CN113093757A - 一种基于事件预测的气垫船登滩节能控制方法 - Google Patents

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

一种基于事件预测的气垫船登滩节能控制方法

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τ_u设置为定常值。通过控制横向推力τ_r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+τ_rsinψ＝τ_ucosψ

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，ψ_k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：

预测误差可表示为：

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：

一般情况下，

为了进一步表征对输出误差的控制，并且本发明是关于艏向角ψ和舵角δ的一维离散模型，所以正定矩阵Q和R 均为1。

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μ_i1，a₂(k)对应μ_i2，b₁(k)对应μ_i3，b₂(k)对应μ_i4，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K_i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τ_u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τ_r的方向与前进方向始终垂直。本发明将纵向推力τ_u设定为某一定常值，通过改变横向推力τ_r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：

f_y+G₁+τ_rsinψ＝τ_uy

即：fcosψ+Gsinα+τ_rsinψ＝τ_ucosψ

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，ψ_k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。

(1)由

对运动方程进行整理，得到状态方程

的形式：

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)

其中，

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

当前的状态向量为X＝[u,v,r]^T，需要求得的状态向量Y＝[x,y,ψ]^T，即

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：

式中e(k-i),i＝1,2为预测误差，

为a₁,b₁,c₁的估计值。

预测误差可表示为：

假设预测误差e(k)服从均值为0的高斯分布，且{e(k)}具有相同的方差σ²，又因为{e(k)} 与

有关，所以σ²一定是被估参数θ的函数。

高斯噪声序列的概率密度函数为：

式中

为预测值，σ²和m为

的方差和均值，则有：

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：

一般情况下，

为了进一步表征对输出误差的控制，并且本发明是关于艏向角ψ和舵角δ的一维的离散模型，所以正定矩阵Q和 R均为1。

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μ_i1，a₂(k)对应μ_i2，b₁(k)对应μ_i3，b₂(k)对应μ_i4则有：

其中，

表示初始条件，μ_im,m＝1,2,3,4表示模糊集。

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：

其中，

μ_ij(θ_j(k))表示θ_j(k)对μ_ij的隶属度，θ的取值由步骤二得到。

将本发明中艏向角与模糊控制一般形式结合可得：

τ_r(k)＝K_iψ(k)，其中K_i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+τ_rsinψ＝τ_ucosψ

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，ψ_k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。

3.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：

预测误差可表示为：

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：

一般情况下，

为了进一步表征对输出误差的控制，并且本发明是关于艏向角ψ和舵角δ的一维离散模型，所以正定矩阵Q和R均为1。

由上可以设计性能指标为：

。

4.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μ_i1，a₂(k)对应μ_i2，b₁(k)对应μ_i3，b₂(k)对应μ_i4，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K_i是模糊控制器的增益矩阵。

Images