CN113093757A - 一种基于事件预测的气垫船登滩节能控制方法 - Google Patents
一种基于事件预测的气垫船登滩节能控制方法 Download PDFInfo
- Publication number
- CN113093757A CN113093757A CN202110372694.1A CN202110372694A CN113093757A CN 113093757 A CN113093757 A CN 113093757A CN 202110372694 A CN202110372694 A CN 202110372694A CN 113093757 A CN113093757 A CN 113093757A
- Authority
- CN
- China
- Prior art keywords
- event
- hovercraft
- heading angle
- trigger
- beach
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 10
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 230000009194 climbing Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000001960 triggered effect Effects 0.000 abstract description 5
- 238000005299 abrasion Methods 0.000 abstract description 2
- 230000002452 interceptive effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000000737 periodic effect Effects 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种基于事件预测的气垫船登滩节能控制方法,第一,选用工作在离散状态下的离散事件触发器,设计事件触发的阈值方程组,这个阈值方程组的第一个方程设计依据为通过气垫船在登滩爬坡过程中临界受力平衡条件求得的最大艏向角;第二,通过气垫船运动数学模型得出舵角与艏向角的预测模型,采用极大似然法对预测模型进行在线参数估计。第三,设计事件触发控制器,结合事件触发机制将需要控制的状态发送给控制器,控制器通过模糊算法解算后输出舵角控制量,将艏向角控制在安全范围内。本发明可以有效降低系统内交互的数据量,节省存储空间;同时减少了执行器的调整频率降低执行器的磨损,起到了节能的作用。
Description
技术领域
本发明涉及气垫船自动控制领域,具体为一种基于事件预测的气垫船登滩节能控制方法。
背景技术
气垫船是一种可以航行在水面、滩涂、湿地以及沼泽的高速船舶。尤其在现代战争中,登滩过程是气垫船作战过程的最后一个阶段,因此具有重要的研究意义。全垫升气垫船的登滩过程主要分为三个分解步骤:(1)近岸航行阶段。(2)登滩过渡阶段。(3)岸滩航行阶段。其中岸滩航行阶段需要进行爬坡运动并且艏向角持续发生改变。本发明的研究背景主要关注于岸滩航行阶段,其中纵向推力τu设置为定常值。通过控制横向推力τr来控制气垫船的登滩过程。
事件触发控制系统,又称为非周期性控制系统,它的信号采样和控制器运算是由一个特定的事件触发的,而不是随时间的进行而周期进行的。事件的属性和种类很多,它可以是一个变量超过了某个限定值,也可以是在网络控制中一个数据包到达了某个节点。总体来说,事件触发控制系统的采样周期是时变的,而非固定的。登滩爬坡过程中,如果艏向角偏离过大,气垫船分解在x轴上的力不足以支撑其完成爬坡过程,需要在船艏偏离到临界角度这一事件之前进行控制校正。在现有专利技术要求中,还没有对气垫船登滩爬坡过程进行事件预测控制。
发明内容
本发明的目的在于提供一种可以有效地减少计算量,增加控制效率的基于事件预测的气垫船登滩节能控制方法。
本发明的目的是这样实现的:
一种基于事件预测的气垫船登滩节能控制方法,具体包括以下步骤:
步骤1:选用工作在离散状态下的离散事件触发器。根据气垫船在登滩爬坡过程中的临界受力平衡条件计算触发阈值,并根据事件触发阈值来设计触发判定函数方程组。在到达触发条件时,事件触发器通过触发判定函数判断当前状态是否满足触发条件。
步骤2:通过气垫船运动数学模型得出舵角与艏向角的预测模型,采用极大似然法对预测模型进行在线参数估计。
步骤3:在步骤2的参数估计基础上设计事件触发模糊控制器,结合事件触发机制将需要控制的状态发送给控制器,控制器通过模糊算法解算后输出舵角控制指令,将艏向角控制在安全范围内。
本发明还包括这样一些结构特征:
1.所述步骤1中通过受力分析得到:
fcosψ+Gsinα+τrsinψ=τucosψ
通过上式进一步解出艏向角ψ的取值,将这个值记为ψ'0,因为执行机构自身存在惯性因素不能立即执行操作指令,所以需要添加比例系数缩小艏向角ψ防止其超过临界值即可得到设计的触发阈值,更新为:
ψ0=k·ψ0',k∈(0,1)
为了更加精确地达到触发条件防止事故发生,在单一的艏向角触发条件下扩展为方程组触发条件:(1)当前艏向角已经超过了触发阈值;(2)下一时刻的估计值已经超过了当前时刻的状态值与触发误差之和。
基于以上两点,可以设计事件触发条件方程组:
其中,ψk是当前时刻的艏向角,ψ,δ分别代表艏向角和舵角,e(k)是误差,函数f是离散系统标准形式x(k+1)=f(x(k),u(k))下的函数。
2.所述步骤2中利用极大似然法对预测模型进行在线参数估计:
设待估参数θ=[a1,a2,b0,b1,b2]
并由此设当前艏向角ψ(k)的预测值为:
对于e(k)符合高斯噪声序列的极大似然函数为:
用上式对σ2求偏导数令其等于0,可得到:
因为当方差σ2最小时,e2(k)最小,即残差最小。因此希望方差σ2的估计值取最小:
由上可以设计性能指标为:
3.所述步骤3中基于模糊规则设计事件触发控制器;
首先设计模糊规则i:因为b0(k)=0恒成立,所以不考虑其对应的模糊规则。设a1(k)对应μi1,a2(k)对应μi2,b1(k)对应μi3,b2(k)对应μi4,则有:
若待估参数θ=[a1,a2,b0,b1,b2]不会影响控制输入变量δ(k),则系统的模糊形式可表示为:
基于上述的模糊规则,模糊控制律:
其中Ki是模糊控制器的增益矩阵。
与现有技术相比,本发明的有益效果是:
本发明选用工作在离散状态下的离散事件触发器,通过受力分析得到气垫船登滩过程中的最大艏向角,并以此作为离散事件触发器的阈值并设计事件触发的条件,考虑到执行器存在延时效果,不能立刻达到控制效果,所以添加可变系数k,k∈(0,1)。只有满足事件触发条件时,控制策略才会更新。这样就可以在实现登滩爬坡运动的同时,也能够有效降低系统内交互的数据量,节省存储空间。同时减少了执行器的调整频率,降低执行器的磨损。
附图说明
图1是气垫船登滩示意图;
图2是气垫船登滩受力分析图;
图3是本发明的控制器算法流程图;
图4是控制系统结构框图。
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。
步骤一:确定事件触发条件设计事件触发控制器。
如附图1所示,在气垫船登滩爬坡过程中,纵向推力τu的方向始终是沿着气垫船船身指向前进方向的,而横向推力τr的方向与前进方向始终垂直。本发明将纵向推力τu设定为某一定常值,通过改变横向推力τr来改变登滩过程的艏向角。如果在这一过程中艏向角过大,则在直线AB方向上合力的分力不足以推动气垫船前进,可能会发生事故(附图1中标注,直线 AB∈平面CDEF且垂直于水面与滩岸的交界线CD。因此根据牛顿第二定律得到登滩过程下艏向角ψ的最大临界值。考虑到执行器无法立刻完成控制达到控制效果,在得到最大临界值基础上乘以一个比例系数k,k∈(0,1)是一个常数。当艏向角超过这个临界值时,达到这一事件的触发条件从而使事件触发控制器工作。
如附图2中左边的登滩侧视图与右边的俯视图所示,通过受力分析得到:
fy+G1+τrsinψ=τuy
即:fcosψ+Gsinα+τrsinψ=τucosψ
通过上式进一步解出艏向角ψ的取值,将这个值记为ψ'0,因为执行机构自身存在惯性因素不能立即执行操作指令,所以需要添加比例系数缩小艏向角ψ防止其超过临界值即可得到设计的触发阈值,更新为:
ψ0=k·ψ0',k∈(0,1)
为了更加精确地达到触发条件防止事故发生,在单一的艏向角触发条件下扩展为方程组触发条件:(1)当前艏向角已经超过了触发阈值;(2)下一时刻的估计值已经超过了当前时刻的状态值与触发误差之和。
基于以上两点,可以设计事件触发条件方程组:
其中,ψk是当前时刻的艏向角,ψ,δ分别代表艏向角和舵角,e(k)是误差,函数f是离散系统标准形式x(k+1)=f(x(k),u(k))下的函数,对照步骤二的气垫船离散预测模型可以得到。
步骤二:通过气垫船运动数学模型得出舵角与艏向角的离散预测模型,采用极大似然法对预测模型进行在线参数估计。
根据线性控制理论中状态转移矩阵的方法,将连续的状态方程转化为离散的状态方程,离散结果为:
X(k+1)=G(k)X(k)+HU(k)
根据微分的定义求X对时间T的导数:
联立导数定义和状态方程得到:
X(k+1)=(A(k)T+I)X(k)+BTU(k)
将上式与离散状态方程对比,得到:
G(k)=A(k)+I,H=BT
根据牛顿-科特斯梯形公式:
将离散化的状态方程带入牛顿-科特斯梯形公式中,得到:
进一步有:
将上面三式带入离散状态方程中,整理得到:
通过对比得到:
A(Z-1)ψ(k)=B(z-1)δ(k)+C(z-1)ξ(k)/Δ
这里假设C(z-1)=1+c1z-1+c2z-2,
最后得到的预测模型的离散标准形式为:
(I+a1z-1+a2z-2)Y(k)=(b0I+b1z-1+b2z-2)U(k)+C(z-1)ξ(k)/Δ
因为只有艏向角改变,所以设速度u,v为常数,向量X中只有变量r;预测模型的向量Y 中x,y是常数,只有变量ψ;对应剩余两个变量为常数则向量U(k)中只有变量δ,表示为艏向角和舵角的表达式为:
(I+a1z-1+a2z-2)ψ(k)=(b0I+b1z-1+b2z-2)δ(k)+C(z-1)ξ(k)/Δ
其中:
a1=-{I+G(k-2)[G(k-2)+I]-1[G(k-1)+I]
a2=G(k-2)[G(k-2)+I]-1[G(k-1)+I]
b0=0
差分算子Δ=1-z-1,ψ(k)和δ(k-1)以及ξ(k)分别是系统的输出和输入以及高斯分布的白噪声序列,其均值为0,方差为σ2。a1,a2,b0,b1,b2为各项的对应系数。
(2)利用极大似然法对参数进行在线整定:
根据上面得到的系数参数设待估参数θ=[a1,a2,b0,b1,b2]
并由此设ψ(k)的预测值为:
预测误差可表示为:
高斯噪声序列的概率密度函数为:
对于e(k)符合高斯噪声序列的极大似然函数为:
用上式对σ2求偏导数令其等于0,可得到:
因为当方差σ2最小时,e2(k)最小,即残差最小。因此希望方差σ2的估计值取最小:
由上可以设计性能指标为:
由于性能指标J是非线性的,因此求J的极小值问题可以采用牛顿-拉弗森迭代法来求。
步骤三:设计事件触发模糊控制器:
首先设计模糊规则i:因为b0(k)=0恒成立,所以不考虑其对应的模糊规则。设步骤二中求得的a1(k)对应μi1,a2(k)对应μi2,b1(k)对应μi3,b2(k)对应μi4则有:
若待估参数θ=[a1,a2,b0,b1,b2]不会影响控制输入变量δ(k),则系统的模糊形式可表示为:
将本发明中艏向角与模糊控制一般形式结合可得:
τr(k)=Kiψ(k),其中Ki是模糊控制器的增益矩阵。
进一步结合上述的模糊规则,最终可以得到模糊控制律:
附图4是本发明的控制系统结构图,控制器不连续工作能够有效降低执行机构的损耗,同时达到节能的作用。
Claims (4)
1.一种基于事件预测的气垫船登滩节能控制方法,其特征是:具体包括以下步骤:
步骤1:选用工作在离散状态下的离散事件触发器。根据气垫船在登滩爬坡过程中的临界受力平衡条件计算触发阈值,并根据事件触发阈值来设计触发判定函数方程组。在到达触发条件时,事件触发器通过触发判定函数判断当前状态是否满足触发条件。
步骤2:通过气垫船运动数学模型得出舵角与艏向角的预测模型,采用极大似然法对预测模型进行在线参数估计。
步骤3:在步骤2的参数估计基础上设计事件触发模糊控制器,结合事件触发机制将需要控制的状态发送给控制器,控制器通过模糊算法解算后输出舵角控制指令,将艏向角控制在安全范围内。
2.根据权利要求1所述的一种基于事件预测的气垫船登滩节能控制方法,其特征是:所述步骤1中通过受力分析得到:
fcosψ+Gsinα+τrsinψ=τucosψ
通过上式进一步解出艏向角ψ的取值,将这个值记为ψ0',因为执行机构自身存在惯性因素不能立即执行操作指令,所以需要添加比例系数缩小艏向角ψ防止其超过临界值即可得到设计的触发阈值,更新为:
ψ0=k·ψ0',k∈(0,1)
为了更加精确地达到触发条件防止事故发生,在单一的艏向角触发条件下扩展为方程组触发条件:(1)当前艏向角已经超过了触发阈值;(2)下一时刻的估计值已经超过了当前时刻的状态值与触发误差之和。
基于以上两点,可以设计事件触发条件方程组:
其中,ψk是当前时刻的艏向角,ψ,δ分别代表艏向角和舵角,e(k)是误差,函数f是离散系统标准形式x(k+1)=f(x(k),u(k))下的函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110372694.1A CN113093757B (zh) | 2021-04-07 | 2021-04-07 | 一种基于事件预测的气垫船登滩节能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110372694.1A CN113093757B (zh) | 2021-04-07 | 2021-04-07 | 一种基于事件预测的气垫船登滩节能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113093757A true CN113093757A (zh) | 2021-07-09 |
CN113093757B CN113093757B (zh) | 2023-01-03 |
Family
ID=76674516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110372694.1A Active CN113093757B (zh) | 2021-04-07 | 2021-04-07 | 一种基于事件预测的气垫船登滩节能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113093757B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030065409A1 (en) * | 2001-09-28 | 2003-04-03 | Raeth Peter G. | Adaptively detecting an event of interest |
