CN109683472B - 一种基于模型预测控制的船舶电力推进系统推力分配方法 - Google Patents

一种基于模型预测控制的船舶电力推进系统推力分配方法 Download PDF

Info

Publication number
CN109683472B
CN109683472B CN201811001675.2A CN201811001675A CN109683472B CN 109683472 B CN109683472 B CN 109683472B CN 201811001675 A CN201811001675 A CN 201811001675A CN 109683472 B CN109683472 B CN 109683472B
Authority
CN
China
Prior art keywords
thrust
ship
power
deviation
algorithm
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.)
Active
Application number
CN201811001675.2A
Other languages
English (en)
Other versions
CN109683472A (zh
Inventor
王旭阳
高迪驹
周宇
刘涵
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.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
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 Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN201811001675.2A priority Critical patent/CN109683472B/zh
Publication of CN109683472A publication Critical patent/CN109683472A/zh
Application granted granted Critical
Publication of CN109683472B publication Critical patent/CN109683472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

对船舶多推进器的推力进行优化分配是改善船舶电网稳定性的有效方法之一，本文提出了一种基于模型预测控制的船舶电力推进系统推力分配方法。该推力分配方法通过协调推进器来调节能耗，从而抵消船舶其它用电设备负载变化引起的整个电网的波动，在减少负载变化影响的前提下不增加系统整体功耗，并且有效地控制船舶的速度和位置偏差。该推力分配方法可以提高船舶的控制精度、电网稳定性，并且具有良好的实时性。

