CN113031614B - 一种远洋船舶航向控制复合优化节油方法 - Google Patents
一种远洋船舶航向控制复合优化节油方法 Download PDFInfo
- Publication number
- CN113031614B CN113031614B CN202110265287.0A CN202110265287A CN113031614B CN 113031614 B CN113031614 B CN 113031614B CN 202110265287 A CN202110265287 A CN 202110265287A CN 113031614 B CN113031614 B CN 113031614B
- Authority
- CN
- China
- Prior art keywords
- ship
- course
- control
- speed
- deviation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 239000002131 composite material Substances 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 150000001875 compounds Chemical class 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000009471 action Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 32
- 230000010354 integration Effects 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 14
- 230000010355 oscillation Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 11
- 210000002569 neuron Anatomy 0.000 claims description 11
- 230000008901 benefit Effects 0.000 claims description 8
- 230000009699 differential effect Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 abstract description 10
- 230000000306 recurrent effect Effects 0.000 abstract description 7
- 239000011159 matrix material Substances 0.000 description 9
- 238000005259 measurement Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种远洋船舶航向控制复合优化节油方法，该方法包括：船舶参数初始化；根据船舶航海试验报告获取操纵性试验数据，其中，该试验数据包括航速测试曲线、惯性试验结果、ZIG‑ZAG操纵试验结果和回转试验结果；营运船离港随动操舵模式，船舶特性识别，计算船舶增益Ks和船舶时间常数Ts；航向控制算法的DRNN系数和PID系数初值预置；船舶航行控制系统的信号采集与处理；远洋船舶航向控制复合优化算法架构；远洋船舶航向控制过程。艏侧推控制系统与自动舵控制系统协同工作，减少了舵机动作频次，降低了船舶航行阻力，实现航行节油，基于扩展卡尔曼滤波(EKF)、动态递归神经网络(DRNN)优化了船舶航行控制性能。
Description
技术领域
本发明涉及船舶航运领域，具体涉及一种远洋船舶航向控制复合优化节油方法。
背景技术
自动舵是控制船舶远洋航行的关键设备。自动舵控制船艏向维持航行方向，船艏向偏离设定航向的偏差为被控量，舵叶偏转角度为操纵变量，自动舵需频繁调整以抵御外部对航向的干扰，这使舵叶很难长期保持在中位，导致舵机频繁调节、航向变动往复，增大航行阻力，远洋船舶航迹呈“S”形，影响航速、增多燃油消耗和舵机磨损。因此，船舶航向控制的迟滞、超调、振荡、节油问题一直是自动舵需要解决的难题之一。
PID是船舶自动舵的基础，模糊、神经网络、鲁棒控制、非线性控制、滑模变结构、专家系统、遗传算法等多是优化PID控制参数或补偿PID输出。船舶自动舵自适应船舶特性变化、自学习外部风浪流扰动是技术难点和研究热点。典型的船舶自适应舵有SperryMarineNavipilot系列、日本横河Adaptive Autopilot等，而我国自适应自动舵的自主产品在远洋船舶尚未见应用。传统PID自动舵在船舶特性变化时，驾驶员凭经验整定PID参数以获得合适的航向控制性能，自学习自适应自动舵可解决这些难题而获得航向最优控制。
扩展卡尔曼滤波(EKF，英文全称为ExtendedKalman Filter)对船舶特性及外部干扰进行处理，在降低舵失效及节能方面具有较好效果，通过动态递归神经网络(DRNN)学习船舶动态特性模型变化并实时更新，实现基于EKF、DRNN的船舶航向控制复合优化节油技术。本发明利用EKF对DRNN网络进行在线更新，该算法比一般的神经网络快的多。由于远洋船舶运动过程是光滑的、可微的，小舵角附近操舵线性化的，输入/输出数据也可测量的，这满足了DRNN网络更新和控制的条件。
本发明的船舶航行节油控制是将船舶航向控制分解为船舶特性辨识、航向保持控制和航向改变控制，由EKF、DRNN及PID基本算法构成，达到舵角调节频次最少、航向变动最小，实现船舶航行节油控制目标。
现有自动舵存在的问题有：船舶自动舵控制下船舶艏向为船舶航行方向，使舵很难保持中位，造成附加阻力增大，阻碍船舶航行效率；船舶自动舵控制系统初始参数不能随船舶装载量及海况变化自适应自动校正，需要驾驶员凭经验反复整定；远洋船舶航行过程中，没有发挥艏侧推调节船舶航向的主要功能。
