CN112394641B - 一种基于双线程并行计算的船舶实时推力分配方法 - Google Patents

Abstract

本发明提供一种基于双线程并行计算的船舶实时推力分配方法，其特征是，包括基于逻辑的推力分配算法、基于序列二次规划的推力分配优化算法和基于优化目标函数的决策方法。本发明克服了优化推力分配算法实时性差的缺点，结合了基于逻辑推力分配算法快速性的优点，在固定解算周期内当优化算法无法给出最优解时会按照优化目标给出当前条件下的次优解，具有实时性高、可靠性好的优点，同时考虑了推进器的性能、功耗及磨损等约束，为优化推力分配算法的工程应用提供了一种实用方案。

Description

一种基于双线程并行计算的船舶实时推力分配方法

技术领域

本发明涉及一种船舶实时推力分配方法，尤其涉及一种基于双线程并行计算的船舶实时推力分配方法。

背景技术

船舶推力分配是指将控制律给出的三自由度推力和力矩指令转化为每个推进器的推力和方位角指令，同时考虑推进器的性能约束。该问题在理论上属于多变量约束优化问题，目前已经有多种优化算法可以对其进行求解，但是在实际工程应用中主要采取的还是基于逻辑的推力分配方法。

基于逻辑的分配算法就是设计不同的分配逻辑，将带有约束的推力分配方程简化成能够具有解析解的基本方程，进而解算出推力指令。设计的逻辑过程主要是对分配变量进行简化，然后为避免基本推力方程失效做相应的处理。这样通过合理的简化不断减少推力分配变量就可以将存在多解的约束问题转化为线性方程求解问题。此算法的优点是运算速度快、可靠性高，每个控制周期都会得到一个可行解，缺点是逻辑设计过程比较复杂，对于有些约束无法通过逻辑进行简化(如功率约束)，因此不能得到最优解。

而基于优化算法的推力分配可以将推力限制、方位角限制、功率限制等多种约束考虑在内进行求解，因此在降低能耗、减少推进器磨损方面具有明显优势。船舶上无法直接采用优化推力分配算法的主要原因有两点：一是优化算法求解的精度极大依赖初值的设定，具有一定的不可确定性；二是优化算法在固定寻优次数下可能无法得到最优解，不满足实时性要求。

目前，国内外针对优化算法的推力分配的研究大部分是从理论方面改进优化算法的求解效率但无法在给定时间内保证精度，因此需要结合工程需求设计一种实时性好、可靠性高，同时考虑多种约束的次优推力分配算法。

发明内容

本发明的目的是提供一种基于双线程并行计算的船舶实时推力分配方法，为了解决优化推力分配算法实时性差的不足，同时兼顾能耗、推进器性能和磨损等约束，使推力分配算法能够在给定控制周期内没能解算出最优解时仍然能够给出次优解，进而保证分配算法的实时性和可靠性。

本发明的目的是这样实现的：

一种基于双线程并行计算的船舶实时推力分配方法，包括基于逻辑的推力分配算法、基于序列二次规划的推力分配优化算法和基于优化目标函数的决策方法

本发明还包括这样一些特征：

线程1基于逻辑的推力分配算法，通过对推进器合理分组，按照同组推力均分、力矩优先等原则对推力分配方程τ＝B(α)T进行简化,采用伪逆法得到解析解[T_f,α_f]，然后根据推进器的最大推力T_max和方位角变化率限制Δα_max进行平滑限幅给出可行解[T_f',α_f']。其中，τ∈R^3×1为控制律给出的三自由度推力和力矩输入指令，B(α)为推进器配置矩阵，T∈R^{n ×1}和α∈R^n×1分别为推进器推力指令；

线程2基于SQP的推力分配优化算法，在控制周期内通过对如下推力分配优化模型进行固定次数寻优，得到优化解[T_opt,α_opt]；

min J(α,T,s)＝T^TΩT+Δα^THΔα+s^TQs

其中，Ω,H,Q∈R^3×3为正定的对角系数矩阵，s为松弛变量，T_min,T_max为推进器推力限制，α_min,α_max为方位角限制，Δα＝α-α_old为方位角变化率，Δα_min,Δα_max为方位角变化率限制；

