踪误差与预设的下一时刻的参考轨迹相结合确定用于控制并镇定所述船舶航向离散非线性控制系统的镇定函数；

S3、根据预设的阈值评判所述船舶航向轨迹跟踪误差值从而确定设计性能指标，根据所述设计性能指标确定效用函数，利用模糊逻辑系统的万能逼近原理求解所述效用函数，根据最优贝尔曼控制原理求解所述设计性能指标和效用函数的关系从而得到评价误差，根据梯度下降规则求解关于所述评价误差的目标函数，求得最优评价信号指标；

S4、根据所述最优评价信号指标计算船舶航向离散非线性系统的自适应模糊更新率，通过万能逼近原理求解所述虚拟控制器和自适应模糊更新率，得到系统的实际控制最优舵角指令，通过计算的所述实际最优舵角指令，传递给船舶舵机输出船舶航向角，实现船舶航向的自适应模糊最优控制。

进一步地，所述步骤S1中，考虑船舶稳态回转非线性特性，建立船舶航向非线性系统数学模型为：

式中，为航向角，δ为舵角；K是船舶回转性指数，T为船舶跟从性指数，为未知的非线性函数，其由下述的万能逼近定理逼近求解。

进一步地，所述步骤S2具体包括如下步骤：

S21、定义状态变量x₁＝φ，u＝δ，将式(1)经离散化，得到船舶航向离散非线性控制系统数学模型：

式(2)中，x_i,i＝1,2为系统的状态，u(k)系统的输入，y_k为系统的输出，f₂(x₂(k))为未知的不确定函数，p＝K/T为控制增益；

S22、定义船舶航向轨迹跟踪误差为e₁(k)＝x₁(k)-y_d(k)，y_d(k)为光滑有界的参考轨迹，根据船舶航向轨迹跟踪误差可得：

e₁(k+1)＝x₁(k+1)-y_d(k+1)＝x₂(k)-y_d(k+1) (3)

式中，x₂(k)为式(3)的虚拟控制输入；

S23、定义误差变量e₂(k)＝x₂(k)-α₁(k)，α₁(k)为镇定函数，设计镇定函数α₁(k)为：

α₁(k)＝c₁e₁(k)+y_d(k+1) (4)

式中c₁为待设计常数。

进一步地，所述步骤S3具体包括如下步骤：

S31、基于追踪误差e₁(k)，设计性能指标q(k)为

式中c∈R为阀值；

S32、根据性能指标q(k)定义效用函数C(k)为

式中β＞0是加权系数，利用模糊逻辑系统的万能逼近原理，可得

式中为理想可调参数向量，为模糊基函数向量，为逼近误差；

S33、根据最优贝尔曼控制原理，可得评价误差e_c(k)：

式中 理想估计参数向量，为的转置，是C(k)的估计；

S34、根据式(8)，定义最优评价信号指标的目标函数为为使目标函数E_c(k)达到最小化，根据梯度下降规则，求得最优评价信号指标：自适应律为

式中自适应增益参数γ_c＞0。

进一步地，所述步骤S4具体包括如下步骤：

S41、定义为使目标函数达到最小化，基于梯度下降规则，求得自适应律为

式中γ＞0为自适应增益；

S42、基于上述各步骤建立的带有评价信号的模糊逻辑系统，利用万能逼近定理对船舶航向非线性系统中存在的未知函数进行逼近，得到系统的实际控制器：

式中，激活函数是有界的，即

本发明还提供了一种面向船舶航向非线性离散系统的自适应模糊最优控制系统，包括：

数据采集单元，用于采集船舶航行过程中的航向信息，所述航向信息包括舵角数据和当前航向角数据；

数据传输单元，用于将采集到的船舶航行过程中的航向信息传输至船载计算机；

船载计算机，用于处理采集到的船舶航行过程中的航向信息，完成船舶航向的自适应模糊最优控制，其具体包括：

船舶航向离散非线性控制系统数学模型建立单元，用于通过采集到的船舶航行过程中的航向信息，考虑船舶稳态回转非线性特性建立有关所述航向信息的船舶航向离散非线性控制系统数学模型；