发明内容
本发明的目的在于提供一种远洋船舶航向控制复合优化节油方法，针对远洋船舶大洋航行过程中，通过降低航向变动往复、操舵频繁而实现航行节油的目标。解决船艏向固定为航行方向的问题，解决船舶主机推进的前行方向被外界风浪流干扰的难题；通过艏侧推控制船舶前行的推动力与风浪流干扰力二者合力方向为船舶航行方向，确保舵始终保持中立，解决舵频繁调整，克服阻力增大的问题；基于扩展卡尔曼滤波(EKF)解决风浪流干扰，动态递归神经网络(DRNN)学习船舶特性优化船舶航行控制，避免航向变动反复、舵角操作频繁的问题。
为了达到上述目的，本发明采用的技术方案如下：
一种远洋船舶航向控制复合优化节油方法，该方法包括：
S1、船舶参数初始化，其中，该船舶参数包括船舶几何参数、主机参数、螺旋桨参数、舵机参数和艏侧推参数；
S2、根据船舶航海试验报告获取操纵性试验数据，其中，该试验数据包括航速测试曲线、惯性试验结果、ZIG-ZAG操纵试验结果和回转试验结果；
S3、营运船离港随动操舵模式，船舶特性识别，计算船舶增益Ks和船舶时间常数Ts；
S4、航向控制算法的DRNN系数和PID系数初值预置；
S5、船舶航行控制系统的信号采集与处理；
S6、远洋船舶航向控制复合优化算法架构；
S7、远洋船舶航向控制过程。
可选地，在所述步骤S1中，船舶几何参数包括船舶长度、型宽、型深、结构吃水；主机参数包括额定推进功率、转速、主机功率-主机转速-船舶航速曲线图；螺旋桨参数包括螺旋桨直径、桨叶数目、螺距；舵机参数包括扭矩、转舵速率；艏侧推参数包括频率、转速、转船速率。
可选地，在所述步骤S2中，船舶满载状态下主机推进功率对应的船舶航速、吃水纪录、全速与半速时回转试验的回转半径；10度Zig-Zag试验数据、20度Zig-Zag试验数据、全速与半速时的停车距离试验；获得船舶在不同转速、不同吃水下的船舶惯性Ts和响应增益Ks，并为初始值。
可选地，在所述步骤S3中，船舶离港不适用全自动航向控制，采用人工操作的随动操舵模式，不同舵角作用下船舶转向快慢不一样，可以通过飞升曲线法计算船舶此货载情况下的Ts和Ks，并赋值给控制系统作为船舶特性估计值。
可选地，在所述步骤S4中，
DRNN系数初始赋值如下：DRNN神经元结构为输入层3个，回归层9个，输出层1个；连接权初值均采用随机数；学习速率初值为ηN＝0.4、ηR＝0.4和ηo＝0.4；惯性系数初值为α＝0.4、β＝0.4、γ＝0.4；采样间隔时间ts＝1s；
PID系数初始赋值如下：PID增益学习速率ηp＝0.5、ηi＝0.001、ηd＝0.3；正实常数ap＝22、bp＝8.0、cp＝0.8；ai＝1、ci＝1；ad＝0.5、bd＝2.5、cd＝6.5、dd＝0.3；
航向偏差阈值ε＝2°，变速积分系统B＝0.4，C＝0.6；天气系数D＝0；微分先行低通滤波系数ρ＝0.5。
可选地，在所述步骤S5中，
船舶装载状态通过检测艏吃水、舯吃水和艉吃水，计算出平均吃水，吃水与装载量存在对应关系，新造船提供装载量-吃水关系表，输入计算机后自动查表确定，装载影响船舶稳性和惯性大小；
船舶运动包括航速、艏摇角速度、艏摇频率，通过GPS、电罗经、计程仪等检测与计算得出；
船舶推进包括主机功率、螺旋桨的转速、扭矩、推力及滑失率，通过艉轴扭矩仪检测及计算得出；
船舶操纵信号包括设定航向、实际航向角、实际舵角、操纵舵角，通过GPS、电罗经、舵角表等检测得出；
海况通过风速记录仪、GPS、船速计程仪等检测及计算出风浪流数据。
可选地，在所述步骤S6中，航向控制复合算法包括航向规划控制回路完成航向给定值变化的控制，航向保持控制回路完成航向的定值控制；EKF处理航向实际值ψ(k)、实际舵角δ(k)，船艏转向速率
将这些信号滤波处理后输入DRNN进行辨识，船舶实际航向与DRNN输出的误差为辨识调整信号，学习算法采用误差梯度下降法优化DRNN网络权值，船舶实际航向对舵角变化的Jacobian信息及误差平方为性能指标函数优化PID增益，使船舶航向控制具有响应快、自适应能力和抗干扰能力强的优点。
可选地，在所述步骤S7中，
首先判断航向设定值状态，若航向给定值是时变的，则系统自动选择航向规划控制；若航向给定值是常数，则系统自动选择航向保持控制；都是基于航向偏差e(k)的负反馈控制，最终目标是消除这个偏差e(k)；偏差特性主要反映在偏差方向、大小及变化速率；若偏差总存在某个方向，表明船舶装货偏重、或船舶遭受流或单侧风影响，常规自动舵需要压舵，造成船行阻力大、耗油多；通过艏侧推调整船艏向，舵继续保持中位，但船艏向与单侧风流作用方向的合成方向为船舶航向，也就是航线方向，消除了舵机附加阻力及附加油耗；如航向偏差e(k)小于阈值ε，积分起作用；e(k)大于ε，积分不起作用，防止系统超调、振荡；变速积分根据偏差大小调整积分作用强弱，偏差越大则积分越弱；偏差小时则加强，防止超调、饱和及消除静差时间长；梯形积分代替矩形积分可减小残差、提供精度；
微分作用易引起高频干扰，航向误差突变时尤其显著，在微分环节上增加一阶惯性环节实现不完全微分作用，克服常规自动舵的不足；航向规划控制采用微分先行算法，只对实际航向变化进行微分，不对给定航向变化进行微分，避免设定航向时引起系统振荡。
另一方面，本发明还提供了一种计算机设备，包括处理器和计算机可读存储介质，所述计算机可读存储介质存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现如上述的方法步骤。
再一方面，本发明还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法步骤。
与现有技术相比，本发明至少具有以下优点之一：
(1)艏侧推控制系统与自动舵控制系统协同工作，减少了舵机动作频次，降低了船舶航行阻力，实现航行节油。
