CN113885538A - 一种船舶航向控制方法及系统 - Google Patents

一种船舶航向控制方法及系统 Download PDF

Info

Publication number
CN113885538A
CN113885538A CN202111482289.1A CN202111482289A CN113885538A CN 113885538 A CN113885538 A CN 113885538A CN 202111482289 A CN202111482289 A CN 202111482289A CN 113885538 A CN113885538 A CN 113885538A
Authority
CN
China
Prior art keywords
course
control
ship
function
order
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
Application number
CN202111482289.1A
Other languages
English (en)
Other versions
CN113885538B (zh
Inventor
马亚萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Highlandr Digital Technology Co ltd
Original Assignee
Beijing Highlandr Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Highlandr Digital Technology Co ltd filed Critical Beijing Highlandr Digital Technology Co ltd
Priority to CN202111482289.1A priority Critical patent/CN113885538B/zh
Publication of CN113885538A publication Critical patent/CN113885538A/zh
Application granted granted Critical
Publication of CN113885538B publication Critical patent/CN113885538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种船舶航向控制方法，包括：将船舶航向控制的一阶野本模型转化为状态空间模型；通过状态空间模型得到船舶的航向误差，并对航向误差进行函数变换，得到变换后的函数，使航向误差收敛在预设的界限范围内；通过变换后的函数设计滤波变量；通过滤波变量设计李雅普诺夫函数；根据李雅普诺夫函数得到航向控制的控制律和自适应律；通过控制律和控制周期对船舶航向进行控制，控制周期根据一阶野本模型得到。本发明还公开了一种船舶航向控制系统，本发明的有益效果为：能够自动估计外界干扰，控制参数随着外界环境变化进行自动调整；同时能够保证误差的暂态收敛性能，将船舶的控制周期根据船型自动匹配以降低打舵频次。

Description

一种船舶航向控制方法及系统
技术领域
本发明涉及航海控制技术领域，具体而言，涉及一种船舶航向控制方法及系统。
背景技术
现有的船舶航向控制方法有的需要基于模型辨识得以实现，有的需要大量且复杂的计算得以实现。现有的航向控制方法无法保证航向误差的暂态收敛性能且没有考虑打舵频次的降低，控制周期较短。
发明内容
为解决现有航向控制方法计算量大且不能降低打舵频次的问题，本发明的目的在于提供一种船舶航向控制方法及系统。
本发明提供了一种船舶航向控制方法，所述方法包括：
将船舶航向控制的一阶野本模型转化为状态空间模型；
通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，得到变换后的函数，使所述航向误差收敛在预设的界限范围内；
通过所述变换后的函数设计滤波变量；
通过所述滤波变量设计李雅普诺夫函数；
根据所述李雅普诺夫函数得到航向控制的控制律和自适应律；
通过所述控制律和控制周期对船舶航向进行控制，所述控制周期根据所述一阶野本模型得到。
作为本发明进一步的改进，所述将船舶航向控制的一阶野本模型转化为状态空间模型，包括：
确定所述一阶野本模型：
Figure 294898DEST_PATH_IMAGE001
；
结合船舶的航向和转向率得到所述状态空间模型：
Figure 672659DEST_PATH_IMAGE002
；
Figure 569071DEST_PATH_IMAGE003
；
其中，
Figure 348677DEST_PATH_IMAGE004
为船舶模型参数，
Figure 570711DEST_PATH_IMAGE005
为船舶模型参数，
Figure 186500DEST_PATH_IMAGE006
为转向率，
Figure 664099DEST_PATH_IMAGE007
为船舶的舵角值，
Figure 48944DEST_PATH_IMAGE008
为外界干扰量，
Figure 973038DEST_PATH_IMAGE009
为转向率的导数，
Figure 325390DEST_PATH_IMAGE010
为航向角的导数，
Figure 94763DEST_PATH_IMAGE011
为扰动变量。
作为本发明进一步的改进，所述通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，得到变换后的函数，使所述航向误差收敛在预设的界限范围内，包括：
确定所述航向误差：
Figure 583382DEST_PATH_IMAGE012
；
对所述航向误差进行函数变换得到所述变换后的函数：
Figure 412798DEST_PATH_IMAGE013
；
Figure 3179DEST_PATH_IMAGE014
；
Figure 825511DEST_PATH_IMAGE015
；
Figure 450527DEST_PATH_IMAGE016
；
其中，
Figure 450844DEST_PATH_IMAGE017