虚拟控制器构筑单元，用于对所述船舶航向离散非线性控制系统数学模型离散化处理，设计有关船舶航向离散非线性控制系统数学模型的虚拟控制器，其包括：

船舶航向轨迹跟踪误差计算模块，用于根据船舶航向离散非线性控制系统数学模型的输出与预设的第一时刻的参考轨迹点相比对计算船舶航向轨迹跟踪误差，

镇定函数设计模块，用于设计控制并镇定所述船舶航向离散非线性控制系统的镇定函数，具体为：通过所述船舶航向轨迹跟踪误差与预设的下一时刻的参考轨迹相结合设计所述镇定函数；

实际控制器设计单元，用于通过对所述虚拟控制器进行相关的最优控制计算从而得到实际控制最优舵角指令，其包括：

效用函数设计模块，用于根据预设的阈值评判所述船舶航向轨迹跟踪误差值从而确定设计性能指标，根据所述设计性能指标设计所述效用函数，

优化设计模块，用于利用模糊逻辑系统的万能逼近原理求解所述效用函数，根据最优贝尔曼控制原理求解所述设计性能指标和效用函数的关系从而得到评价误差，根据梯度下降规则求解关于所述评价误差的目标函数，求得最优评价信号指标，

评价模块，用于根据所述最优评价信号指标计算船舶航向离散非线性系统的自适应模糊更新率，通过万能逼近原理求解所述虚拟控制器和自适应模糊更新率，得到系统的实际控制最优舵角指令；

数据反馈单元，用于通过计算的所述实际最优舵角指令，将信息反馈到船舶舵机输出船舶航向角，实现船舶航向的自适应模糊最优控制。

本发明与现有技术相比，该方法针对船舶航向非线性离散系统，运用模糊优化学习自适应算法，解决船舶航向离散非线性系统的最优控制问题，有效降低了控制器能量消耗、减少舵机磨损，同时本文建立的船舶航向轨迹跟踪误差最优评价信号指标充分体现在后推设计中，加快系统追踪速度的又能达到最优控制目的，从而显著提高了航向跟踪的速度和精度。

基于上述理由本发明可在船舶控制技术及制造技术领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种面向船舶航向非线性离散系统的自适应模糊最优控制系统模块图。

图2为本发明一种面向船舶航向非线性离散系统的自适应模糊最优控制方法流程图。

图3为本发明设计方法仿真得到的结果示意图。

图4为本发明系统各模块具体交互示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

如图2所示，本发明提供了一种面向船舶航向非线性离散系统的自适应模糊最优控制方法，包括如下步骤：

S1、将采集到的航向信息传送给船载计算机，船载计算机考虑船舶稳态回转非线性特性建立有关所述航向信息的船舶航向离散非线性控制系统数学模型，所述航向信息包括根据船舶舵机测量的舵角数据和罗经测量的当前航向角数据；

S2、对所述船舶航向离散非线性控制系统数学模型离散化处理，设计有关船舶航向离散非线性控制系统数学模型的虚拟控制器，根据船舶航向离散非线性控制系统数学模型的输出与预设的第一时刻的参考轨迹点相比对得到船舶航向轨迹跟踪误差，通过所述船舶航向轨迹跟踪误差与预设的下一时刻的参考轨迹相结合确定用于控制并镇定所述船舶航向离散非线性控制系统的镇定函数；

S3、根据预设的阈值评判所述船舶航向轨迹跟踪误差值从而确定设计性能指标，根据所述设计性能指标确定效用函数，利用模糊逻辑系统的万能逼近原理求解所述效用函数，根据最优贝尔曼控制原理求解所述设计性能指标和效用函数的关系从而得到评价误差，根据梯度下降规则求解关于所述评价误差的目标函数，求得最优评价信号指标；

S4、根据所述最优评价信号指标计算船舶航向离散非线性系统的自适应模糊更新率，通过万能逼近原理求解所述虚拟控制器和自适应模糊更新率，得到系统的实际控制最优舵角指令，通过计算的所述实际最优舵角指令，传递给船舶舵机输出船舶航向角，实现船舶航向的自适应模糊最优控制。

