CN113406884B - 一种基于滑模自适应的多点系泊系统定位控制方法 - Google Patents
一种基于滑模自适应的多点系泊系统定位控制方法 Download PDFInfo
- Publication number
- CN113406884B CN113406884B CN202110619942.8A CN202110619942A CN113406884B CN 113406884 B CN113406884 B CN 113406884B CN 202110619942 A CN202110619942 A CN 202110619942A CN 113406884 B CN113406884 B CN 113406884B
- Authority
- CN
- China
- Prior art keywords
- point mooring
- mooring system
- neural network
- delta
- sliding mode
- 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
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
本发明提供一种基于滑模自适应的多点系泊系统定位控制方法,包含以下步骤:S1、建立多点系泊系统动力学模型;S2、基于半潜式平台的低频运动模型,推导多点系泊运动方程;S3、定义误差变量,构造系统的滑动模态面;S4、设计神经网络权值的自适应律,实现非线性项的在线逼近;S5、采用Lyapunov函数,验证系统的全局稳定性。本发明能够克服半潜式生产平台在海面作业时由于强烈外界干扰、系统的非线性和模型的不确定性等因素导致系泊定位精度不高的缺陷,提高多点系泊系统的定位精度。
Description
技术领域
本发明涉及船舶与海洋工程的定位系统领域,特别涉及一种基于滑模自适应的多点系泊系统定位控制方法。
背景技术
半潜式平台对于水平面内的横荡、纵荡及艏摇运动不具有回复力,需安装定位系统来抵御海洋环境的扰动影响,进而减小平台的水平运动,确保油气生产的正常作业。因此,多种海洋结构物,如系泊定位系统、动力定位系统、锚辅助动力定位系统等被广泛应用于半潜式生产平台。在这些定位方式中,系泊系统的初装、使用及维修成本均较低,且其日常维护检查较为便捷,因而其在定位系统中占据主导地位。
半潜式平台的定位多采用多点系泊系统,而多点系泊系统控制算法是影响定位性能的核心技术。现有的各类控制算法,普遍具有定位精度不高、定位效果有限以及算法复杂等问题。
发明内容
本发明的目的是提供一种基于滑模自适应的多点系泊系统定位控制方法,克服半潜式生产平台在海面作业时由于强烈外界干扰、系统的非线性和模型的不确定性等因素导致系泊定位精度不高的缺陷,提高多点系泊系统的定位精度。
为了实现以上目的,本发明通过以下技术方案实现:
一种基于滑模自适应的多点系泊系统定位控制方法,包含以下步骤:
S1、建立多点系泊系统动力学模型;
S2、基于半潜式平台的低频运动模型,推导多点系泊运动方程;
S3、定义误差变量,构造系统的滑动模态面;
S4、设计神经网络权值的自适应律,实现非线性项的在线逼近;
S5、采用Lyapunov函数,验证系统的全局稳定性。
所述步骤S2中,进一步包含:
所述多点系泊系统的非线性耦合低频运动方程为:
其中,η=[x y ψ]T为固定坐标系(XE YE ZE)下的多点系泊系统纵荡位移、横荡位移及艏摇角度;V=[u v r]T为运动坐标系(X Y Z)下多点系泊系统纵荡、横荡及艏摇三个方向的速度向量;J(n)为固定坐标系与运动坐标系之间的旋转矩阵;M为多点系泊系统附加质量矩阵和惯性矩阵的叠加;C(V)为多点系泊系统斜对称科里奥利向心力矩阵;D为多点系泊系统阻尼矩阵;τm为由系泊缆绳产生的控制力矩;τe为风、波浪和洋流施加的环境力矩。
所述步骤S3中,进一步包含:
定义多点系泊系统位置误差函数,得到系统的滑动模态面:
e=ηd-η (3),
对滑模面s求导,并将所述非线性耦合低频运动方程代入得:
多点系泊系统滑模控制律τm选取:
式(5)、(6)中P、Q、F的计算如下:
其中,e表示平台位置偏差,ηd表示平台目标位置,κ表示位置误差系数且κ>0,ε表示运动趋近切换面s=0的速率且ε>0,λ表示指数趋近律系数且λ>0。
所述步骤S4中,进一步包含:
采用高斯函数h(σ):
F(σ)=W*Th(σ)+δ (9)
其中,j是神经网络的隐藏节点,j=1,2,3,...,n;σ是网络输入层的向量;||·||表示欧几里得范数;hj是神经网络中节点j的高斯函数;cj是中心向量;bj是高斯扩展宽度;F(σ)是神经网络输出的期望值;W*是神经网络的理想权重;δ是神经网络的逼近误差,δ≤δN,δN是误差边界。
所述步骤S4中,进一步包含:
其中,γ表示正常数。