为航向误差，
Figure 515140DEST_PATH_IMAGE018
为航向角，
Figure 626315DEST_PATH_IMAGE019
为期望航向角，
Figure 840259DEST_PATH_IMAGE020
为航向误差函数变换后的变量，
Figure 526324DEST_PATH_IMAGE021
为设计上界，
Figure 825718DEST_PATH_IMAGE022
为设计下界，
Figure 740585DEST_PATH_IMAGE023
为航向误差经转换函数变换的变量，
Figure 323882DEST_PATH_IMAGE024
为引入的转换函数，
Figure 666001DEST_PATH_IMAGE025
为转换函数的初始值，
Figure 187112DEST_PATH_IMAGE026
为转换函数的最终值，
Figure 420516DEST_PATH_IMAGE027
为正常数，
Figure 609052DEST_PATH_IMAGE028
为每次转向的时间。
作为本发明进一步的改进，所述通过所述变换后的函数设计滤波变量，包括：
将式（5）对
Figure 122073DEST_PATH_IMAGE029
求导得：
Figure 665835DEST_PATH_IMAGE030
；
Figure 922504DEST_PATH_IMAGE031
；
Figure 965547DEST_PATH_IMAGE032
；
定义滤波变量：
Figure 898736DEST_PATH_IMAGE033
Figure 784653DEST_PATH_IMAGE034
对所述滤波变量求导：
Figure 297543DEST_PATH_IMAGE035
Figure 195091DEST_PATH_IMAGE036
Figure 567691DEST_PATH_IMAGE037
根据数学放缩关系得到不等式：
Figure 550691DEST_PATH_IMAGE038
Figure 414742DEST_PATH_IMAGE039
Figure 681644DEST_PATH_IMAGE040
根据式(17)可得滤波变量的滤波范围：
Figure 707369DEST_PATH_IMAGE041
Figure 177664DEST_PATH_IMAGE042
Figure 829094DEST_PATH_IMAGE043
其中，
Figure 966815DEST_PATH_IMAGE044
为简化的中间变量，
Figure 163441DEST_PATH_IMAGE045
为简化的中间变量，
Figure 635879DEST_PATH_IMAGE046
为滤波变量，
Figure 841733DEST_PATH_IMAGE047
为滤波变量中的权重，
Figure 568380DEST_PATH_IMAGE048
为中间变量，
Figure 651087DEST_PATH_IMAGE049
为通过
Figure 830396DEST_PATH_IMAGE050
和
Figure 823628DEST_PATH_IMAGE051
得到的核心函数，
Figure 404782DEST_PATH_IMAGE052
为扰动变量的最大值，
Figure 458058DEST_PATH_IMAGE053
为扰动值和1之间的最大值，
Figure 390242DEST_PATH_IMAGE054
为放缩后的函数，
Figure 937898DEST_PATH_IMAGE055
为控制率中自适应部分所占的比重，
Figure 639138DEST_PATH_IMAGE056
为
Figure 863315DEST_PATH_IMAGE057
的平方。
作为本发明进一步的改进，所述通过所述滤波变量设计李雅普诺夫函数，包括：
根据所述滤波变量的滤波范围，结合航向控制器稳定运行所需满足的条件，设计李雅普诺夫函数：
Figure 282795DEST_PATH_IMAGE058
Figure 355180DEST_PATH_IMAGE059
其中，
Figure 910927DEST_PATH_IMAGE060
为李雅普诺夫函数，
Figure 56737DEST_PATH_IMAGE061
为
Figure 947202DEST_PATH_IMAGE062
与其估计值的差值，
Figure 836660DEST_PATH_IMAGE063
为
Figure 246913DEST_PATH_IMAGE064
的估计值。
作为本发明进一步的改进，所述根据所述李雅普诺夫函数得到航向控制的控制律和自适应律，包括：
对式(23)求导：
Figure 78472DEST_PATH_IMAGE065
将式(14)代入式(25)中得到：
Figure 472544DEST_PATH_IMAGE066
根据航向控制稳定性的要求，所述李雅普诺夫函数需要满足条件：
Figure 900114DEST_PATH_IMAGE067
Figure 679720DEST_PATH_IMAGE068
Figure 901754DEST_PATH_IMAGE069
通过式(28)和式(29)对式(27)进行放缩，得到所述控制律和所述自适应律：
Figure 517543DEST_PATH_IMAGE070
Figure 995142DEST_PATH_IMAGE071
Figure 645566DEST_PATH_IMAGE072
Figure 304081DEST_PATH_IMAGE073
其中，
Figure 656434DEST_PATH_IMAGE074
为中间变量，
Figure 425807DEST_PATH_IMAGE075
为李雅普诺夫函数放缩后的整合变量，
Figure 930737DEST_PATH_IMAGE076
为控制律中权重的设计参数，
Figure 9421DEST_PATH_IMAGE077
为自适应律中影响收敛快慢的设计参数，
Figure 334223DEST_PATH_IMAGE078
为控制律，
Figure 172866DEST_PATH_IMAGE079
为自适应律。
作为本发明进一步的改进，所述根据所述一阶野本模型确定船舶航向的控制周期，包括：