(2)控制船舶前行的推进力与风浪流干扰力两者合力方向为船舶航行方向，不以船艏向为航行方向，航向保持过程中艏侧推控制航向，给定航向规划时自动舵与艏侧推协同作用，缩短动态过程时间。
(3)基于扩展卡尔曼滤波(EKF)、动态递归神经网络(DRNN)优化了船舶航行控制性能。
(4)船舶航向控制环节功能细化，采用了积分分离、抗积分饱和、变速积分、不完全微分、微分先行、死区控制及天气自适应调节，彻底解决超调、振荡及饱和的难题，达到节能目的。
附图说明
图1是本发明一实施例中远洋船舶航向控制系统功能框图；
图2是本发明一实施例中航行方向优化功能示意图；
图3是本发明一实施例中远洋船舶航向控制复合优化节油技术工作过程。
具体实施方式
以下结合附图1～3和具体实施方式对本发明作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、远洋船舶航向控制复合优化节油方法、物品或者现场设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、远洋船舶航向控制复合优化节油方法、物品或者现场设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、远洋船舶航向控制复合优化节油方法、物品或者现场设备中还存在另外的相同要素。
请参阅图1～3所示，本实施例提供的一种远洋船舶航向控制复合优化节油方法，该方法包括：
S1、船舶参数初始化，其中，该船舶参数包括船舶几何参数、主机参数、螺旋桨参数、舵机参数和艏侧推参数；
S2、根据船舶航海试验报告获取操纵性试验数据，其中，该试验数据包括航速测试曲线、惯性试验结果、ZIG-ZAG操纵试验结果和回转试验结果；
S3、营运船离港随动操舵模式，船舶特性识别，计算船舶增益Ks和船舶时间常数Ts；
S4、航向控制算法的动态递归神经网络DRNN系数和PID系数初值预置；
S5、船舶航行控制系统的信号采集与处理；
S6、远洋船舶航向控制复合优化算法架构；
S7、远洋船舶航向控制过程。
本实施例中，在所述步骤S1中，船舶几何参数包括船舶长度、型宽、型深、结构吃水；主机参数包括额定推进功率、转速、主机功率-主机转速-船舶航速曲线图；螺旋桨参数包括螺旋桨直径、桨叶数目、螺距；舵机参数包括扭矩、转舵速率；艏侧推参数包括频率、转速、转船速率。这些参数用于分析船舶操纵特性、推进特性和响应特性，为船舶自动舵控制系统设计及控制参数优化提供参考。
本实施例中，在所述步骤S2中，船舶满载状态下主机推进功率对应的船舶航速、吃水纪录(艏吃水、艉吃水、舯吃水、纵倾)、全速与半速时回转试验的回转半径；10度Zig-Zag试验数据、20度Zig-Zag试验数据、全速与半速时的停车距离试验(惯性试验)；获得船舶在不同转速、不同吃水下的船舶惯性Ts和响应增益Ks，并为初始值。
本实施例中，在所述步骤S3中，船舶离港不适用全自动航向控制，采用人工操作的随动操舵模式，不同舵角作用下船舶转向快慢不一样，可以通过飞升曲线法计算船舶此货载情况下的Ts和Ks，并赋值给控制系统作为船舶特性估计值。
本实施例中，在所述步骤S4中，
DRNN系数初始赋值如下：DRNN神经元结构为输入层3个，回归层(隐含层)9个，输出层1个；连接权初值均采用随机数；学习速率初值为ηN＝0.4、ηR＝0.4和ηo＝0.4；惯性系数初值为α＝0.4、β＝0.4、γ＝0.4；采样间隔时间ts＝1s；
PID系数初始赋值如下：PID增益学习速率ηp＝0.5、ηi＝0.001、ηd＝0.3；正实常数ap＝22、bp＝8.0、cp＝0.8；ai＝1、ci＝1；ad＝0.5、bd＝2.5、cd＝6.5、dd＝0.3；
航向偏差阈值ε＝2°，变速积分系统B＝0.4，C＝0.6；天气系数D＝1；微分先行低通滤波系数ρ＝0.5。
本实施例中，在所述步骤S5中，
船舶装载状态通过检测艏吃水、舯吃水和艉吃水，计算出平均吃水，吃水与装载量存在对应关系，新造船提供装载量-吃水关系表，输入计算机后自动查表确定，装载影响船舶稳性和惯性大小；
船舶运动包括航速、艏摇角速度、艏摇频率，通过GPS、电罗经、计程仪等检测与计算得出；
船舶推进包括主机功率、螺旋桨的转速、扭矩、推力及滑失率，通过艉轴扭矩仪检测及计算得出；
船舶操纵信号包括设定航向、实际航向角、实际舵角、操纵舵角，通过GPS、电罗经、舵角表等检测得出；
海况通过风速记录仪、GPS、船速计程仪等检测及计算出风浪流数据。
本实施例中，在所述步骤S6中，航向控制复合算法包括航向规划控制回路完成航向给定值变化的控制，航向保持控制回路完成航向的定值控制；EKF处理航向实际值ψ(k)、实际舵角δ(k)，船艏转向速率
将这些信号滤波处理后输入DRNN进行辨识，船舶实际航向与DRNN输出的误差为辨识调整信号，学习算法采用误差梯度下降法优化DRNN网络权值，船舶实际航向对舵角变化的Jacobian(雅克比)信息及误差平方为性能指标函数优化PID增益，使船舶航向控制具有响应快、自适应能力和抗干扰能力强的优点。
本实施例中，在所述步骤S7中，
首先判断航向设定值状态，若航向给定值是时变的，则系统自动选择航向规划控制；若航向给定值是常数，则系统自动选择航向保持控制；都是基于航向偏差e(k)的负反馈控制，最终目标是消除这个偏差e(k)；偏差特性主要反映在偏差方向、大小及变化速率；若偏差总存在某个方向，表明船舶装货偏重、或船舶遭受流或单侧风影响，常规自动舵需要压舵，造成船行阻力大、耗油多；通过艏侧推调整船艏向，舵继续保持中位，但船艏向与单侧风流作用方向的合成方向为船舶航向，也就是航线方向，消除了舵机附加阻力及附加油耗；如航向偏差e(k)小于阈值ε，积分起作用；e(k)大于ε，积分不起作用，防止系统超调、振荡；变速积分根据偏差大小调整积分作用强弱，偏差越大则积分越弱；偏差小时则加强，防止超调、饱和及消除静差时间长；梯形积分代替矩形积分可减小残差、提供精度；
微分作用易引起高频干扰，航向误差突变时尤其显著，在微分环节上增加一阶惯性环节(低通滤波器)实现不完全微分作用，克服常规自动舵的不足；航向规划控制采用微分先行算法，只对实际航向变化进行微分，不对给定航向变化进行微分，避免设定航向时引起系统振荡。