Description

一种基于模型预测控制的船舶电力推进系统推力分配方法
技术领域
本发明涉及电力推进船舶推力管理领域，具体涉及一种基于模型预测控制(ModelPredictive Control,MPC)的船舶电力推进系统推力分配方法(Thrust Allocation,TA)。
背景技术
电力推进船是由电动机直接驱动螺旋桨，通常具备两套或两套以上螺旋桨。与柴油机推进船舶相比，具有结构紧凑、机动性强、电能统一分配、经济性好等明显的优点。但是，由于在船舶航行时，存在大量且不可预知的负载以及由一个或者多个发电机组供电时多推进器功率分配不均而给船舶电网的稳定性带来巨大挑战。突变性负载一方面会导致电网频率快速下降，发动机失速或保护继电器动作而致使整个发电设备的负荷变化可能导致发电机组过载和停止；另一方面，也会导致需求功率和船舶电网功率无法匹配，进而影响船舶电网稳定和船舶安全。对船舶多推进器的推力进行优化分配是改善船舶的电网稳定性有效方法之一，推力分配算法是通过调节推力参数，使之平滑变化，达到为电力系统提供平滑的功率瞬变的效果。近年来，高效、稳定的推力分配算法已经成为国内外学者研究的热点。
发明内容
对船舶多推进器的推力优化分配是改善船舶的电网稳定性的有效方法之一，本文提出了一种基于模型预测控制的船舶电力推进系统推力分配方法。该推力分配方法通过协调推进器来调节能耗，从而抵消船舶其它用电设备负载变化造成的整个电网的波动，在减少负载变化影响的前提下不增加系统整体功耗，并且有效地控制船舶的速度和位置偏差。这种推力分配方法可以提高船舶的控制精度、电网稳定性，并且具有良好的实时性。
步骤一、建立推力分配算法应用于电力推进船的系统结构；
高阶运动控制器，接收来自全球定位系统(Global Positioning System)的船舶位置参考ηd和速度参考vd，计算并产生可以使船舶到达设定位置的总合力的参考值τd。TA的目的是协调推进器，使得推进器产生的总合成力τe与该参考值τd相匹配。能量管理系统(Power Management System，PMS)通过船舶电站告知TA来自用电设备的瞬时负载变化Pff、最大可用功率Pmax和当前使用功率Pprev等信息，并且PMS接收来自推力分配算法提供的推力指令f。低阶推进控制器将推力指令f映射成每分钟转速(RPM)的脉冲信号送到各个螺旋桨的变频器上，使螺旋桨产生的作用在船舶上的合力为τe。高阶运动控制器接受到船舶运动反馈的位置偏差
Figure RE-GDA0001959903120000021
和速度偏差
Figure RE-GDA0001959903120000022
的估计值，产生新的期望指令。能量管理系统是船舶综合电力系统的运行管理核心，它负责监控和管理全船能量的产生、传输、分配。
步骤二、建立描述电力推进船特征的低速船舶运动数学模型；
建立描述电力推进船特征的低速船舶运动的数学模型，该模型用于估计TA算法中的推力指令偏差的影响。
(1)数学模型
对电力推进系统而言，船舶通常被建模为一个三自由度的刚体：1)纵荡；2)横荡；3) 艏摇，分别用运动学方程和动力学方程来描述船舶模型：
1)运动学：船的位置在北东坐标系(North-East-Down，NED)中描述，X轴指向北方，Y 轴指向东方。NED中的位置
Figure RE-GDA0001959903120000023
与船体坐标系中的速度v之间的关系可以通过艏摇角ψ表示为
Figure RE-GDA0001959903120000024
其中
Figure RE-GDA0001959903120000025
2)动力学：通常用最方便的方式来表达在船体坐标系中作用在船上的力
Figure RE-GDA0001959903120000026
其中，M是包含流体附加质量的矩阵，
Figure RE-GDA00019599031200000210
是作用在船体上的作用力的总和。C(v)v代表向心力和地转偏向力，因为船体坐标系不是惯性坐标系。对于低速情况下，阻尼力可近似为与船速成比例，即-Dv，其中D是常数矩阵。地转偏向力和向心力也可以被忽略，将公式(3)表示为
Figure RE-GDA0001959903120000027
其中，
Figure RE-GDA0001959903120000028
3)推进器：让位于船上的推进器i在[lxi lyi]T处，并且在方位角αi产生等于KiiFi的力，其中 Fi∈[-1 1]，Kii为常系数。该推进器施加在船上的力可以表示KiiFi[cosαi sinαi]T，围绕船体中心的扭矩T将为KiiFi(-lyicosαi+lxisinαi)。整理上述，单个推进器产生的力为
Figure RE-GDA0001959903120000029
由所有推进器产生的合力的表达式