通过所述一阶野本模型确定船舶的船长和船速；
根据所述船长和船速确定所述船舶航向的控制周期。
本发明还提供了一种船舶航向控制系统，所述系统：
模型转换模块，其用于将船舶航向控制的一阶野本模型转化为状态空间模型；
航向误差计算模块，其用于通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，使所述航向误差收敛在预设的界限范围内；
滤波变量计算模块，其用于通过所述航向误差变换后的函数得到滤波变量，
李雅普诺夫函数计算模块，其用于根据所述滤波变量得到航向控制系统稳定运行的条件，并根据所述条件得到李雅普诺夫函数；
控制律和自适应律计算模块，其用于根据所述李雅普诺夫函数得到航向控制的控制律和自适应律；
控制周期计算模块，其用于根据所述一阶野本模型确定船舶航向的控制周期；
航向控制模块，其用于通过所述控制律和所述控制周期对船舶航向进行控制。
作为本发明进一步的改进，所述将船舶航向控制的一阶野本模型转化为状态空间模型，包括：
确定所述一阶野本模型：
Figure 781570DEST_PATH_IMAGE001
；
结合船舶的航向和转向率得到所述状态空间模型：
Figure 781887DEST_PATH_IMAGE002
；
Figure 859565DEST_PATH_IMAGE003
；
其中，
Figure 222938DEST_PATH_IMAGE004
为船舶模型参数，
Figure 436881DEST_PATH_IMAGE005
为船舶模型参数，
Figure 873679DEST_PATH_IMAGE006
为转向率，
Figure 687920DEST_PATH_IMAGE007
为船舶的舵角值，
Figure 602786DEST_PATH_IMAGE008
为外界干扰量，
Figure 671236DEST_PATH_IMAGE009
为转向率的导数，
Figure 262624DEST_PATH_IMAGE010
为航向角的导数，
Figure 970686DEST_PATH_IMAGE011
为扰动变量。
作为本发明进一步的改进，所述通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，得到变换后的函数，使所述航向误差收敛在预设的界限范围内，包括：
确定所述航向误差：
Figure 158084DEST_PATH_IMAGE012
；
对所述航向误差进行函数变换得到所述变换后的函数：
Figure 796220DEST_PATH_IMAGE013
；
Figure 292930DEST_PATH_IMAGE014
；
Figure 301337DEST_PATH_IMAGE015
；
Figure 558006DEST_PATH_IMAGE016
；
其中，
Figure 850316DEST_PATH_IMAGE017
为航向误差，
Figure 268659DEST_PATH_IMAGE018
为航向角，
Figure 13630DEST_PATH_IMAGE019
为期望航向角，
Figure 542831DEST_PATH_IMAGE020
为航向误差函数变换后的变量，
Figure 692578DEST_PATH_IMAGE021
为设计上界，
Figure 547401DEST_PATH_IMAGE022
为设计下界，
Figure 779668DEST_PATH_IMAGE023
为航向误差经转换函数变换的变量，
Figure 971615DEST_PATH_IMAGE024
为引入的转换函数，
Figure 176200DEST_PATH_IMAGE025
为转换函数的初始值，
Figure 253042DEST_PATH_IMAGE026
为转换函数的最终值，
Figure 723338DEST_PATH_IMAGE027
为正常数，
Figure 125500DEST_PATH_IMAGE028
为每次转向的时间。
作为本发明进一步的改进，所述通过所述变换后的函数设计滤波变量，包括：
将式（5）对
Figure 246909DEST_PATH_IMAGE029
求导得：
Figure 709114DEST_PATH_IMAGE030
；
Figure 666706DEST_PATH_IMAGE031
；
Figure 856248DEST_PATH_IMAGE032
；
定义滤波变量：
Figure 582895DEST_PATH_IMAGE033
Figure 199690DEST_PATH_IMAGE034
对所述滤波变量求导：
Figure 910157DEST_PATH_IMAGE035
Figure 388543DEST_PATH_IMAGE036
Figure 753053DEST_PATH_IMAGE037
根据数学放缩关系得到不等式：
Figure 681695DEST_PATH_IMAGE038
Figure 800829DEST_PATH_IMAGE039
Figure 82906DEST_PATH_IMAGE040
根据式(17)可得滤波变量的滤波范围：
Figure 784146DEST_PATH_IMAGE041
Figure 8323DEST_PATH_IMAGE042
Figure 427803DEST_PATH_IMAGE043
其中，
Figure 779150DEST_PATH_IMAGE044
为简化的中间变量，
Figure 581234DEST_PATH_IMAGE045
为简化的中间变量，
Figure 727044DEST_PATH_IMAGE046
为滤波变量，
Figure 633820DEST_PATH_IMAGE047
为滤波变量中的权重，
Figure 506967DEST_PATH_IMAGE048
为中间变量，
Figure 182799DEST_PATH_IMAGE049
为通过
Figure 499511DEST_PATH_IMAGE050
和
Figure 142851DEST_PATH_IMAGE051
得到的核心函数，
Figure 570421DEST_PATH_IMAGE052
为扰动变量的最大值，
Figure 835180DEST_PATH_IMAGE053