本实施例根据船舶航向偏差e(k-1)构建非线性的Kp(e(k-1))，Ki(e(k-1))和Kd(e(k-1))，控制增益随航向偏差而变化；DRNN根据航向偏差优化e(k)优化Kp(k)、Ki(k)和Kd(k)，两者叠加实现航向复合优化控制，响应快、无超调、抗干扰能力强。
航向偏差死区控制与海况相关，风平浪静情况下死区最小，恶劣海况下死区控制自动根据海况调大，提高稳定性。本发明还有防止舵机饱和控制，防止极限位置下机械卡死。
本实施例的最终目标是航行节油，这就要求航向偏差和舵角偏差达到0且稳定，因此，自动舵与艏侧推器需要联合起作用，达到复合误差为J(k)的目的。
基于同一发明构思，本实施例还提供了一种计算机设备，包括处理器和计算机可读存储介质，所述计算机可读存储介质存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现如上述的方法步骤。
基于同一发明构思，本实施例还提供了一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述的方法步骤。
远洋船舶航向控制复合优化节油技术原理如下：
(1)远洋船舶近似模型
式(1)中，船舶时间常数Ts：
船舶增益Ks：
Ls-船舶长度，Vs-船舶航速，ψ-船舶航向，δ-舵角，
-船艏转向速率，令
(2)扩展卡尔曼滤波(EKF)航向估计方法
船舶航向估计标准形式如下：
式(2)中，ξ＝[r ψ δ]T为船舶状态向量，ζ＝[ψ δ]T为测量向量，η＝[Ks Ts]T为船舶特性参数，ω为海况引起的过程噪声，μ为测量噪声，f(ξ,ζ)为船舶航行模型，
为系数矩阵。
式(2)的离散形式为
k为采样和神经网络迭代次数，ξk为状态，ζk为量测，ηk是输入,ωk为过程噪声,μk为测量噪声，均为零均值的高斯噪声。
船舶预测状态和误差协方差阵为
式中，
为k-1时刻的状态估计，Pk-1k-1为k-1时刻的后验误差协方差阵，Qk为过程噪声ωk的协方差矩阵，
为状态转移矩阵。
计算次优卡尔曼增益如下：
式中，
为当前量测，Sk为协方差残差，
为量测转移矩阵，Rk为量测噪声μk的协方差矩阵，Kk为次优卡尔曼增益。
更新状态和误差协方差矩阵如下
Pk|k＝(I-KkΩk)Pk|k-1 (10)
(3)海流速度Vc估计方法
通过船位(xi,yi,ti)和(x(i+1),y(i+1),t(i+1))估计海流速度Vc为
时间间隔为△t＝t(i+1)-ti，Vc包含了风和波浪的影响。
海流速度均方根为
海流速度Vc与船舶航速Vs的合成速度为船舶航行控制方向。通过GPS和计程仪测算出海流速度Vc、船舶航速Vs大小和方向，合成速度∑V通过软件计算得到。
(4)动态递归神经网络DRNN算法
DRNN输出层
DRNN输入层和回归层为
Cj(k)＝f(Gj(k)) (15)
DRNN辨识误差为em(k)＝ψ(k)-O(k)，DRNN辨识准则如下
Em(k)＝(ψ(k)-O(k))2/2＝(em(k))2/2 (16)
DRNN学习算法采用梯度下降法则：
DRNN回归层神经元采用双曲函数如下
式中，ηN、ηR和ηo分别是输入层、回归层和输出层的学习速率，α、β和γ是惯性系数。
船舶航向控制的雅克比信息为
基于DRNN优化PID控制参数的方法如下
E(k)＝(ψ*(k)-ψ(k))2/2＝(e(k))2/2 (27)
船舶实际航向偏差为e(k)＝ψ*(k)-ψ(k)，ψ*(k)为设定航向，ψ(k)为船舶实际航向。ts为采样间隔时间。Kp(k)，Ki(k)和Kd(k)分别是比例增益、积分增益和微分增益。ηp、ηi和ηd为增益学习速率。
Kp(e(k-1))＝ap+bp(1-sech(cpe(k-1))) (31)
Ki(e(k-1))＝aisech(cie(k-1)) (32)
式中，ap、bp、cp，ai、ci，ad、bd、cd、dd均为正实常数。Kp(e(k-1))，Ki(e(k-1))和Kd(e(k-1))分别是比例、积分和微分的非线性增益。
(5)基于EKF-DRNN的航向保持控制方法
航向保持控制就是船舶大洋航行中的航向定值控制，目前的自动舵均满足风平浪静的良好海况下，属于船舶航行控制的理想状态。本实施例的创新之处是针对恶劣海况下的船舶航向保持控制，航向保持控制方法如下
式(34)中，k＝(0,1,2,…)，Δts为采样间隔时间，采样时间ts为ts＝k·Δts。
积分分离系数
ε为航向偏差设定阈值且ε>0，一般取ε＝2°。
船舶惯性Ts作为一阶惯性环节(低通滤波器)系数，微分环节加入低通滤波器，实现不完全微分，航向误差突变或恶劣海况引起高频干扰时可改善航向控制系统的动态特性。
当ε较大时取消积分作用，解决航向控制系统启动、结束或大幅度增减设定值时引起系统较大的超调或振荡；当实际航向接近给定航向时积分起作用，消除静差。
若航向控制系统存在某一个方向的偏差，为了防止积分作用积累而使舵机进入饱和区，δ(k)首先判断δ(k-1)是否超出限制范围，若δ(k-1)≥δmax，则δ(k)＝δmax；若δ(k-1)≤δmin，则δ(k)＝δmin；其中，δmax＝30°为右满舵，δmin＝-30°为左满舵。
本实施例的航向变速积分方法，根据航向偏差大小改变积分速度，解决超调或饱和的问题。g[e(k)]在[0,1]区间内变化，当|e(k)|增大时，g[e(k)]减小，反之增大；当|e(k)|＞B+C时，g[e(k)]＝0，不对e(k)继续累加；当|e(k)|≤C时，加入当前值e(k)，积分作用达到最高速；当C≤|e(k)|≤B+C时，累加增多了部分当前值，其值在0|e(k)|之间随e(k)的大小而变化，这补偿了积分系统Ki自适应能力的不足。
为了解决恶劣海况对船舶航向保持的影响，本实施例增加的死区控制和天气调节功能如下