EP1538074A1 (en) * | 2003-12-05 | 2005-06-08 | Sshl, Inc. | Remote marine craft control system and methods of using same |
CN104691534A (zh) * | 2015-01-13 | 2015-06-10 | 哈尔滨工程大学 | 一种带有导引模块的气垫船回转率保持控制方法 |
CN105197200A (zh) * | 2015-09-24 | 2015-12-30 | 哈尔滨工程大学 | 一种基于航迹引导的气垫船进坞过程自动控制系统及控制方法 |
CN106325071A (zh) * | 2016-09-28 | 2017-01-11 | 哈尔滨工程大学 | 一种基于事件驱动的广义预测自适应补给船航向控制方法 |
CN109782774A (zh) * | 2019-03-12 | 2019-05-21 | 哈尔滨工程大学 | 一种基于积分法的艏摇响应参数在线辨识方法 |
EP3598262A1 (en) * | 2018-07-17 | 2020-01-22 | Ge Aviation Systems Llc, Inc. | Method and system for determining a climb profile |
CN111273671A (zh) * | 2020-03-03 | 2020-06-12 | 大连海事大学 | 一种智能船舶的非周期通讯远程观测器 |
CN111856944A (zh) * | 2020-08-05 | 2020-10-30 | 重庆大学 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
-
2021
- 2021-04-07 CN CN202110372694.1A patent/CN113093757B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030065409A1 (en) * | 2001-09-28 | 2003-04-03 | Raeth Peter G. | Adaptively detecting an event of interest |
EP1538074A1 (en) * | 2003-12-05 | 2005-06-08 | Sshl, Inc. | Remote marine craft control system and methods of using same |
CN104691534A (zh) * | 2015-01-13 | 2015-06-10 | 哈尔滨工程大学 | 一种带有导引模块的气垫船回转率保持控制方法 |
CN105197200A (zh) * | 2015-09-24 | 2015-12-30 | 哈尔滨工程大学 | 一种基于航迹引导的气垫船进坞过程自动控制系统及控制方法 |
CN106325071A (zh) * | 2016-09-28 | 2017-01-11 | 哈尔滨工程大学 | 一种基于事件驱动的广义预测自适应补给船航向控制方法 |
EP3598262A1 (en) * | 2018-07-17 | 2020-01-22 | Ge Aviation Systems Llc, Inc. | Method and system for determining a climb profile |
CN109782774A (zh) * | 2019-03-12 | 2019-05-21 | 哈尔滨工程大学 | 一种基于积分法的艏摇响应参数在线辨识方法 |
CN111273671A (zh) * | 2020-03-03 | 2020-06-12 | 大连海事大学 | 一种智能船舶的非周期通讯远程观测器 |
CN111856944A (zh) * | 2020-08-05 | 2020-10-30 | 重庆大学 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
Non-Patent Citations (7)
Title |
---|
JI, NAN: "Motion Simulation of Air Cushion Vehicle in Beach-landing", 《FOURTH INTERNATIONAL CONFERENCE ON DIGITAL IMAGE PROCESSING (ICDIP 2012)》 * |
MA, Y (MA, YONG)等: "Event-triggered fuzzy control of networked nonlinear underactuated unmanned surface vehicle", 《OCEAN ENGINEERING》 * |