为扰动值和1之间的最大值，
Figure 775324DEST_PATH_IMAGE054
为放缩后的函数，
Figure 656692DEST_PATH_IMAGE055
为控制率中自适应部分所占的比重，
Figure 140150DEST_PATH_IMAGE056
为
Figure 524995DEST_PATH_IMAGE057
的平方。
作为本发明进一步的改进，所述通过所述滤波变量设计李雅普诺夫函数，包括：
根据所述滤波变量的滤波范围，结合航向控制器稳定运行所需满足的条件，设计李雅普诺夫函数：
Figure 183510DEST_PATH_IMAGE058
Figure 270283DEST_PATH_IMAGE059
其中，
Figure 305235DEST_PATH_IMAGE060
为李雅普诺夫函数，
Figure 59434DEST_PATH_IMAGE061
为
Figure 888849DEST_PATH_IMAGE062
与其估计值的差值，
Figure 479231DEST_PATH_IMAGE063
为
Figure 301562DEST_PATH_IMAGE064
的估计值。
作为本发明进一步的改进，所述根据所述李雅普诺夫函数得到航向控制的控制律和自适应律，包括：
对式(23)求导：
Figure 395420DEST_PATH_IMAGE065
将式(14)代入式(25)中得到：
Figure 395737DEST_PATH_IMAGE066
根据航向控制稳定性的要求，所述李雅普诺夫函数需要满足条件：
Figure 454173DEST_PATH_IMAGE067
Figure 830928DEST_PATH_IMAGE068
Figure 44872DEST_PATH_IMAGE069
通过式(28)和式(29)对式(27)进行放缩，得到所述控制律和所述自适应律：
Figure 465357DEST_PATH_IMAGE070
Figure 30331DEST_PATH_IMAGE071
Figure 945197DEST_PATH_IMAGE072
Figure 262915DEST_PATH_IMAGE073
其中，
Figure 605035DEST_PATH_IMAGE074
为中间变量，
Figure 657304DEST_PATH_IMAGE075
为李雅普诺夫函数放缩后的整合变量，
Figure 359550DEST_PATH_IMAGE076
为控制律中权重的设计参数，
Figure 548086DEST_PATH_IMAGE077
为自适应律中影响收敛快慢的设计参数，
Figure 326686DEST_PATH_IMAGE078
为控制律，
Figure 852870DEST_PATH_IMAGE079
为自适应律。
作为本发明进一步的改进，所述根据所述一阶野本模型确定船舶航向的控制周期，包括：
通过所述一阶野本模型确定船舶的船长和船速；
根据所述船长和船速确定所述船舶航向的控制周期。
本发明还提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被处理器执行以实现上述方法。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述方法。
本发明的有益效果为：通过滤波变量和李雅普诺夫函数的引入，能够自动估计外界干扰，控制参数随着外界环境变化进行自动调整；同时能够保证误差的暂态收敛性能，将船舶的控制周期根据船型自动匹配以降低打舵频次。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的一种船舶航向控制方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明的描述中，所用术语仅用于说明目的，并非旨在限制本发明的范围。术语“包括”和/或“包含”用于指定所述元件、步骤、操作和/或组件的存在，但并不排除存在或添加一个或多个其他元件、步骤、操作和/或组件的情况。术语“第一”、“第二”等可能用于描述各种元件，不代表顺序，且不对这些元件起限定作用。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个及两个以上。这些术语仅用于区分一个元素和另一个元素。结合以下附图，这些和/或其他方面变得显而易见，并且，本领域普通技术人员更容易理解关于本发明所述实施例的说明。附图仅出于说明的目的用来描绘本发明所述实施例。本领域技术人员将很容易地从以下说明中认识到，在不背离本发明所述原理的情况下，可以采用本发明所示结构和方法的替代实施例。
相关技术中，随着航海业的发展，越来越多的自动航向控制方案应用在船舶的航向控制系统中，其中船舶航向控制的主要控制方法有传统的PID控制，基于模型辨识的自适应控制、自校正控制，随后发展的LQR控制和MPC控制，以及模糊控制、神经网络、基于学习法则等智能控制方法。
现有的传统PID控制方案，在航海应用的过程中存在控制参数难调整，需要进行持续试凑。同时，对于运行过程中的海浪等外界干扰无法自动抵抗。积分过慢时会使得抵抗外界扰动变化能力较弱；积分过快时容易产生航向控制超调。因此，面对无规律变化的海况，实时调整PID参数任务繁重，失去了自动控制的意义。
现有的基于模型辨识的自适应控制方案，要求在较平静的海况下进行辨识，这一条件限制了船舶模型的应用。另外，一旦模型辨识不准确，再基于所辨识的模型对航向进行自适应控制和自校正控制，控制效果会更差且系统可能存在发散不稳定的危险性。模型的辨识也存在计算耗时和浪费存储空间等问题。
LQR和MPC的控制均依赖于模型的准确度，不准确的模型会使控制控制质量变差，此外MPC的控制涉及到的计算较大。
模糊控制、神经网络、基于机器学习等职能控制方法，依赖于人工经验，工况不一定或者船型不一定时需要进行模糊规则，学习法则，神经元的数量和神经网络结构的修改，因此调试较为麻烦。同时因为需要进行多次学习，多层神经网络的计算无疑计算量会很大。
上述各种控制方法均不能保证航向误差的暂态收敛性能，且均没有考虑打舵频次的降低，控制周期都比较短。
如图1所示，本发明实施例所述的一种船舶航向控制方法，所述方法包括：