天气系数D取值1到9的自然数，风平浪静情况下，D＝1；恶劣海况下，D＝1+Df，Df是1分钟内实际航向穿越给定航向的振荡次数；这样实现了恶劣海况下自动增大不灵敏区，提高航向控制稳定性。另一方面，也消除了舵机频繁调节引起的振荡。e0是一个可调参数，e0太大，则航向控制滞后，误差大；e0太小，舵机动作频繁，航向不稳定，增大耗油。
(6)基于EKF-DRNN航向规划控制方法
航向规划控制就是改变给定值的控制，属于内部扰动，包括航向随动控制和航向程序控制，适应于船舶避让、大洋航行中驾驶员修正设定航向的自动控制。
式(36)中，ρ为微分先行低通滤波系数且0<ρ<1；A取值与式(34)相同。
航向规划控制法只对ψ(k)变化进行微分，对ψ*(k)变化不进行微分，因此，驾驶员改变给定航行ψ*(k)时，航向控制输出δ(k)不会突变，ψ(k)变化缓慢且渐进跟踪新的给定值ψ*(k)，这适应于船舶机动航行频繁改变航向给定值ψ*(k)的情况，避免航向给定值变化引起航向控制振荡，从而改善了动态性能。
针对式(1)-(36)所述的本实施例的原理方法，远洋船舶航向控制系统设计如图1所示：
本实施例的远洋船舶航向控制有两套控制执行系统：自动舵系统和艏侧推系统，两者协同工作。远洋船舶航向控制系统由四部分组成：扩展卡尔曼滤波EKF算法，航向控制系统，动态递归神经网络DRNN算法和海况估计，图1所示：
时刻的状态估计，Pk-1k-1-k-1时刻的后验误差协方差阵，ξk-船舶航向控制系统状态，ζk-船舶航向控制系统量测，ηk-船舶航向控制输入，Sk-协方差残差，
-航向控制系统的当前量测，Kk-次优卡尔曼增益，
船舶状态预测，Pk|k-1-船舶航向预测协方差，
-更新的船舶状态预测，Pk|k-更新的协方差矩阵。
Vs-船舶航速，ψ*-船舶设定航向，ψ-船舶实际航向，船舶航向偏差为e＝ψ*-ψ；δ-舵角，δ*-设定舵角(航向控制系统输出的操舵角)，舵机偏差为e2＝δ*-δ；
-船艏转向速率。
本实施例不同于常规的船舶航向控制以船艏向为航行方向的目标，创新性提出船舶运动方向为航线方向的目标，无外界干扰情况下，如风平浪静良好的海况条件，船艏向、航线方向及船舶运动方向均为一致的，外界风浪流干扰下，船艏向不一定为航行方向，而是船舶运动方向为航行方向，船舶运动方向是船艏向与外界干扰方向的合成方向，即海流速度Vc与船艏前进速度Vs的合成速度∑V，即
合成的船舶运动方向为航行控制方向ψ，即
ψ＝ψ(Vs,Vc)＝ψ(Vs)+ψ(Vc) (38)
ψ(Vs)是船艏向与真北方向夹角，螺旋桨推进船舶前行方向，舵在零位时，船艏向与螺旋桨推力方向一致；ψ(Vc)是海流方向与真北方向夹角；ψ(Vs,Vc)是ψ(Vs)与ψ(Vc)合成方向。
海流速度Vc与船艏前进速度Vs的合成方向为航行方向控制目标，在风浪流干扰下，船艏向不再作为航向方向控制目标，在艏侧推补偿下修正船艏向，减轻舵机负荷，舵机能多保持在0位，达到船舶节能效果。
船舶航行方向优化示意图如图2所示：
舵在零位，船舶主机驱动螺旋桨产生的推力与船艏向、船舶前进速度Vs一致；风浪流作用在船舶上的干扰力使船舶产生平均移动速度Vc；这影响船艏向运动方向。常规船舶航向控制的自动舵将产生偏转以抵消风浪流干扰作用，让船艏向保持在给定航向上。由于风浪流不确定性及控制系统过渡过程特性影响，舵机需频繁调节，这造成船舶阻力增加、耗油增多。
本实施例创新之处是航向保持阶段自动舵不工作，艏侧推器工作，调整船艏方向，使螺旋桨推力与风浪流干扰力合力方向为船舶航行方向，船舶前进速度Vs与海流速度Vc合成速度∑V为船舶航向方向的航行速度。
远洋船舶航向保持控制时通过艏侧推器控制实现，航向规划控制自动舵和艏侧推器联合起作用。尽量让舵机保持零位，减少舵机调节频次，实现船舶航行节油。
船舶航行评价准则：
式(39)中，N＝(1,2,3,…)，J(k)为复合误差。
评价函数J(k)→0表明e(k)和δ(k)均趋近于0，航向和舵角稳定，航行节油效果最佳。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种远洋船舶航向控制复合优化节油方法，其特征在于，该方法包括：
S1、船舶参数初始化，其中，该船舶参数包括船舶几何参数、主机参数、螺旋桨参数、舵机参数和艏侧推参数；
S2、根据船舶航海试验报告获取操纵性试验数据，其中，该试验数据包括航速测试曲线、惯性试验结果、ZIG-ZAG操纵试验结果和回转试验结果；
S3、营运船离港随动操舵模式，船舶特性识别，计算船舶增益Ks和船舶时间常数Ts；
S4、航向控制算法的DRNN系数和PID系数初值预置；
S5、船舶航行控制系统的信号采集与处理；
S6、远洋船舶航向控制复合优化算法架构；
S7、远洋船舶航向控制过程；
在所述步骤S2中，船舶满载状态下主机推进功率对应的船舶航速、吃水纪录、全速与半速时回转试验的回转半径；10度Zig-Zag试验数据、20度Zig-Zag试验数据、全速与半速时的停车距离试验；获得船舶在不同转速、不同吃水下的船舶惯性Ts和响应增益Ks，并为初始值；
在所述步骤S4中，DRNN系数初始赋值如下：DRNN神经元结构为输入层3个，回归层9个，输出层1个；连接权初值均采用随机数；学习速率初值为ηN＝0.4、ηR＝0.4和ηo＝0.4；惯性系数初值为α＝0.4、β＝0.4、γ＝0.4；采样间隔时间ts＝1s；PID系数初始赋值如下：PID增益学习速率ηp＝0.5、ηi＝0.001、ηd＝0.3；正实常数ap＝22、bp＝8.0、cp＝0.8；ai＝1、ci＝1；ad＝0.5、bd＝2.5、cd＝6.5、dd＝0.3；航向偏差阈值ε＝2°，变速积分系统B＝0.4，C＝0.6；天气系数D＝0；微分先行低通滤波系数ρ＝0.5；
在所述步骤S5中，船舶装载状态通过检测艏吃水、舯吃水和艉吃水，计算出平均吃水，吃水与装载量存在对应关系，新造船提供装载量-吃水关系表，输入计算机后自动查表确定，装载影响船舶稳性和惯性大小；船舶运动包括航速、艏摇角速度、艏摇频率，通过GPS、电罗经、计程仪检测与计算得出；船舶推进包括主机功率、螺旋桨的转速、扭矩、推力及滑失率，通过艉轴扭矩仪检测及计算得出；船舶操纵信号包括设定航向、实际航向角、实际舵角、操纵舵角，通过GPS、电罗经、舵角表检测得出；海况通过风速记录仪、GPS、船速计程仪检测及计算出风浪流数据；