所述步骤S5中,全局稳定性使用Lyapunov函数直接法,包含如下过程:
定义Lyapunov函数为:
由式(13)和式(14)可得:
把式(12)代入式(15)可得:
与现有技术相比,本发明具有如下优点:
(1)本发明建立多点系泊系统控制模型,利用神经网络逼近任意函数的特性,对不确定因素进行在线估计,优化了多点系泊系统模型算法;
(2)本发明的多点系泊模型具有较强的鲁棒性,能够满足半潜式平台在外界干扰和模型不确定情况下对期望作业地点的有效定位,具有很好的推广价值和应用前景。
附图说明
为了更清楚地说明本发明的技术方案,下面将对描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图:
图1为本发明一实施例提供的基于滑模自适应的多点系泊系统定位控制方法的流程图;
图2为本发明提供的多点系泊系统动力学模型;
图3为本发明提供的多点系泊控制算法结构图。
具体实施方式
以下结合附图和具体实施方式对本发明提出的方案作进一步详细说明。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。
如图1所示,本发明提供的一种基于滑模自适应的多点系泊系统定位控制方法,其特征在于,包含以下步骤:
S1、建立多点系泊系统动力学模型;
S2、基于半潜式平台的低频运动模型,推导多点系泊运动方程;
S3、定义误差变量,构造系统的滑动模态面;
S4、设计神经网络权值的自适应律,实现非线性项的在线逼近;
S5、采用Lyapunov函数,验证系统的全局稳定性。
下面结合图2和图3对本发明进行详细介绍。
在步骤S1中,本发明建立的多点系泊系统动力学模型在平台水平方向上分为纵荡、横档荡及艏摇运动,该模型为仅有波浪激励下的三自由度非线性系统,模型结构如图2所示。
在步骤S2中,本发明的多点系泊运动方程的推导基于低频慢漂运动,该多点系泊运动方程如下:
其中,η=[x y ψ]T为固定坐标系(XE YE ZE)下的多点系泊系统纵荡位移、横荡位移及艏摇角度;V=[u v r]T为运动坐标系(X Y Z)下多点系泊系统纵荡、横荡及艏摇三个方向的速度向量;J(n)为固定坐标系与运动坐标系之间的旋转矩阵;M为多点系泊系统附加质量矩阵和惯性矩阵的叠加;C(V)为多点系泊系统斜对称科里奥利向心力矩阵;D为多点系泊系统阻尼矩阵;τm为由系泊缆绳产生的控制力(力矩);τe为风、波浪和洋流施加的环境力(力矩)。
在步骤S3中,定义多点系泊系统位置误差函数,得到系统的滑动模态面:
e=ηd-η (3),
对滑模面(切换函数)s求导,并将所述非线性耦合低频运动方程代入得:
多点系泊系统滑模控制律τm选取:
式(5)、(6)中P、Q、F的计算如下:
其中,e表示平台位置偏差,ηd表示平台目标位置,κ表示位置误差系数且κ>0,ε表示运动趋近切换面s=0的速率且ε>0,λ表示指数趋近律系数且λ>0。
可以理解的是,系泊平台在海洋环境中因受到外界环境的作用力处于不平衡状态,因此需要缆绳的张力来维持系统处于平衡状态,而缆绳的张力是时变的,通过锚机的收放缆来实现。控制律τm就是表示通过控制算法得出的缆绳张力。
在步骤S4中,采用高斯函数h(σ):
F(σ)=W*Th(σ)+δ (9)
其中,j是神经网络的隐藏节点,j=1,2,3,...,n;σ是网络输入层的向量;||·||表示欧几里得范数;hj是神经网络中节点j的高斯函数;cj是中心向量;bj是高斯扩展宽度;F(σ)是神经网络输出的期望值;W*是神经网络的理想权重;δ是神经网络的逼近误差,δ≤δN,δN是误差边界。
其中,γ表示正常数。
在步骤S5中,全局稳定性使用Lyapunov函数直接法,包含如下过程:
定义Lyapunov函数为:
由式(13)和式(14)可得:
把式(12)代入式(15)可得:
由此可知,本发明提供的控制算法最终能使系统全局稳定。
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 (1)
1.一种基于滑模自适应的多点系泊系统定位控制方法,其特征在于,包含以下步骤:
S1、建立多点系泊系统动力学模型;
S2、基于半潜式平台的低频运动模型,推导多点系泊运动方程;
S3、定义误差变量,构造系统的滑动模态面;
S4、设计神经网络权值的自适应律,实现非线性项的在线逼近;
S5、采用Lyapunov函数,验证系统的全局稳定性;
所述步骤S2中,进一步包含:
所述多点系泊系统的非线性耦合低频运动方程为:
其中,η=[x y ψ]T为固定坐标系(XE YE ZE)下的多点系泊系统纵荡位移、横荡位移及艏摇角度;V=[u v r]T为运动坐标系(X Y Z)下多点系泊系统纵荡、横荡及艏摇三个方向的速度向量;J(n)为固定坐标系与运动坐标系之间的旋转矩阵;M为多点系泊系统附加质量矩阵和惯性矩阵的叠加;C(V)为多点系泊系统斜对称科里奥利向心力矩阵;D为多点系泊系统阻尼矩阵;τm为由系泊缆绳产生的控制力矩;τe为风、波浪和洋流施加的环境力矩;