将船舶航向控制的一阶野本模型转化为状态空间模型，转化后的状态空间模型更有利于船舶航向控制过程中的计算，使船舶航向控制方法更加简易。
通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，得到变换后的函数，使所述航向误差收敛在预设的界限范围内，从而在利用所述船舶航向控制方法对船舶航向进行控制过程中，尽可能降低船舶转向的航向误差，使转向后的船舶航向更接近于所要达到的航向。
通过所述变换后的函数设计滤波变量。滤波变量的引入有利于航向控制过程中的分析和设计。
通过所述滤波变量设计李雅普诺夫函数，根据该函数的稳定性理论，可以保证航向控制器的稳定运行，并能够分析外界干扰的估计影响。
根据所述李雅普诺夫函数得到航向控制的控制律和自适应律，其中，自适应律用来估计外界扰动，随外界扰动的变化而变化，从而使控制律发生变化。
通过所述控制律和控制周期对船舶航向进行控制，所述控制周期根据所述一阶野本模型得到。每个船舶有其之间的反应时间，太快的舵令（控制律）输出，船舶来不及响应，只会增加无效的舵角变化，因此当根据船舶的船型选择不同的控制周期，可有效降低无效舵角变化，从而降低打舵频次。
一种可选的实施方式，所述将船舶航向控制的一阶野本模型转化为状态空间模型，包括：
确定所述一阶野本模型：
Figure 109539DEST_PATH_IMAGE001
；
结合船舶的航向和转向率得到所述状态空间模型：
Figure 418160DEST_PATH_IMAGE002
；
Figure 351350DEST_PATH_IMAGE003
；
其中，
Figure 112633DEST_PATH_IMAGE004
为船舶模型参数，
Figure 172993DEST_PATH_IMAGE005
为船舶模型参数，
Figure 319809DEST_PATH_IMAGE006
为转向率，
Figure 440212DEST_PATH_IMAGE007
为船舶的舵角值，
Figure 688791DEST_PATH_IMAGE008
为外界干扰量，
Figure 536530DEST_PATH_IMAGE009
为转向率的导数，
Figure 288585DEST_PATH_IMAGE010
为航向角的导数，
Figure 845468DEST_PATH_IMAGE011
为扰动变量。
一种可选的实施方式，所述通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，得到变换后的函数，使所述航向误差收敛在预设的界限范围内，包括：
确定所述航向误差：
Figure 296523DEST_PATH_IMAGE012
；
对所述航向误差进行函数变换得到所述变换后的函数：
Figure 698685DEST_PATH_IMAGE013
；
Figure 820094DEST_PATH_IMAGE014
；
Figure 282299DEST_PATH_IMAGE015
；
Figure 239891DEST_PATH_IMAGE016
；
其中，
Figure 695012DEST_PATH_IMAGE017
为航向误差，
Figure 421659DEST_PATH_IMAGE018
为航向角，
Figure 54766DEST_PATH_IMAGE019
为期望航向角，
Figure 748921DEST_PATH_IMAGE020
为航向误差函数变换后的变量，
Figure 492887DEST_PATH_IMAGE021
为设计上界，
Figure 605199DEST_PATH_IMAGE022
为设计下界，
Figure 130246DEST_PATH_IMAGE023
为航向误差经转换函数变换的变量，
Figure 328009DEST_PATH_IMAGE024
为引入的转换函数，
Figure 610086DEST_PATH_IMAGE025
为转换函数的初始值，
Figure 560593DEST_PATH_IMAGE026
为转换函数的最终值，
Figure 269923DEST_PATH_IMAGE027
为正常数，
Figure 141933DEST_PATH_IMAGE028
为每次转向的时间。
一种可选的实施方式，所述通过所述变换后的函数设计滤波变量，包括：
将式（5）对
Figure 962121DEST_PATH_IMAGE029
求导得：
Figure 32715DEST_PATH_IMAGE030
；
Figure 178525DEST_PATH_IMAGE031
；
Figure 819722DEST_PATH_IMAGE032
；
定义滤波变量：
Figure 978956DEST_PATH_IMAGE033
Figure 654788DEST_PATH_IMAGE034
对所述滤波变量求导：
Figure 705921DEST_PATH_IMAGE035
Figure 83681DEST_PATH_IMAGE036
Figure 698202DEST_PATH_IMAGE037
根据数学放缩关系得到不等式：
Figure 228541DEST_PATH_IMAGE038
Figure 903104DEST_PATH_IMAGE039
Figure 518894DEST_PATH_IMAGE040
根据式(17)可得滤波变量的滤波范围：
Figure 736773DEST_PATH_IMAGE041
Figure 121618DEST_PATH_IMAGE042
Figure 45711DEST_PATH_IMAGE043
其中，
Figure 398064DEST_PATH_IMAGE044
为简化的中间变量，
Figure 433016DEST_PATH_IMAGE045
为简化的中间变量，
Figure 406789DEST_PATH_IMAGE046
为滤波变量，
Figure 751051DEST_PATH_IMAGE047
为滤波变量中的权重，
Figure 341432DEST_PATH_IMAGE048
为中间变量，
Figure 570288DEST_PATH_IMAGE049
为通过
Figure 929726DEST_PATH_IMAGE050
和
Figure 176381DEST_PATH_IMAGE051
得到的核心函数，