所述步骤S1中，考虑船舶稳态回转非线性特性，建立船舶航向非线性系统数学模型为：

式中，为航向角，δ为舵角；K是船舶回转性指数，T为船舶跟从性指数，为未知的非线性函数，其由下述的万能逼近定理逼近求解。

所述步骤S2具体包括如下步骤：

S21、定义状态变量x₁＝φ，u＝δ，将式(1)经离散化，得到船舶航向离散非线性控制系统数学模型：

式(2)中，x_i,i＝1,2为系统的状态，u(k)系统的输入，y_k为系统的输出，f₂(x₂(k))为未知的不确定函数，p＝K/T为控制增益；

S22、定义船舶航向轨迹跟踪误差为e₁(k)＝x₁(k)-y_d(k)，y_d(k)为光滑有界的参考轨迹，根据船舶航向轨迹跟踪误差可得：

e₁(k+1)＝x₁(k+1)-y_d(k+1)＝x₂(k)-y_d(k+1) (3)

式中，x₂(k)为式(3)的虚拟控制输入；

S23、定义误差变量e₂(k)＝x₂(k)-α₁(k)，α₁(k)为镇定函数，设计镇定函数α₁(k)为：

α₁(k)＝c₁e₁(k)+y_d(k+1) (4)

式中c₁为待设计常数。

所述步骤S3具体包括如下步骤：

S31、基于追踪误差e₁(k)，设计性能指标q(k)为

式中c∈R为阀值；

S32、根据性能指标q(k)定义效用函数C(k)为

式中β＞0是加权系数，利用模糊逻辑系统的万能逼近原理，可得

式中为理想可调参数向量，为模糊基函数向量，为逼近误差；

S33、根据最优贝尔曼控制原理，可得评价误差e_c(k)：

式中 理想估计参数向量，为的转置，是C(k)的估计；

S34、根据式(8)，定义最优评价信号指标的目标函数为为使目标函数E_c(k)达到最小化，根据梯度下降规则，求得最优评价信号指标：自适应律为

式中自适应增益参数γ_c＞0。

所述步骤S4具体包括如下步骤：

S41、定义为使目标函数达到最小化，基于梯度下降规则，求得自适应律为

式中γ＞0为自适应增益；

S42、基于上述各步骤建立的带有评价信号的模糊逻辑系统，利用万能逼近定理对船舶航向非线性系统中存在的未知函数进行逼近，得到系统的实际控制器：

式中，激活函数是有界的，即

如图1、图4所示，本发明还提供了一种面向船舶航向非线性离散系统的自适应模糊最优控制系统，包括：

数据采集单元，用于采集船舶航行过程中的航向信息，所述航向信息包括舵角数据和当前航向角数据；

数据传输单元，用于将采集到的船舶航行过程中的航向信息传输至船载计算机；

船载计算机，用于处理采集到的船舶航行过程中的航向信息，完成船舶航向的自适应模糊最优控制，其具体包括：

船舶航向离散非线性控制系统数学模型建立单元，用于通过采集到的船舶航行过程中的航向信息，考虑船舶稳态回转非线性特性建立有关所述航向信息的船舶航向离散非线性控制系统数学模型；

虚拟控制器构筑单元，用于对所述船舶航向离散非线性控制系统数学模型离散化处理，设计有关船舶航向离散非线性控制系统数学模型的虚拟控制器，其包括：

船舶航向轨迹跟踪误差计算模块，用于根据船舶航向离散非线性控制系统数学模型的输出与预设的第一时刻的参考轨迹点相比对计算船舶航向轨迹跟踪误差，

镇定函数设计模块，用于设计控制并镇定所述船舶航向离散非线性控制系统的镇定函数，具体为：通过所述船舶航向轨迹跟踪误差与预设的下一时刻的参考轨迹相结合设计所述镇定函数；

实际控制器设计单元，用于通过对所述虚拟控制器进行相关的最优控制计算从而得到实际控制最优舵角指令，其包括：

效用函数设计模块，用于根据预设的阈值评判所述船舶航向轨迹跟踪误差值从而确定设计性能指标，根据所述设计性能指标设计所述效用函数，

优化设计模块，用于利用模糊逻辑系统的万能逼近原理求解所述效用函数，根据最优贝尔曼控制原理求解所述设计性能指标和效用函数的关系从而得到评价误差，根据梯度下降规则求解关于所述评价误差的目标函数，求得最优评价信号指标，