τ＝B(α)Kf (6)
其中矩阵B(α)∈R3×N的列由[cosαi,sinαi,-lyicosαi+lxisinαi)]T组成,同时f＝[f1,f2,....fN]T，K＝diag(K1,K2,.....KN)。
步骤三、分析推力偏差造成的影响并对数据滤波；
采用的方法是让推进器功率低于推进器产生期望推力所需的最小功率，允许期望的推力τd和实际产生推力τe之间的微小的偏差。螺旋桨产生的实际推力τe与τd相差得足够小以至于可以忽略流体动力的差异，则可以从(3)中提取加速度的偏差
Figure RE-GDA0001959903120000031
Figure RE-GDA0001959903120000032
船体的惯性非常大，船体在极短时间内速度和位置不会突变。如果Te足够小，可以保证从0到Te时间内的船舶航向恒定，则可以近似地估计时间Te处的速度偏差ve和位置偏差ηe
Figure RE-GDA0001959903120000033
Figure RE-GDA0001959903120000034
δt为TA算法在下一个解被求解出来之前当前解作用在控制系统上的时间，将T定义为 TA算法的当前迭代被求解并且输出被发送到推进器控制器的时间，Te＝T+δt是TA算法的下一次迭代的输出可用于推进器控制器的时间；
只考虑由TA算法修正的偏差，忽略高阶运动算法的修正。由于TA偏离其接收的命令而导致的速度偏差估计
Figure RE-GDA0001959903120000035
和位置偏差的估计
Figure RE-GDA0001959903120000036
如下：
Figure RE-GDA0001959903120000037
Figure RE-GDA0001959903120000038
步骤四、运用模型预测控制控制解决推力分配开环最优化问题求得推力解；
MPC控制实质上是一种在线实时的开环最优化算法，将约束化为线性不等式约束，将二次型性能指标求解最优控制变成一个动态二次规划问题。u*(t)为控制器输出的控制变量， y(t)为被控系统的输出，x(t)为被控系统的状态，
Figure RE-GDA0001959903120000039
为状态估计量。
模型预测控制中滚动优化的原理，以模型预测控制为框架结合动态规划的最优控制算法在k时刻只计算未来k+p区域内的推力的最优控制值,到k+1时刻计算k+1+p区域的推力最优控制值,如此预测区域向前滚动。滚动优化大大降低了动态规划的计算量,实现了动态规划的实时在线控制。
Figure RE-GDA0001959903120000041
Figure RE-GDA0001959903120000042
其中推进器的功耗估算为非线性关系
Figure RE-GDA0001959903120000043
来自高阶运动控制器或操纵杆的合力指令表示为τd。为了分析TA算法的有效性，期望合力τd和实际合力B(α)Kf之间存在显着的偏差，权重矩阵为Q1，其通常具有较小的数值。式(13)为系统允许的速度和位置的最大偏差约束。
如果运行情况需要功率偏置，则确保TA中的功耗可以通过可调参数Pbias减小，同时仍然分配命令的推力。这种约束只有在需要偏差时才必须要设置，如果不需要偏差则可以去除。但如果Pbias＞Pmax-Pmin，则不能讨论优化问题，应该设置足够大的可用功率(Pmax)来避免这种情况，可以设置P'bias＝min(Pbias,Pmax-Pmin)。
功率消耗增减率
Figure RE-GDA0001959903120000044
前馈请求是TA算法的目标之一。导数
Figure RE-GDA0001959903120000045
和
Figure RE-GDA0001959903120000046
以及
Figure RE-GDA0001959903120000047
都应通过离散化来计算，使用一阶惯性滤波，即
Figure RE-GDA0001959903120000048
f(T)＝f是变量，而f(T-δt)是一个常数参数，f(T-δt)等于算法的前一次迭代的f(T)。功率前馈项
Figure RE-GDA0001959903120000049
表示TA与上一次迭代中的功耗相比增加或减少其功耗的软约束。在局部推进器控制器层面采用了类似的控制策略。使用这个信号的另一种目的是补偿其它负载，这些负载可以预先调节它们的功率。通过设置信号
Figure RE-GDA00019599031200000410
来减少总功耗的变化
Figure RE-GDA00019599031200000411
Pothers是船上其他消费者的电力消耗。相比于快速增加的负载，电厂能够更好地处理快速负荷减少。负载变化向下的影响被设定为向上负载变化的一部分，取决于