利用推力分配优化目标函数J(α,T,s)进行决策：若线程2优化算法求得解计算出的目标函数值小于设定阈值时，即J(α_opt,T_opt,s_opt)≤ε时，选取优化算法作为推力指令[T_o,α_o]＝[T_opt,α_opt]；反之，将线程1的可行解[T_f',α_f']和线程2的优化解[T_opt,α_opt]带入目标函数，选取使目标函数值较小的解作为推力指令，即[T_o,α_o]＝arg min(J(α,T,s))。

与现有技术相比，本发明的有益效果是：

本发明克服了优化推力分配算法实时性差的缺点，结合了基于逻辑推力分配算法快速性的优点，在固定解算周期内当优化算法无法给出最优解时会按照优化目标给出当前条件下的次优解，具有实时性高、可靠性好的优点，同时考虑了推进器的性能、功耗及磨损等约束，为优化推力分配算法的工程应用提供了一种实用方案。

附图说明

图1基于双线程并行计算的推力分配流程图；

图2推进器布局示意图；

图3基于SQP推力分配优化算法的求解流程图；

图4输入控制指令与推力分配后的指令比较；

图5推力分配误差；

图6 1#推进器推力和方位角指令；

图7 2#推进器推力和方位角指令；

图8 3#推进器推力和方位角指令；

图9 4#推进器推力和方位角指令。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述。

本发明涉及一种面向固定周期控制的船舶实时推力分配策略，特别是面向工程应用的强实时性、高可靠性的船舶次优推力分配算法。本发明提出的实时推力分配策略包含基于双线程的并行解算模块和基于优化目标函数的决策模块，其中线程1为基于逻辑的推力分配方法，线程2为基于SQP的推力分配算法，如附图1所示。

本发明的工作原理是在一个控制周期内通过两个线程的并行解算得到基于逻辑推力分配的可行解和基于SQP推力分配的优化解，然后考虑推进器功率、磨损以及控制分配精度建立优化目标函数，将两种推力分配算法的解带入优化目标函数进行比较，选取使得函数值的较小的解作为本次控制周期的最终推力指令。

在线程1中采用基于逻辑推力分配的算法，通过对推进器合理分组，按照同组推力均分、力矩优先等逻辑原则对推力分配方程τ＝B(α)T简化，并采用伪逆法得到解析解[T_f,α_f]，然后根据推进器的最大推力T_max和方位角变化率限制Δα_max进行平滑限幅给出可行解[T_f',α_f']。其中，τ∈R^3×1为控制律给出的三自由度推力和力矩输入指令，B(α)为推进器配置矩阵，T∈R^n×1和α∈R^n×1分别为推进器推力指令。

在线程2中采用基于SQP的推力分配优化算法，在控制周期内通过对如下推力分配优化模型进行固定次数寻优，得到优化解[T_opt,α_opt]。

min J(α,T,s)＝T^TΩT+Δα^THΔα+s^TQs

其中，Ω,H,Q∈R^3×3为正定的对角系数矩阵，s为松弛变量，T_min,T_max为推进器推力限制，α_min,α_max为方位角限制，Δα＝α-α_old为方位角变化率，Δα_min,Δα_max为方位角变化率限制。

推力分配决策模块，采用J(α,T,s)作为优化目标函数，并设置优化阈值ε。决策流程如下：若线程2优化算法求得解计算出的目标函数值小于设定值时，即J(α_opt,T_opt,s_opt)≤ε时，选取优化算法作为推力指令[T_o,α_o]＝[T_opt,α_opt]；反之，将线程1的可行解[T_f',α_f']和线程2的优化解[T_opt,α_opt]带入目标函数，选取使目标函数值较小的解作为推力指令，即[T_o,α_o]＝argmin(J(α,T,s))。