Figure 988479DEST_PATH_IMAGE052
为扰动变量的最大值，
Figure 365233DEST_PATH_IMAGE053
为扰动值和1之间的最大值，
Figure 828445DEST_PATH_IMAGE054
为放缩后的函数，
Figure 999663DEST_PATH_IMAGE055
为控制率中自适应部分所占的比重，
Figure 548325DEST_PATH_IMAGE056
为
Figure 197612DEST_PATH_IMAGE057
的平方。
一种可选的实施方式，所述通过所述滤波变量设计李雅普诺夫函数，用于保证航向控制器的稳定运行及分析外界干扰的估计影响，包括：
根据所述滤波变量的滤波范围，结合航向控制器稳定运行所需满足的条件，设计李雅普诺夫函数：
Figure 797221DEST_PATH_IMAGE058
Figure 388608DEST_PATH_IMAGE059
其中，
Figure 440877DEST_PATH_IMAGE060
为李雅普诺夫函数，
Figure 893856DEST_PATH_IMAGE061
为
Figure 803430DEST_PATH_IMAGE062
与其估计值的差值，
Figure 316451DEST_PATH_IMAGE063
为
Figure 856017DEST_PATH_IMAGE064
的估计值。
一种可选的实施方式，所述根据所述李雅普诺夫函数得到航向控制的控制律和自适应律，包括：
对式(23)求导：
Figure 361953DEST_PATH_IMAGE080
将式(14)代入式(25)中得到：
Figure 404996DEST_PATH_IMAGE081
对式（26）进行化简得到：
Figure 541448DEST_PATH_IMAGE082
将式（20）代入式（26-1）得到：
Figure 958523DEST_PATH_IMAGE083
根据航向控制稳定性的要求，所述李雅普诺夫函数需要满足条件：
Figure 18883DEST_PATH_IMAGE084
为了便于计算，增加中间变量：
令
Figure 162769DEST_PATH_IMAGE085
，令
Figure 17593DEST_PATH_IMAGE086
其中，
Figure 453122DEST_PATH_IMAGE087
为控制律第一部分，
Figure 51594DEST_PATH_IMAGE088
为控制律第二部分，
Figure 318496DEST_PATH_IMAGE089
为自适应律第一部分，
Figure 609800DEST_PATH_IMAGE090
为自适应律第二部分。
将式（26-3）和式（26-4）代入式（26-2）中得到：
Figure 80096DEST_PATH_IMAGE091
为了达到航向控制稳定性的要求，需要使式（26-2）满足式（27）的条件，即需要对式（26-2）中的
Figure 465947DEST_PATH_IMAGE092
项进行消除，那么可以令：
Figure 338088DEST_PATH_IMAGE093
，
Figure 65872DEST_PATH_IMAGE094
将式（26-6）和式（26-7）代入式（26-5）中得到：
Figure 10082DEST_PATH_IMAGE095
根据式（24）可以对式（26-8）进行化简和放缩得到：
Figure 215935DEST_PATH_IMAGE096
为了使式（26-9）满足式（27）中的条件，可进一步令：
Figure DEST_PATH_IMAGE097
，
Figure 395113DEST_PATH_IMAGE098
其中，式（26-10）可以使式（26-9）的右侧引入
Figure DEST_PATH_IMAGE099
项，同时添加的参数
Figure 231482DEST_PATH_IMAGE100
可以提高调整的灵活性；式（26-11）可以使式（26-9）右侧引入
Figure DEST_PATH_IMAGE101
项，同时参数
Figure 394479DEST_PATH_IMAGE102
可以用于调整自适应律的收敛快慢。
将式（26-10）和式（26-11）代入式（26-9）中得到：
Figure DEST_PATH_IMAGE103
通过式（24）以及均值等不等式对式（26-12）进行放缩得到：
Figure 590974DEST_PATH_IMAGE104
由式(26-13)得，当式（26-6）、（26-7）、（26-10）和（26-11）均成立时，式（26-2）满足式（27）的条件，此时式（27）中的两个参数分别为：
Figure DEST_PATH_IMAGE105
Figure 621728DEST_PATH_IMAGE106
根据上述分析过程，结合式（26-13）与式（26-2）的对应关系即可得到所述控制律和所述自适应律：
Figure DEST_PATH_IMAGE107
Figure 894578DEST_PATH_IMAGE108
Figure DEST_PATH_IMAGE109
Figure 13712DEST_PATH_IMAGE110
其中，
Figure DEST_PATH_IMAGE111
为中间变量，
Figure 279477DEST_PATH_IMAGE112
为李雅普诺夫函数放缩后的整合变量，
Figure DEST_PATH_IMAGE113
为控制律中权重的设计参数，
Figure 183979DEST_PATH_IMAGE114
为自适应律中影响收敛快慢的设计参数，
Figure DEST_PATH_IMAGE115
为控制律，
Figure 611419DEST_PATH_IMAGE116
为自适应律。控制律为船舶舵角变化的指令，舵角值按照控制律的变化而变化，根据控制律即可换算得出舵角值，进而对船舶的航向进行控制。上述控制律和自适应律的整个计算步骤只是用到了简单的数学计算，没有用到神经网络等复杂的云端，从而降低了计算难道，使所述船舶航向控制方法的算法更加简便。
一种可选的实施方式，所述根据所述一阶野本模型确定船舶航向的控制周期，包括：