所述步骤S3中,进一步包含:
定义多点系泊系统位置误差函数,得到系统的滑动模态面:
e=ηd-η (3),
对滑模面s求导,并将所述非线性耦合低频运动方程代入得:
多点系泊系统滑模控制律τm选取:
式(5)、(6)中P、Q、F的计算如下:
其中,e表示平台位置偏差,ηd表示平台目标位置,κ表示位置误差系数且κ>0,ε表示运动趋近切换面s=0的速率且ε>0,λ表示指数趋近律系数且λ>0;所述步骤S4中,进一步包含:
采用高斯函数h(σ):
F(σ)=W*Th(σ)+δ (9)
其中,j是神经网络的隐藏节点,j=1,2,3,...,n;σ是网络输入层的向量;||·||表示欧几里得范数;hj是神经网络中节点j的高斯函数;cj是中心向量;bj是高斯扩展宽度;F(σ)是神经网络输出的期望值;W*是神经网络的理想权重;δ是神经网络的逼近误差,δ≤δN,δN是误差边界;
所述步骤S4中,进一步包含:
其中,γ表示正常数;
所述步骤S5中,全局稳定性使用Lyapunov函数直接法,包含如下过程:
定义Lyapunov函数为:
由式(13)和式(14)可得:
把式(12)代入式(15)可得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110619942.8A CN113406884B (zh) | 2021-06-03 | 2021-06-03 | 一种基于滑模自适应的多点系泊系统定位控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110619942.8A CN113406884B (zh) | 2021-06-03 | 2021-06-03 | 一种基于滑模自适应的多点系泊系统定位控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113406884A CN113406884A (zh) | 2021-09-17 |
CN113406884B true CN113406884B (zh) | 2023-03-24 |
Family
ID=77676153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110619942.8A Active CN113406884B (zh) | 2021-06-03 | 2021-06-03 | 一种基于滑模自适应的多点系泊系统定位控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113406884B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065569A (zh) * | 2017-05-31 | 2017-08-18 | 哈尔滨工程大学 | 基于rbf神经网络补偿的船舶动力定位滑模控制系统及方法 |
CN108563130A (zh) * | 2018-06-27 | 2018-09-21 | 山东交通学院 | 一种欠驱动船舶自适应神经网络自动靠泊控制方法,设备及介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016057909A (ja) * | 2014-09-10 | 2016-04-21 | 日産自動車株式会社 | スライディングモード制御装置及び制御方法並びに車両位置決め制御装置 |
CN108459504B (zh) * | 2018-03-08 | 2020-12-22 | 上海阜有海洋科技有限公司 | 多点系泊协同自适应迭代学习控制方法 |
CN109031956A (zh) * | 2018-09-10 | 2018-12-18 | 上海阜有海洋科技有限公司 | 一种多点系泊模型鲁棒控制结构 |
CN110361975B (zh) * | 2019-08-06 | 2022-04-29 | 大连海事大学 | 一种基于滑模技术的umv状态时滞系统的自适应容错控制方法 |
CN111413981B (zh) * | 2020-04-07 | 2023-02-21 | 上海海事大学 | 一种船舶自动舵复合神经网络pid控制方法 |
-
2021
- 2021-06-03 CN CN202110619942.8A patent/CN113406884B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065569A (zh) * | 2017-05-31 | 2017-08-18 | 哈尔滨工程大学 | 基于rbf神经网络补偿的船舶动力定位滑模控制系统及方法 |