Figure RE-GDA00019599031200000412
是正数还是负数改变(12)中功率前馈项Θ的值。通过对该优化问题进行求解，最小化目标函数求得推力分配的最优解并作用于推进器。
本发明具有如下效果和优点：
基于模型预测控制的推力分配算法通过调节推进器的推力来部分消除来自其它负载变化对船舶电网造成的恶劣影响。将推力分配算法与能量管理系统相结合，能量管理系统通过修改提供给推进器控制器的功率信号来降低推进器负载。使用模型预测控制作为改进的推力分配算法的核心，实现对电网波动和船舶位置偏差的控制。与现有技术相比，使用模型预测控制实现推力分配有着显著优势。模型预测控制的实施能够在一段时间内动态分配推力，并根据推进器的变化来控制船舶的运动以减少系统的偏差。模型预测控制具有基于模型的预测、滚动优化和反馈校正的特点，这使得它在处理多目标、多约束、非线性等更复杂多变的问题上更具优势，并且能够在保证系统稳定性的基础上可以处理控制变量和状态变量带有约束限制的情况，对电力推进船的推力分配具有很好的适用性。
附图说明
图1为推力分配算法控制系统框图
图2为船舶受力和推进器位置示意图
图3为模型预测控制系统框图
图4为滚动优化原理图
具体实施方式
步骤一、建立推力分配算法应用于电力推进船的系统结构；
图1为所提出的推力分配算法(Thrust Allocation，TA)应用于电力推进船的系统结构图, 结构图描述了各模块之间的连接关系并标明了信息流的方向。高阶运动控制器，接收来自全球定位系统(Global Positioning System)的船舶位置参考ηd和速度参考vd，计算并产生可以使船舶到达设定位置的总合力的参考值τd。TA的目的是协调推进器，使得推进器产生的总合成力τe与该参考值τd相匹配。能量管理系统(Power Management System，PMS)通过船舶电站告知TA来自用电设备的瞬时负载变化Pff、最大可用功率Pmax和当前使用功率Pprev等信息，并且PMS接收来自推力分配算法提供的推力指令f。低阶推进控制器将推力指令f映射成每分钟转速(RPM)的脉冲信号送到各个螺旋桨的变频器上，使螺旋桨产生的作用在船舶上的合力为τe。高阶运动控制器接受到船舶运动反馈的位置偏差
Figure RE-GDA0001959903120000051
和速度偏差
Figure RE-GDA0001959903120000052
的估计值，产生新的期望指令。能量管理系统是船舶综合电力系统的运行管理核心，它负责监控和管理全船能量的产生、传输、分配。
步骤二、建立描述电力推进船特征的低速船舶运动数学模型；
建立描述电力推进船特征的低速船舶运动的数学模型，该模型用于估计TA算法中的推力指令偏差的影响。图2为船舶受力和推进器位置示意图，两个全回转推进器位于船舶的尾部，船体受力分别从纵荡、横荡、艏摇方向描述。
(1)数学模型
对电力推进系统而言，船舶通常被建模为一个三自由度的刚体：1)纵荡；2)横荡；3) 艏摇，分别用运动学方程和动力学方程来描述船舶模型：
1)运动学：船的位置在北东坐标系(North-East-Down，NED)中描述，X轴指向北方，Y 轴指向东方。NED中的位置
Figure RE-GDA0001959903120000061
与船体坐标系中的速度v之间的关系可以通过艏摇角ψ表示为
Figure RE-GDA0001959903120000062
其中
Figure RE-GDA0001959903120000063
2)动力学：通常用最方便的方式来表达在船体坐标系中作用在船上的力
Figure RE-GDA0001959903120000064
其中，M是包含流体附加质量的矩阵，
Figure RE-GDA0001959903120000069
是作用在船体上的作用力的总和。C(v)v代表向心力和地转偏向力，因为船体坐标系不是惯性坐标系。对于低速情况下，阻尼力可近似为与船速成比例，即-Dv，其中D是常数矩阵。地转偏向力和向心力也可以被忽略，将公式(3)表示为
Figure RE-GDA0001959903120000065
其中，τt＝τt*+Dv；
3)推进器：让位于船上的推进器i在[lxi lyi]T处，并且在方位角αi产生等于KiiFi的力，其中 Fi∈[-1 1]，Kii为常系数。该推进器施加在船上的力可以表示KiiFi[cosαi sinαi]T，围绕船体中心的扭矩T将为KiiFi(-lyicosαi+lxisinαi)。整理上述，单个推进器产生的力为
Figure RE-GDA0001959903120000066
由所有推进器产生的合力的表达式
τ＝B(α)Kf (6)
其中矩阵B(α)∈R3×N的列由[cosαi,sinαi,-lyicosαi+lxisinαi)]T组成,同时f＝[f1,f2,....fN]T， K＝diag(K1,K2,.....KN)。