在所述步骤S6中，航向控制复合算法包括航向规划控制回路完成航向给定值变化的控制，航向保持控制回路完成航向的定值控制；EKF处理航向实际值ψ(k)、实际舵角δ(k)，船艏转向速率
将这些信号滤波处理后输入DRNN进行辨识，船舶实际航向与DRNN输出的误差为辨识调整信号，学习算法采用误差梯度下降法优化DRNN网络权值，船舶实际航向对舵角变化的Jacobian(雅克比)信息及误差平方为性能指标函数优化PID增益，使船舶航向控制具有响应快、自适应能力和抗干扰能力强的优点；
本实施例中，在所述步骤S7中，首先判断航向设定值状态，若航向给定值是时变的，则系统自动选择航向规划控制；若航向给定值是常数，则系统自动选择航向保持控制；都是基于航向偏差e(k)的负反馈控制，最终目标是消除这个偏差e(k)；偏差特性主要反映在偏差方向、大小及变化速率；若偏差总存在某个方向，表明船舶装货偏重、或船舶遭受流或单侧风影响，常规自动舵需要压舵，造成船行阻力大、耗油多；通过艏侧推调整船艏向，舵继续保持中位，但船艏向与单侧风流作用方向的合成方向为船舶航向，也就是航线方向，消除了舵机附加阻力及附加油耗；如航向偏差e(k)小于阈值ε，积分起作用；e(k)大于ε，积分不起作用，防止系统超调、振荡；变速积分根据偏差大小调整积分作用强弱，偏差越大则积分越弱；偏差小时则加强，防止超调、饱和及消除静差时间长；梯形积分代替矩形积分可减小残差、提供精度；微分作用易引起高频干扰，航向误差突变时尤其显著，在微分环节上增加一阶惯性环节实现不完全微分作用，克服常规自动舵的不足；航向规划控制采用微分先行算法，只对实际航向变化进行微分，不对给定航向变化进行微分，避免设定航向时引起系统振荡。
2.如权利要求1所述的远洋船舶航向控制复合优化节油方法，其特征在于，在所述步骤S1中，船舶几何参数包括船舶长度、型宽、型深、结构吃水；主机参数包括额定推进功率、转速、主机功率-主机转速-船舶航速曲线图；螺旋桨参数包括螺旋桨直径、桨叶数目、螺距；舵机参数包括扭矩、转舵速率；艏侧推参数包括频率、转速、转船速率。
3.如权利要求2所述的远洋船舶航向控制复合优化节油方法，其特征在于，在所述步骤S2中，船舶满载状态下主机推进功率对应的船舶航速、吃水纪录、全速与半速时回转试验的回转半径；10度Zig-Zag试验数据、20度Zig-Zag试验数据、全速与半速时的停车距离试验；获得船舶在不同转速、不同吃水下的船舶惯性Ts和响应增益Ks，并为初始值。
4.如权利要求3所述的远洋船舶航向控制复合优化节油方法，其特征在于，在所述步骤S3中，船舶离港不适用全自动航向控制，采用人工操作的随动操舵模式，不同舵角作用下船舶转向快慢不一样，可以通过飞升曲线法计算船舶此货载情况下的Ts和Ks，并赋值给控制系统作为船舶特性估计值。
5.如权利要求4所述的远洋船舶航向控制复合优化节油方法，其特征在于，在所述步骤S4中，
DRNN系数初始赋值如下：DRNN神经元结构为输入层3个，回归层9个，输出层1个；连接权初值均采用随机数；学习速率初值为ηN＝0.4、ηR＝0.4和ηo＝0.4；惯性系数初值为α＝0.4、β＝0.4、γ＝0.4；采样间隔时间ts＝1s；
PID系数初始赋值如下：PID增益学习速率ηp＝0.5、ηi＝0.001、ηd＝0.3；正实常数ap＝22、bp＝8.0、cp＝0.8；ai＝1、ci＝1；ad＝0.5、bd＝2.5、cd＝6.5、dd＝0.3；
航向偏差阈值ε＝2°，变速积分系统B＝0.4，C＝0.6；天气系数D＝1；微分先行低通滤波系数ρ＝0.5。
6.如权利要求5所述的远洋船舶航向控制复合优化节油方法，其特征在于，在所述步骤S5中，
船舶装载状态通过检测艏吃水、舯吃水和艉吃水，计算出平均吃水，吃水与装载量存在对应关系，新造船提供装载量-吃水关系表，输入计算机后自动查表确定，装载影响船舶稳性和惯性大小；
船舶运动包括航速、艏摇角速度、艏摇频率，通过GPS、电罗经、计程仪检测与计算得出；
船舶推进包括主机功率、螺旋桨的转速、扭矩、推力及滑失率，通过艉轴扭矩仪检测及计算得出；
船舶操纵信号包括设定航向、实际航向角、实际舵角、操纵舵角，通过GPS、电罗经、舵角表检测得出；
海况通过风速记录仪、GPS、船速计程仪检测及计算出风浪流数据。
7.如权利要求6所述的远洋船舶航向控制复合优化节油方法，其特征在于，在所述步骤S6中，航向控制复合算法包括航向规划控制回路完成航向给定值变化的控制，航向保持控制回路完成航向的定值控制；EKF处理航向实际值ψ(k)、实际舵角δ(k)，船艏转向速率
将这些信号滤波处理后输入DRNN进行辨识，船舶实际航向与DRNN输出的误差为辨识调整信号，学习算法采用误差梯度下降法优化DRNN网络权值，船舶实际航向对舵角变化的Jacobian信息及误差平方为性能指标函数优化PID增益，使船舶航向控制具有响应快、自适应能力和抗干扰能力强的优点。
8.如权利要求7所述的远洋船舶航向控制复合优化节油方法，其特征在于，在所述步骤S7中，
首先判断航向设定值状态，若航向给定值是时变的，则系统自动选择航向规划控制；若航向给定值是常数，则系统自动选择航向保持控制；都是基于航向偏差e(k)的负反馈控制，最终目标是消除这个偏差e(k)；偏差特性主要反映在偏差方向、大小及变化速率；若偏差总存在某个方向，表明船舶装货偏重、或船舶遭受流或单侧风影响，常规自动舵需要压舵，造成船行阻力大、耗油多；通过艏侧推调整船艏向，舵继续保持中位，但船艏向与单侧风流作用方向的合成方向为船舶航向，也就是航线方向，消除了舵机附加阻力及附加油耗；如航向偏差e(k)小于阈值ε，积分起作用；e(k)大于ε，积分不起作用，防止系统超调、振荡；变速积分根据偏差大小调整积分作用强弱，偏差越大则积分越弱；偏差小时则加强，防止超调、饱和及消除静差时间长；梯形积分代替矩形积分可减小残差、提供精度；