通过所述一阶野本模型确定船舶的船长和船速，根据所述船长和船速确定所述船舶航向的控制周期。例如，当船舶的船长较长时可以适当延长控制周期，当船舶的船长较短时可以适当缩短控制周期；再例如，当船舶的船速较快时可以适当缩短控制周期，当船舶的船速较慢时可以适当延长控制周期。在实际应用中，控制周期也可能会存在其他的影响因素，可以根据实际情况综合各个影响因素对控制周期进行确定，而不仅限于根据上述的船长和船速两个因素进行确定。
本发明还提供了一种船舶航向控制系统，所述系统包括：
模型转换模块，其用于将船舶航向控制的一阶野本模型转化为状态空间模型；
航向误差计算模块，其用于通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，使所述航向误差收敛在预设的界限范围内；
滤波变量计算模块，其用于通过所述航向误差变换后的函数得到滤波变量，
李雅普诺夫函数计算模块，其用于根据所述滤波变量得到航向控制系统稳定运行的条件，并根据所述条件得到李雅普诺夫函数；
控制律和自适应律计算模块，其用于根据所述李雅普诺夫函数得到航向控制的控制律和自适应律；
控制周期计算模块，其用于根据所述一阶野本模型确定船舶航向的控制周期；
航向控制模块，其用于通过所述控制律和所述控制周期对船舶航向进行控制。
一种可选的实施方式，所述将船舶航向控制的一阶野本模型转化为状态空间模型，包括：
确定所述一阶野本模型：
Figure 30899DEST_PATH_IMAGE001
；
结合船舶的航向和转向率得到所述状态空间模型：
Figure 368864DEST_PATH_IMAGE002
；
Figure 924610DEST_PATH_IMAGE003
；
其中，
Figure 804841DEST_PATH_IMAGE004
为船舶模型参数，
Figure 429726DEST_PATH_IMAGE005
为船舶模型参数，
Figure 319185DEST_PATH_IMAGE006
为转向率，
Figure 713126DEST_PATH_IMAGE007
为船舶的舵角值，
Figure 29838DEST_PATH_IMAGE008
为外界干扰量，
Figure 407599DEST_PATH_IMAGE009
为转向率的导数，
Figure 835169DEST_PATH_IMAGE010
为航向角的导数，
Figure 365507DEST_PATH_IMAGE011
为扰动变量。
一种可选的实施方式，所述通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，得到变换后的函数，使所述航向误差收敛在预设的界限范围内，包括：
确定所述航向误差：
Figure 122896DEST_PATH_IMAGE012
；
对所述航向误差进行函数变换得到所述变换后的函数：
Figure 473106DEST_PATH_IMAGE013
；
Figure 704367DEST_PATH_IMAGE014
；
Figure 604059DEST_PATH_IMAGE015
；
Figure 262573DEST_PATH_IMAGE016
；
其中，
Figure 365658DEST_PATH_IMAGE017
为航向误差，
Figure 649878DEST_PATH_IMAGE018
为航向角，
Figure 889229DEST_PATH_IMAGE019
为期望航向角，
Figure 718645DEST_PATH_IMAGE020
为航向误差函数变换后的变量，
Figure 558294DEST_PATH_IMAGE021
为设计上界，
Figure 131358DEST_PATH_IMAGE022
为设计下界，
Figure 490795DEST_PATH_IMAGE023
为航向误差经转换函数变换的变量，
Figure 8889DEST_PATH_IMAGE024
为引入的转换函数，
Figure 820987DEST_PATH_IMAGE025
为转换函数的初始值，
Figure 932162DEST_PATH_IMAGE026
为转换函数的最终值，
Figure 395374DEST_PATH_IMAGE027
为正常数，
Figure 566592DEST_PATH_IMAGE028
为每次转向的时间。
一种可选的实施方式，所述通过所述变换后的函数设计滤波变量，包括：
将式（5）对
Figure 131565DEST_PATH_IMAGE029
求导得：
Figure 295699DEST_PATH_IMAGE030
；
Figure 895308DEST_PATH_IMAGE031
；
Figure 237428DEST_PATH_IMAGE032
；
定义滤波变量：
Figure 7806DEST_PATH_IMAGE033
Figure 726364DEST_PATH_IMAGE034
对所述滤波变量求导：
Figure 180479DEST_PATH_IMAGE035
Figure 939838DEST_PATH_IMAGE036
Figure 869616DEST_PATH_IMAGE037
根据数学放缩关系得到不等式：
Figure 126285DEST_PATH_IMAGE038
Figure 418595DEST_PATH_IMAGE039
Figure 102517DEST_PATH_IMAGE040
根据式(17)可得滤波变量的滤波范围：
Figure 863800DEST_PATH_IMAGE041
Figure 907848DEST_PATH_IMAGE042
Figure 70976DEST_PATH_IMAGE043
其中，
Figure 191379DEST_PATH_IMAGE044
为简化的中间变量，
Figure 426576DEST_PATH_IMAGE045
为简化的中间变量，
Figure 25048DEST_PATH_IMAGE046
为滤波变量，
Figure 42682DEST_PATH_IMAGE047
为滤波变量中的权重，
Figure 583254DEST_PATH_IMAGE048
为中间变量，
Figure 53549DEST_PATH_IMAGE049
为通过
Figure 455712DEST_PATH_IMAGE050
和