评价模块，用于根据所述最优评价信号指标计算船舶航向离散非线性系统的自适应模糊更新率，通过万能逼近原理求解所述虚拟控制器和自适应模糊更新率，得到系统的实际控制最优舵角指令；

数据反馈单元，用于通过计算的所述实际最优舵角指令，将信息反馈到船舶舵机输出船舶航向角，实现船舶航向的自适应模糊最优控制。

实施例1

基于上述方法，以实际船舶为例，进行计算机仿真。已知：某船舶航向离散非线性系统数学模型参数a₁＝1,a₂＝30,K＝0.2,T＝64，设计的参数γ＝0.05，γ_c＝0.01，β＝0.05。验证本文控制算法的有效性。跟踪信号选取能够代表实际性能要求的数学模型：

φ_m(k+2)+0.1φ_m(k+1)+0.0025φ_m(k)＝0.0025φ_r(k) (15)

式中，为船舶航向的理想系统性能，是一个经过处理的输入信号，其取值为0°～30°，周期为500s。

面向船舶航向非线性离散系统的自适应模糊最优控制方法，仿真结果如图3所示。可见，本方法设计的自适应模糊最优算法，控制系统很快就得到期望的系统输出，具有良好的跟踪性能。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种面向船舶航向非线性离散系统的自适应模糊最优控制方法，其特征在于，包括如下步骤：

S1、将采集到的航向信息传送给船载计算机，船载计算机考虑船舶稳态回转非线性特性建立有关所述航向信息的船舶航向离散非线性控制系统数学模型，所述航向信息包括根据船舶舵机测量的舵角数据和罗经测量的当前航向角数据；

S2、对所述船舶航向离散非线性控制系统数学模型离散化处理，设计有关船舶航向离散非线性控制系统数学模型的虚拟控制器，根据船舶航向离散非线性控制系统数学模型的输出与预设的第一时刻的参考轨迹点相比对得到船舶航向轨迹跟踪误差，通过所述船舶航向轨迹跟踪误差与预设的下一时刻的参考轨迹相结合确定用于控制并镇定所述船舶航向离散非线性控制系统的镇定函数；

S3、根据预设的阈值评判所述船舶航向轨迹跟踪误差值从而确定设计性能指标，根据所述设计性能指标确定效用函数，利用模糊逻辑系统的万能逼近原理求解所述效用函数，根据最优贝尔曼控制原理求解所述设计性能指标和效用函数的关系从而得到评价误差，根据梯度下降规则求解关于所述评价误差的目标函数，求得最优评价信号指标；

S4、根据所述最优评价信号指标计算船舶航向离散非线性系统的自适应模糊更新率，通过万能逼近原理求解所述虚拟控制器和自适应模糊更新率，得到系统的实际控制最优舵角指令，通过计算的所述实际最优舵角指令，传递给船舶舵机输出船舶航向角，实现船舶航向的自适应模糊最优控制。

2.根据权利要求1所述的面向船舶航向非线性离散系统的自适应模糊最优控制方法，其特征在于，所述步骤S1中，考虑船舶稳态回转非线性特性，建立船舶航向非线性系统数学模型为：

式中，为航向角，δ为舵角；K是船舶回转性指数，T为船舶跟从性指数，为未知的非线性函数。

3.根据权利要求2所述的面向船舶航向非线性离散系统的自适应模糊最优控制方法，其特征在于，所述步骤S2具体包括如下步骤：

S21、定义状态变量x₁＝φ，u＝δ，将式(1)经离散化，得到船舶航向离散非线性控制系统数学模型：

式(2)中，x_i,i＝1,2为系统的状态，u(k)系统的输入，y_k为系统的输出，f₂(x₂(k))为未知的不确定函数，p＝K/T为控制增益；

S22、定义船舶航向轨迹跟踪误差为e₁(k)＝x₁(k)-y_d(k)，y_d(k)为光滑有界的参考轨迹，根据船舶航向轨迹跟踪误差可得：

e₁(k+1)＝x₁(k+1)-y_d(k+1)＝x₂(k)-y_d(k+1) (3)