步骤三、分析推力偏差造成的影响并对数据滤波；
采用的方法是让推进器功率低于推进器产生期望推力所需的最小功率，允许期望的推力τd和实际产生推力τe之间的微小的偏差。从(3)中提取加速度的偏差
Figure RE-GDA0001959903120000067
Figure RE-GDA0001959903120000068
船体的惯性非常大，船体在极短时间内速度和位置不会突变。如果Te足够小，可以保证从0到Te时间内的船舶航向恒定，则可以近似地估计时间Te处的速度偏差ve和位置偏差ηe
Figure RE-GDA0001959903120000071
Figure RE-GDA0001959903120000072
δt为TA算法在下一个解被求解出来之前当前解作用在控制系统上的时间，将T定义为 TA算法的当前迭代被求解并且输出被发送到推进器控制器的时间，Te＝T+δt是TA算法的下一次迭代的输出可用于推进器控制器的时间；
只考虑由TA算法修正的偏差，忽略高阶运动算法的修正。由于TA偏离其接收的命令而导致的速度偏差估计
Figure RE-GDA0001959903120000073
和位置偏差的估计
Figure RE-GDA0001959903120000074
如下：
Figure RE-GDA0001959903120000075
Figure RE-GDA0001959903120000076
步骤四、运用模型预测控制控制解决推力分配开环最优化问题求得推力解；
MPC控制实质上是一种在线实时的开环最优化算法，将约束化为线性不等式约束，将二次型性能指标求解最优控制变成一个动态二次规划问题。图3为模型预测控制系统框图，其中u*(t)为控制器输出的控制变量，y(t)为被控系统的输出，x(t)为被控系统的状态，
Figure RE-GDA0001959903120000077
为状态估计量。
根据如图4所示的模型预测控制中滚动优化的原理，以模型预测控制为框架结合动态规划的最优控制算法在k时刻只计算未来k+p区域内的电动机/发电机最优控制值,到k+1时刻计算k+1+p区域的推力最优控制值,如此预测区域向前滚动。滚动优化大大降低了动态规划的计算量,实现了动态规划的实时在线控制。
以下优化问题用于解决实际的推力输出问题：
Figure RE-GDA0001959903120000078
Figure RE-GDA0001959903120000081
Figure RE-GDA0001959903120000082
其中推进器的功耗估算为非线性关系
Figure RE-GDA0001959903120000083
来自高阶运动控制器或操纵杆的合力指令表示为τd。为了分析TA算法的有效性，期望合力τd和实际合力B(α)Kf之间存在显着的偏差，权重矩阵为Q1，其通常具有较小的数值。式(13)为系统允许的速度和位置的最大偏差约束。
如果运行情况需要功率偏置，则确保TA中的功耗可以通过可调参数Pbias减小，同时仍然分配命令的推力。这种约束只有在需要偏差时才必须要设置，如果不需要偏差则可以去除。但如果Pbias＞Pmax-Pmin，则不能讨论优化问题，应该设置足够大的可用功率(Pmax)来避免这种情况，可以设置P'bias＝min(Pbias,Pmax-Pmin)。
功率消耗增减率
Figure RE-GDA0001959903120000084
前馈请求是TA算法的目标之一。导数
Figure RE-GDA0001959903120000085
和
Figure RE-GDA0001959903120000086
以及
Figure RE-GDA0001959903120000087
都应通过离散化来计算，使用一阶惯性滤波，即
Figure RE-GDA0001959903120000088
f(T)＝f是变量，而f(T-δt)是一个常数参数，f(T-δt)等于算法的前一次迭代的f(T)。功率前馈项
Figure RE-GDA0001959903120000089
表示TA与上一次迭代中的功耗相比增加或减少其功耗的软约束。在局部推进器控制器层面采用了类似的控制策略。使用这个信号的另一种目的是补偿其它负载，这些负载可以预先调节它们的功率。通过设置信号
Figure RE-GDA00019599031200000810
来减少总功耗的变化
Figure RE-GDA00019599031200000811
Pothers是船上其他消费者的电力消耗。负载变化向下的影响被设定为向上负载变化的一部分，取决于
Figure RE-GDA00019599031200000812
是正数还是负数改变(12)中功率前馈项Θ的值。