MINGYU FU: "Event-driven Positioning Control Algorithm of the Dynamic Positioning Ship", 《OCEANS 2017 - ANCHORAGE》 * |
冀 楠: "全垫升气垫船运动特性研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
夏召丹等: "气垫船冲滩试验技术研究", 《2013年船舶水动力学学术会议论文集》 * |
宋振伟: "全垫升气垫船操控航行视景仿真技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
沈剑毅等: "全垫升气垫船登滩运动特性分析", 《船舶》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113093757B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901403B (zh) | 一种自主水下机器人神经网络s面控制方法 | |
US6208914B1 (en) | System for improved receding-horizon adaptive and reconfigurable control | |
CN110618686B (zh) | 一种基于显式模型预测控制的无人船航迹控制方法 | |
CA2607002A1 (en) | Vehicle control device | |
CN109946971B (zh) | 一种倾转旋翼无人机过渡段的光滑切换控制方法 | |
CN110362084A (zh) | 一种基于蚁群算法的车辆路径追踪控制方法 | |
Craven et al. | Control strategies for unmanned underwater vehicles | |
CN108983774B (zh) | 一种基于模糊状态观测器的单喷泵推进无人水面艇自适应航向控制方法 | |
Schaal et al. | Assessing the quality of learned local models | |
Lakhekar et al. | Robust diving motion control of an autonomous underwater vehicle using adaptive neuro-fuzzy sliding mode technique | |
CN112596393B (zh) | 船舶路径跟踪的控制方法、系统和存储介质 | |
CN113031614A (zh) | 一种远洋船舶航向控制复合优化节油方法 | |
Lakhekar et al. | Enhanced dynamic fuzzy sliding mode controller for autonomous underwater vehicles | |
CN115113524A (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 | |
CN112987771A (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 | |
CN113093757B (zh) | 一种基于事件预测的气垫船登滩节能控制方法 | |
CN112896494B (zh) | 基于模型预测控制的飞机防滑刹车控制方法 | |
CN110488600B (zh) | Lqr优化型无刷直流电机调速神经网络pid控制器 | |
Shao et al. | Sideslip angle observation-based LOS and adaptive finite-time path following control for sailboat | |
Wang et al. | Amphibious hovercraft course control based on adaptive multiple model approach | |
Chen et al. | Switching multi-model predictive control for hypersonic vehicle | |
Rodriguez et al. | Adaptive takeoff maneuver optimization of a sailing boat for America’s cup | |
CN114003053B (zh) | 一种基于ArduPilot的固定翼无人机自动驾驶自适应控制系统 | |
CN113721620B (zh) | 基于粒子群-遗传混合算法的车辆横向pid控制方法 | |
CN112859891B (zh) | 一种基于粒子群算法优化自适应滑模控制参数的auv航向角控制方法 |
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 |