式中，x₂(k)为式(3)的虚拟控制输入；

S23、定义误差变量e₂(k)＝x₂(k)-α₁(k)，α₁(k)为镇定函数，设计镇定函数α₁(k)为：

α₁(k)＝c₁e₁(k)+y_d(k+1) (4)

式中c₁为待设计常数。

4.根据权利要求3所述的面向船舶航向非线性离散系统的自适应模糊最优控制方法，其特征在于，所述步骤S3具体包括如下步骤：

S31、基于追踪误差e₁(k)，设计性能指标q(k)为

式中c∈R为阀值；

S32、根据性能指标q(k)定义效用函数C(k)为

式中β＞0是加权系数，利用模糊逻辑系统的万能逼近原理，可得

式中为理想可调参数向量，为模糊基函数向量，为逼近误差；

S33、根据最优贝尔曼控制原理，可得评价误差e_c(k)：

式中 理想估计参数向量，为的转置，是C(k)的估计；

S34、根据式(8)，定义最优评价信号指标的目标函数为为使目标函数E_c(k)达到最小化，根据梯度下降规则，求得最优评价信号指标：自适应律为

式中自适应增益参数γ_c＞0。

5.根据权利要求3所述的面向船舶航向非线性离散系统的自适应模糊最优控制方法，其特征在于，所述步骤S4具体包括如下步骤：

S41、定义为使目标函数达到最小化，基于梯度下降规则，求得自适应律为

式中γ＞0为自适应增益；

S42、基于上述各步骤建立的带有评价信号的模糊逻辑系统，利用万能逼近定理对船舶航向非线性系统中存在的未知函数进行逼近，得到系统的实际控制器：

式中，激活函数是有界的，即

6.一种面向船舶航向非线性离散系统的自适应模糊最优控制系统，其特征在于，包括：

数据采集单元，用于采集船舶航行过程中的航向信息，所述航向信息包括舵角数据和当前航向角数据；

数据传输单元，用于将采集到的船舶航行过程中的航向信息传输至船载计算机；

船载计算机，用于处理采集到的船舶航行过程中的航向信息，完成船舶航向的自适应模糊最优控制，其具体包括：

船舶航向离散非线性控制系统数学模型建立单元，用于通过采集到的船舶航行过程中的航向信息，考虑船舶稳态回转非线性特性建立有关所述航向信息的船舶航向离散非线性控制系统数学模型；

虚拟控制器构筑单元，用于对所述船舶航向离散非线性控制系统数学模型离散化处理，设计有关船舶航向离散非线性控制系统数学模型的虚拟控制器，其包括：

船舶航向轨迹跟踪误差计算模块，用于根据船舶航向离散非线性控制系统数学模型的输出与预设的第一时刻的参考轨迹点相比对计算船舶航向轨迹跟踪误差，

镇定函数设计模块，用于设计控制并镇定所述船舶航向离散非线性控制系统的镇定函数，具体为：通过所述船舶航向轨迹跟踪误差与预设的下一时刻的参考轨迹相结合设计所述镇定函数；

实际控制器设计单元，用于通过对所述虚拟控制器进行相关的最优控制计算从而得到实际控制最优舵角指令，其包括：

效用函数设计模块，用于根据预设的阈值评判所述船舶航向轨迹跟踪误差值从而确定设计性能指标，根据所述设计性能指标设计所述效用函数，

优化设计模块，用于利用模糊逻辑系统的万能逼近原理求解所述效用函数，根据最优贝尔曼控制原理求解所述设计性能指标和效用函数的关系从而得到评价误差，根据梯度下降规则求解关于所述评价误差的目标函数，求得最优评价信号指标，

评价模块，用于根据所述最优评价信号指标计算船舶航向离散非线性系统的自适应模糊更新率，通过万能逼近原理求解所述虚拟控制器和自适应模糊更新率，得到系统的实际控制最优舵角指令；

数据反馈单元，用于通过计算的所述实际最优舵角指令，将信息反馈到船舶舵机输出船舶航向角，实现船舶航向的自适应模糊最优控制。

7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时，执行所述权利要求1至5中任一项权利要求所述的方法。

8.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序运行执行所述权利要求1至5中任一项权利要求所述的方法。