CN108563130A (zh) * | 2018-06-27 | 2018-09-21 | 山东交通学院 | 一种欠驱动船舶自适应神经网络自动靠泊控制方法,设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113406884A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108803632B (zh) | 基于饱和补偿技术的水面无人艇全状态约束轨迹跟踪控制方法 | |
CN104898688B (zh) | Uuv四自由度动力定位自适应抗扰滑模控制系统及控制方法 | |
CN107065569B (zh) | 基于rbf神经网络补偿的船舶动力定位滑模控制系统及方法 | |
CN109100939A (zh) | 考虑输入饱和的水面无人艇全状态约束轨迹跟踪控制方法 | |
Fortuna et al. | A roll stabilization system for a monohull ship: modeling, identification, and adaptive control | |
CN109739248B (zh) | 基于adrc的船载三自由度并联稳定平台稳定控制方法 | |
CN110865539A (zh) | 一种随机干扰下的无人艇跟踪误差约束控制方法 | |
CN110794843B (zh) | 基于观测器的非线性船舶时滞动力定位船鲁棒镇定系统 | |
CN109917657A (zh) | 动力定位船舶的抗干扰控制方法、装置与电子设备 | |
CN109884901A (zh) | 一种船舶综合操控系统的滑模滤波器设计方法 | |
CN114442640B (zh) | 一种水面无人艇轨迹跟踪控制方法 | |
CN110908389B (zh) | 一种针对不确定水下机器人的自适应快速速度跟踪控制方法 | |
CN111880409A (zh) | 一种基于数据驱动的自主水下航行器轨迹跟踪控制方法 | |
CN113608534A (zh) | 一种无人艇跟踪控制方法及系统 | |
CN113156825A (zh) | 一种自适应反步滑模控制的舰载光电跟踪系统设计方法 | |
CN115686034B (zh) | 考虑速度传感器失效的无人潜航器轨迹跟踪控制方法 | |
CN113406884B (zh) | 一种基于滑模自适应的多点系泊系统定位控制方法 | |
Zhang et al. | Robust adaptive control for dynamic positioning vehicles in presence of adjustable threshold rule and input constraints | |
CN113671977A (zh) | 一种海上作业船状态同步稳定鲁棒控制方法 | |
Fu et al. | Coordinated formation control of nonlinear marine vessels under directed communication topology | |
CN114564029B (zh) | 基于直接参数化法的全驱动船舶轨迹跟踪控制方法和装置 | |
Xie | Kalman Filter for Dynamic Positioning Ships using position and acceleration feedback | |
CN112904719B (zh) | 一种适用于水下机器人位置环形区域跟踪控制方法 | |
Witkowska et al. | Control Design For Slow Speed Positioning. | |
CN113189867B (zh) | 一种考虑位姿与速度受限的无人船自学习最优跟踪控制方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230809 Address after: Room 368, 302, 211 Fute North Road, pilot Free Trade Zone, Pudong New Area, Shanghai 200131 Patentee after: Power system with tin (Shanghai) Co.,Ltd. Reddy ship Address before: 201306 1550 Harbour Road, Lingang New Town, Pudong New Area, Shanghai Patentee before: Shanghai Maritime University |
|
TR01 | Transfer of patent right |