Claims (1)

1.一种基于模型预测控制的船舶电力推进系统推力分配方法，其特征在于包括以下步骤：
步骤一、建立推力分配算法应用于电力推进船的系统结构；
高阶运动控制器，接收来自全球定位系统的船舶位置参考ηd和速度参考vd，计算并产生可以使船舶到达设定位置的总合力的参考值τd；推力分配算法协调推进器，使推进器产生的总合成力τe与该参考值τd相匹配；能量管理系统通过船舶电站告知推力分配算法来自用电设备的瞬时负载变化Pff、最大可用功率Pmax和当前使用功率Pprev等信息，接收来自推力分配算法提供的推力指令f；低阶推进控制器将推力指令f映射成每分钟转速的脉冲信号送到各个螺旋桨的变频器上，使螺旋桨产生的作用在船舶上的合力为τe；高阶运动控制器接受到船舶运动反馈的位置偏差
Figure FDA0003219721360000011
和速度偏差
Figure FDA0003219721360000012
的估计值，产生新的期望指令；
步骤二、建立描述电力推进船特征的低速船舶运动数学模型；
建立描述电力推进船特征的低速船舶运动的数学模型，该模型用于估计推力分配算法中的推力指令偏差的影响；
(1)数学模型
将船舶建模为一个三自由度的刚体：1)纵荡；2)横荡；3)艏摇，分别用运动学方程和动力学方程来描述船舶模型：
1)运动学：船的位置在北东坐标系NED中描述，X轴指向北方，Y轴指向东方；NED中的位置
Figure FDA0003219721360000013
与船体坐标系中的速度v之间的关系可以通过艏摇角ψ表示为
Figure FDA0003219721360000014
其中
Figure FDA0003219721360000015
2)动力学：通常用最方便的方式来表达在船体坐标系中作用在船上的力
Figure FDA0003219721360000016
其中，M是包含流体附加质量的矩阵，τt*是作用在船体上的作用力的总和；C(v)v代表向心力和地转偏向力；对于低速情况下，阻尼力可近似为与船速成比例，即-Dv，其中D是常数矩阵；地转偏向力和向心力也可以被忽略，将公式(3)表示为
Figure FDA0003219721360000017
其中，
Figure FDA0003219721360000018
3)推进器：让位于船上的推进器i在[lxi lyi]T处，并且在方位角αi产生等于KiiFi的力，其中Fi∈[-1 1]，Kii为常系数；该推进器施加在船上的力可以表示KiiFi[cosαi sinαi]T，围绕船体中心的扭矩T将为KiiFi(-lyicosαi+lxisinαi)，i的取值为1或2；整理上述，单个推进器产生的力为
Figure FDA0003219721360000021
由所有推进器产生的合力的表达式
τ＝B(α)Kf (6)
其中矩阵B(α)∈R3×N的列由[cosαi,sinαi,-lyicosαi+lxisinαi)]T组成,同时f＝[f1,f2,....fN]T，K＝diag(K1,K2,.....KN)；
步骤三、分析推力偏差造成的影响并对数据滤波；
让推进器功率低于推进器产生期望推力所需的最小功率，允许期望的推力τd和实际产生推力τe之间的微小的偏差；忽略流体动力的差异，则可以从(3)中提取加速度的偏差
Figure FDA0003219721360000022
Figure FDA0003219721360000023
估计时间Te处的速度偏差ve和位置偏差ηe
Figure FDA0003219721360000024
Figure FDA0003219721360000025
δt为推力分配算法在下一个解被求解出来之前当前解作用在控制系统上的时间，将T定义为推力分配算法的当前迭代被求解并且输出被发送到推进器控制器的时间，Te＝T+δt是推力分配算法的下一次迭代的输出可用于推进器控制器的时间；
只考虑由推力分配算法修正的偏差，忽略高阶运动算法的修正；速度偏差估计
Figure FDA0003219721360000026
和位置偏差的估计
Figure FDA0003219721360000027
如下：
Figure FDA0003219721360000028
Figure FDA0003219721360000031
步骤四、运用模型预测控制解决推力分配最优化问题；
将约束化为线性不等式约束，将二次型性能指标求解最优控制变成一个动态二次规划问题：
Figure FDA0003219721360000032
Figure FDA0003219721360000033
其中推进器的功耗估算为非线性关系
Figure FDA0003219721360000034
来自高阶运动控制器或操纵杆的合力指令表示为τd；令合力τd和实际合力B(α)Kf之间存在显着的偏差，权重矩阵为Q1；
如果运行情况需要功率偏置，则确保推力分配算法中的功耗可以通过可调参数Pbias减小，同时仍然分配命令的推力；设置足够大的可用功率Pmax来避免无法进行优化的情况，设置P′bias＝min(Pbias,Pmax-Pmin)；
导数
Figure FDA0003219721360000035
和
Figure FDA0003219721360000036
以及
Figure FDA0003219721360000037
通过离散化来计算，使用一阶惯性滤波，即
Figure FDA0003219721360000038
f(T)＝f是变量，而f(T-δt)是一个常数参数，f(T-δt)等于算法的前一次迭代的f(T)；功率前馈项
Figure FDA0003219721360000039
表示推力分配算法与上一次迭代中的功耗相比增加或减少其功耗的软约束；
Figure FDA00032197213600000310
Pothers是船上其他消费者的电力消耗；取决于
Figure FDA00032197213600000311
是正数还是负数改变(12)中功率前馈项Θ的值；通过对该优化问题进行求解，最小化目标函数求得推力分配的最优解并输出到推进器。
CN201811001675.2A 2018-08-30 2018-08-30 一种基于模型预测控制的船舶电力推进系统推力分配方法 Active CN109683472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811001675.2A CN109683472B (zh) 2018-08-30 2018-08-30 一种基于模型预测控制的船舶电力推进系统推力分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811001675.2A CN109683472B (zh) 2018-08-30 2018-08-30 一种基于模型预测控制的船舶电力推进系统推力分配方法