微分作用易引起高频干扰，航向误差突变时尤其显著，在微分环节上增加一阶惯性环节实现不完全微分作用，克服常规自动舵的不足；航向规划控制采用微分先行算法，只对实际航向变化进行微分，不对给定航向变化进行微分，避免设定航向时引起系统振荡。
9.一种计算机设备，包括处理器和计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现如权利要求1至8中任一项所述的方法步骤。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110265287.0A CN113031614B (zh) | 2021-03-11 | 2021-03-11 | 一种远洋船舶航向控制复合优化节油方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110265287.0A CN113031614B (zh) | 2021-03-11 | 2021-03-11 | 一种远洋船舶航向控制复合优化节油方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113031614A CN113031614A (zh) | 2021-06-25 |
| CN113031614B true CN113031614B (zh) | 2022-09-30 |
Family
ID=76469608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110265287.0A Active CN113031614B (zh) | 2021-03-11 | 2021-03-11 | 一种远洋船舶航向控制复合优化节油方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113031614B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113671823B (zh) * | 2021-07-26 | 2024-02-02 | 哈尔滨工业大学 | 一种提高船舶航向控制精度的风浪流干扰主动补偿方法及装置 |
| CN115047889B (zh) * | 2022-08-15 | 2022-11-04 | 北京海兰信数据科技股份有限公司 | 一种确定自动舵航向控制效果的方法及系统 |
| CN116627028B (zh) * | 2023-07-21 | 2023-09-29 | 阳谷新太平洋电缆有限公司 | 交联电缆生产线控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004291773A (ja) * | 2003-03-26 | 2004-10-21 | Mitsui Eng & Shipbuild Co Ltd | 船体の減揺システム |
| CN101859147A (zh) * | 2010-06-11 | 2010-10-13 | 哈尔滨工程大学 | 船舶航向智能协调控制方法 |
| JP2014004911A (ja) * | 2012-06-25 | 2014-01-16 | Tokyo Univ Of Marine Science & Technology | 非線形の自己回帰モデルによる船舶の航路保持方法 |
| CN111413981A (zh) * | 2020-04-07 | 2020-07-14 | 上海海事大学 | 一种船舶自动舵复合神经网络pid控制方法 |
| CN111665718A (zh) * | 2020-06-05 | 2020-09-15 | 长春工业大学 | 一种基于q学习算法的对角递归神经网络控制策略 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108536005A (zh) * | 2018-03-15 | 2018-09-14 | 吉林大学 | 一种基于模糊神经网络pid船舶航向控制器及其控制方法 |
| CN111352341B (zh) * | 2020-03-18 | 2022-09-30 | 上海海事大学 | 一种船舶航行控制在线自适应调节系统及方法 |
-
2021
- 2021-03-11 CN CN202110265287.0A patent/CN113031614B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004291773A (ja) * | 2003-03-26 | 2004-10-21 | Mitsui Eng & Shipbuild Co Ltd | 船体の減揺システム |
| CN101859147A (zh) * | 2010-06-11 | 2010-10-13 | 哈尔滨工程大学 | 船舶航向智能协调控制方法 |
| JP2014004911A (ja) * | 2012-06-25 | 2014-01-16 | Tokyo Univ Of Marine Science & Technology | 非線形の自己回帰モデルによる船舶の航路保持方法 |
| CN111413981A (zh) * | 2020-04-07 | 2020-07-14 | 上海海事大学 | 一种船舶自动舵复合神经网络pid控制方法 |
| CN111665718A (zh) * | 2020-06-05 | 2020-09-15 | 长春工业大学 | 一种基于q学习算法的对角递归神经网络控制策略 |
Non-Patent Citations (2)
| Title |
|---|