本实施例以本发明技术方案为前提进行实施，以一艘装有两个单向槽道推进器和两个全回转推进器的动力定位船的推力分配为案例，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

案例中动力定位船的推进器布局如附图2所示，推力分配流程如附图1所示。具体步骤如下：

步骤1.根据推进器布局和推进器约束，建立推力分配优化模型。推进器约束考虑推力范围、方位角范围以及方位角变化率，目标函数中考虑功率、方位角变化率以及推力分配误差，由于用推力表征功率的方程过于复杂不便于优化求解，这里采用推力的二次型来近似表征推进器功率。最终得到如下的推力分配优化模型：

min J(α,T,s)＝T^TΩT+Δα^THΔα+s^TQs

其中，Ω,H,Q∈R^3×3为正定的对角系数矩阵，s为松弛变量，T_min,T_max为推进器推力限制，α_min,α_max为方位角限制，Δα_min,Δα_max为方位角变化率限制，B(α)为推进器配置矩阵。

表1推进器相关参数

根据表1中的推进器相关参数可以得到每个约束的值，定义推力和方位角矢量形式为T＝[T₁ T₂ T₃ T₄]^T,α＝[α₁ α₂ α₃ α₄]^T，进而可以根据下式计算出推进器配置矩阵：

步骤2.在线程1中采用基于逻辑的推力分配算法进行求解。

首先，根据推进器布局进行合理分组简化变量。将单向槽道推进器1#和2#转化为一个双向槽道推进器，即将T₁和T₂用一个变量T₁₂表示，当T₁₂＞0时，T₁＝T₁₂,T₂＝0；当T₁₂≤0时，T₁＝0,T₂＝T₁₂；将推进器3#和4#分为一组依据推力均分的原则进行分配，即T₃＝T₄,α₃＝α₄。

然后，将极坐标下的推力指令(T,α)表示为直角坐标(T_x,T_y)，进而将非线性推力分配方程τ＝B(α)T转化为线性方程τ＝BT'，此时的推进器指令T'＝[T₁₂ T_x3 T_y3 T_x4 T_y4]^T，推进器配置方程为转化为定常矩阵

进而，可以采用伪逆的方法直接得到线性方程组τ＝BT'的最小范数解T'＝B^*τ，其中B^*为矩阵B伪逆，B^*＝B^T(BB^T)^-1。

最后，将求出的直角坐标下的推进器指令T'转化为极坐标下指令[T_f,α_f]，并根据推进器的推力限制、方位角限制以及方位角变化率限制对输出的推进器指令T进行输出平滑、限幅处理，得到线程1的推进器指令计算结果[T_f',α_f']。

步骤3.在线程2中采用基于SQP的优化算法进行推力分配求解，计算流程如附图3所示。

对步骤1中得到的推力分配模型中的非线性等式约束进行线性化处理

T_old和α_old为前一控制周期的推力指令和方位角指令，ΔT＝T-T_old。定义x＝[T,α,s]^T，d＝[ΔT,Δα,s]^T，G＝2diag([Ω,H,Q])，得到推力分配优化模型的凸二次规划子问题

其中，c＝[2Ω₁T₁,2Ω₂T₂,2Ω₃T₃,2Ω₄T₄,zeros(1,7)]，Ω_i为正定矩阵Ω对角线对应元素。

通过对偶法求解二次规划子问题可求得解的下降方向d^k，通过一维搜索方法求出步长t^k，得到下一迭代点的值x^k+1＝x^k+t^kd^k，然后根据K-T收敛条件和控制周期内寻优次数的限制来决定是否继续迭代，寻优结束条件为