Publications (2)

Publication Number Publication Date
CN109683472A CN109683472A (zh) 2019-04-26
CN109683472B true CN109683472B (zh) 2022-02-01

Family

ID=66184461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811001675.2A Active CN109683472B (zh) 2018-08-30 2018-08-30 一种基于模型预测控制的船舶电力推进系统推力分配方法

Country Status (1)

Country Link
CN (1) CN109683472B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112224359B (zh) * 2020-08-05 2022-05-06 智慧航海（青岛）科技有限公司 一种能用于不同航速模式下的船舶动力分配方法
CN112307688B (zh) * 2020-10-29 2021-07-13 中国舰船研究设计中心 一种电力推进船舶能效监控管理优化系统和方法
CN112389607B (zh) * 2020-11-19 2021-10-01 哈尔滨工程大学 一种用于电力推进船的综合电力负荷预测方法
CN112783221A (zh) * 2021-01-15 2021-05-11 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） 船体的速度控制方法、装置以及电子设备
CN113126503B (zh) * 2021-04-28 2022-09-30 上海海事大学 一种考虑推进器故障的智能船舶推力分配方法
CN114995133B (zh) * 2022-05-26 2024-04-09 武汉理工大学 基于混杂逻辑动态模型的船舶纵向列队混杂预测控制方法
CN115562040A (zh) * 2022-11-03 2023-01-03 清华大学 一种垂直起降固定翼飞机电推进系统优化设计方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106444370B (zh) * 2016-06-22 2019-11-08 上海振华重工集团(南通)传动机械有限公司 一种基于运动线性模型和区域性能指标的预测控制算法
CN107748498A (zh) * 2017-10-09 2018-03-02 上海海事大学 一种基于模型预测控制的混合动力船舶的能量管理方法
CN108445762B (zh) * 2018-03-21 2021-09-14 青岛科技大学 基于ukf滤波和约束模型预测控制的动力定位控制方法

Also Published As

Publication number Publication date
CN109683472A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN109683472B (zh) 一种基于模型预测控制的船舶电力推进系统推力分配方法
CN109062052B (zh) 基于扩张状态观测器的四旋翼无人机积分滑模控制方法
CN111173678B (zh) 一种rbf神经网络俯仰干扰补偿的风力机舱悬浮控制方法
Labbadi et al. Modeling and robust integral sliding mode control for a quadrotor unmanned aerial vehicle
CN106527133A (zh) 一种船舶多桨协调控制分配方法
CN113341953B (zh) 一种吊舱式无人艇航向控制方法
CN108170151B (zh) 一种水下机器人的自适应运动控制装置及其方法
CN106557088A (zh) 一种基于事件触发机制的船舶航向控制器及其控制方法
CN201705553U (zh) 兆瓦级风力发电机组智能变桨距控制系统
CN111831002A (zh) 一种基于预设性能的超高声速飞行器姿态控制方法
CN113485121A (zh) 一种分布式多船协同动力定位控制方法
CN114815626A (zh) 一种舵鳍系统的预测自抗扰减摇控制方法
CN114089749A (zh) 无人艇运动控制抗扰控制器及方法
Hassani et al. A new robust adaptive sliding mode controller for quadrotor UAV flight
CN108255193A (zh) 一种垂直/短距起降飞机飞行控制方法
CN115263668A (zh) 一种风电机组变工况最优有功功率控制方法及系统
Steffensen et al. Longitudinal incremental reference model for fly-by-wire control law using incremental non-linear dynamic inversion
Tang et al. Simulation of optimal integral sliding mode controller for the depth control of AUV
CN109116727B (zh) 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法
Dang et al. Trajectory-tracking control design for an under-actuated quadrotor
Yao et al. LPV H-infinity controller design for variable-pitch variable-speed wind turbine
CN111324037A (zh) 一种基于遗传算法与模拟退火算法结合的推力分配方法
CN115951581A (zh) 一种基于改进empc的高速无人艇路径跟踪控制方法
CN110687789B (zh) 一种基于整型函数的抗饱和控制系统
Yinggu et al. Controller design for flying boats taking off from water with regular waves

Legal Events

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