| An on-line adaptive hybrid PID autopilot of ship heading control using auto-tuning BP & RBF neurons;Chen Mengwei;《2020 39th Chinese Control Conference (CCC)》;20200909;第3642-3647页 * |
| 基于节能省时航行的新型航向控制系统设计;陈进涛等;《舰船科学技术》;20131115;第35卷(第11期);第99-108页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113031614A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113031614B (zh) | 一种远洋船舶航向控制复合优化节油方法 | |
| CN102385316B (zh) | 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法 | |
| CN111413981B (zh) | 一种船舶自动舵复合神经网络pid控制方法 | |
| CN108563113B (zh) | 舰船用多回路无模型自适应艏向控制方法 | |
| CN108445762A (zh) | 基于ukf滤波和约束模型预测控制的动力定位控制方法 | |
| CN111352341B (zh) | 一种船舶航行控制在线自适应调节系统及方法 | |
| CN112947494A (zh) | 一种基于模糊pid的船舶自动靠泊控制方法 | |
| CN116360260B (zh) | 基于触发制导和自更新阈值的asv预设性能控制方法 | |
| CN115113524B (zh) | 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 | |
| CN112987771B (zh) | 基于多端口输出误差触发机制的机帆船路径跟踪控制方法 | |
| CN114967702A (zh) | 一种无人艇控制系统及路径跟踪方法 | |
| CN113467231A (zh) | 基于侧滑补偿ilos制导律的无人艇路径跟踪方法 | |
| Liu | Adaptive sliding mode control for ship autopilot with speed keeping | |
| Rodriguez et al. | Adaptive takeoff maneuver optimization of a sailing boat for America’s cup | |
| CN113625725B (zh) | 一种水面无人艇路径跟踪控制方法 | |
| CN112198872B (zh) | 船艇的多航态稳速控制方法和装置 | |
| McGookin et al. | The optimization of a tanker autopilot control system using genetic algorithms | |
| Liu et al. | Ship heading control with speed keeping via a nonlinear disturbance observer | |
| CN113110519B (zh) | 一种舰船用非增量型无模型自适应艏向控制方法 | |
| Huang et al. | SHSA-based adaptive roll-safety 3D tracking control of a X-Rudder AUV with actuator dynamics | |
| Shao et al. | Sideslip angle observation-based LOS and adaptive finite-time path following control for sailboat | |
| JPH0330557B2 (zh) | ||
| dos Santos et al. | Performance evaluation of propulsion control techniques for autonomous sailboat | |
| Yu et al. | Automatic ship handling of the maritime search mission using a self-tuning fuzzy gain scheduling PD controller | |
| Wentao et al. | A novel fast terminal sliding mode control method based on immersion and invariance for course control of USV |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230802 Address after: No. 301-46, Building 3, Phase 1, University Science and Technology Park, No. 20 Jianxiong Road, Science and Education New City, Taicang City, Suzhou City, Jiangsu Province, 215400 Patentee after: Suzhou Haiyun Star Intelligent Technology Co.,Ltd. Address before: 201306 1550 Harbour Road, Lingang New Town, Pudong New Area, Shanghai Patentee before: Shanghai Maritime University |