其中，ε₁和ε₂为设置的很小的正数，k_max为给定控制周期内最大寻优次数。

步骤4.基于优化目标函数J(α,T,s)作为评价函数对两个线程计算出的结果进行决策。根据实际推力分配功率的要求、分配误差的精度要求，设置优化阈值ε。当线程2基于SQP的推力分配算法计算出的目标函数值小于设定值时，即J(α_opt,T_opt,s_opt)≤ε时，优先选取线程2的结果作为推进器输出指令[T_o,α_o]＝[T_opt,α_opt]；当J(α_opt,T_opt,s_opt)＞ε时，在线程1和线程2的解算结果中选取使优化目标函数值较小的解作为推进器输出指令，即[T_o,α_o]＝arg min(J(α,T,s))

与现在有的技术相比，本发明具有以下有益效果：

本发明中采用的双线程并行计算的推力分配策略，结合了逻辑推力分配算法计算简单、实时性强的特点和SQP优化推力分配算法性能良好的优势，能够避免优化算法在实际应用过程中出现无效解或者陷入局部极值而引起的分配失效问题，保证在给定控制周期内输出一个可行的推进器指令，提高了推力分配算法的实时性、鲁棒性和可靠性。

在优化算法没有求出最优解的情况下，基于优化目标函数的推力指令决策模块依然能够根据功率、方位角变化率、分配误差等因素挑选出当前控制周期内的次优解，该方法得到的推力指令的性能要好于或者等于单独使用其中一种算法的性能。

本说明公开了一种基于双线程并行计算的船舶实时推力分配策略。针对船舶数字控制器，主要提出了一种包含逻辑推力分配和基于优化的推力分配两个线程并行计算的推力指令快速求解方法。首先在线程1中采用基于逻辑推力分配的算法，通过分组减少变量、简化推力分配方程基于伪逆法快速求出无推进器约束下的推力指令解析解，进而考虑推进器的推力性能和响应速度进行平滑和限幅，得到逻辑算法下的推力指令可行解。然后在线程2中采用基于序列二次规划(SQP)的优化推力分配算法，在固定控制周期和设定的寻优次数下得到推进器约束下的优化解。最后利用优化目标评价函数，对线程1求得的可行解和线程2求出的优化解进行决策，得到控制周期下的次优解。本文的推力分配策略具有实时性高、可靠性好的优点，更加适合对实时性和可靠性要求比较高的海上长时间作业船舶。

Claims (1)

1.一种基于双线程并行计算的船舶实时推力分配方法，其特征是，包括基于逻辑的推力分配算法、基于序列二次规划的推力分配优化算法和基于优化目标函数的决策方法；

线程1基于逻辑的推力分配算法，通过对推进器合理分组，按照同组推力均分、力矩优先等原则对推力分配方程τ＝B(α)T进行简化,采用伪逆法得到解析解[T_f,α_f]，然后根据推进器的最大推力T_max和方位角变化率限制Δα_max进行平滑限幅给出可行解[T_f',α_f']；其中，τ∈R^3×1为控制律给出的三自由度推力和力矩输入指令，B(α)为推进器配置矩阵，T∈R^n×1和α∈R^n×1分别为推进器推力指令；线程2基于SQP的推力分配优化算法，在控制周期内通过对如下推力分配优化模型进行固定次数寻优，得到优化解[T_opt,α_opt]；

min J(α,T,s)＝T^TΩT+Δα^THΔα+s^TQs

其中，Ω,H,Q∈R^3×3为正定的对角系数矩阵，s为松弛变量，T_min,T_max为推进器推力限制，α_min,α_max为方位角限制，Δα＝α-α_old为方位角变化率，Δα_min,Δα_max为方位角变化率限制；

利用推力分配优化目标函数J(α,T,s)进行决策：若线程2优化算法求得解计算出的目标函数值小于等于设定阈值时，即J(α_opt,T_opt,s_opt)≤ε时，选取优化算法作为推力指令[T_o,α_o]＝[T_opt,α_opt]；反之，将线程1的可行解[T_f′,α_f′]和线程2的优化解[T_opt,α_opt]带入目标函数，选取使目标函数值较小的解作为推力指令，即[T_o,α_o]＝arg min(J(α,T,s))。