Figure 842700DEST_PATH_IMAGE051
得到的核心函数，
Figure 39326DEST_PATH_IMAGE052
为扰动变量的最大值，
Figure 262497DEST_PATH_IMAGE053
为扰动值和1之间的最大值，
Figure 920880DEST_PATH_IMAGE054
为放缩后的函数，
Figure 647528DEST_PATH_IMAGE055
为控制率中自适应部分所占的比重，
Figure 995814DEST_PATH_IMAGE056
为
Figure 440702DEST_PATH_IMAGE057
的平方。
一种可选的实施方式，所述通过所述滤波变量设计李雅普诺夫函数，用于保证航向控制器的稳定运行及分析外界干扰的估计影响，包括：
根据所述滤波变量的滤波范围，结合航向控制器稳定运行所需满足的条件，设计李雅普诺夫函数：
Figure 433934DEST_PATH_IMAGE058
Figure 15088DEST_PATH_IMAGE059
其中，
Figure 802785DEST_PATH_IMAGE060
为李雅普诺夫函数，
Figure 734968DEST_PATH_IMAGE061
为
Figure 597139DEST_PATH_IMAGE062
与其估计值的差值，
Figure 32799DEST_PATH_IMAGE063
为
Figure 663501DEST_PATH_IMAGE064
的估计值。
一种可选的实施方式，所述根据所述李雅普诺夫函数得到航向控制的控制律和自适应律，包括：
对式(23)求导：
Figure 640903DEST_PATH_IMAGE080
将式(14)代入式(25)中得到：
Figure 648042DEST_PATH_IMAGE081
对式（26）进行化简得到：
Figure 203788DEST_PATH_IMAGE082
将式（20）代入式（26-1）得到：
Figure 598867DEST_PATH_IMAGE083
根据航向控制稳定性的要求，所述李雅普诺夫函数需要满足条件：
Figure 240063DEST_PATH_IMAGE084
为了便于计算，增加中间变量：
令
Figure 129522DEST_PATH_IMAGE085
，令
Figure 791972DEST_PATH_IMAGE086
其中，
Figure 108684DEST_PATH_IMAGE087
为控制律第一部分，
Figure 486445DEST_PATH_IMAGE088
为控制律第二部分，
Figure 914015DEST_PATH_IMAGE089
为自适应律第一部分，
Figure 444353DEST_PATH_IMAGE090
为自适应律第二部分。
将式（26-3）和式（26-4）代入式（26-2）中得到：
Figure DEST_PATH_IMAGE117
为了达到航向控制稳定性的要求，需要使式（26-2）满足式（27）的条件，即需要对式（26-2）中的
Figure 384496DEST_PATH_IMAGE092
项进行消除，那么可以令：
Figure 285DEST_PATH_IMAGE093
，
Figure 480814DEST_PATH_IMAGE094
将式（26-6）和式（26-7）代入式（26-5）中得到：
Figure 865659DEST_PATH_IMAGE095
根据式（24）可以对式（26-8）进行化简和放缩得到：
Figure 789753DEST_PATH_IMAGE096
为了使式（26-9）满足式（27）中的条件，可进一步令：
Figure 897034DEST_PATH_IMAGE097
，
Figure 666407DEST_PATH_IMAGE098
其中，式（26-10）可以使式（26-9）的右侧引入
Figure 436917DEST_PATH_IMAGE099
项，同时添加的参数
Figure 515600DEST_PATH_IMAGE100
可以提高调整的灵活性；式（26-11）可以使式（26-9）右侧引入
Figure 105982DEST_PATH_IMAGE101
项，同时参数
Figure 69258DEST_PATH_IMAGE102
可以用于调整自适应律的收敛快慢。
将式（26-10）和式（26-11）代入式（26-9）中得到：
Figure 412384DEST_PATH_IMAGE103
通过式（24）以及均值等不等式对式（26-12）进行放缩得到：
Figure 412701DEST_PATH_IMAGE104
由式(26-13)得，当式（26-6）、（26-7）、（26-10）和（26-11）均成立时，式（26-2）满足式（27）的条件，此时式（27）中的两个参数分别为：
Figure 490378DEST_PATH_IMAGE105
Figure 853751DEST_PATH_IMAGE106
根据上述分析过程，结合式（26-13）与式（26-2）的对应关系即可得到所述控制律和所述自适应律：
Figure 67695DEST_PATH_IMAGE107
Figure 238913DEST_PATH_IMAGE108
Figure 53154DEST_PATH_IMAGE109
Figure 968021DEST_PATH_IMAGE110
其中，
Figure 36471DEST_PATH_IMAGE111
为中间变量，
Figure 893437DEST_PATH_IMAGE112
为李雅普诺夫函数放缩后的整合变量，
Figure 70341DEST_PATH_IMAGE113
为控制律中权重的设计参数，
Figure 523319DEST_PATH_IMAGE114
为自适应律中影响收敛快慢的设计参数，
Figure 958193DEST_PATH_IMAGE115
为控制律，
Figure 471213DEST_PATH_IMAGE116
为自适应律。控制律为船舶舵角变化的指令，舵角值按照控制律的变化而变化，根据控制律即可换算得出舵角值，进而对船舶的航向进行控制。上述控制律和自适应律的整个计算步骤只是用到了简单的数学计算，没有用到神经网络等复杂的云端，从而降低了计算难道，使所述船舶航向控制方法的算法更加简便。
一种可选的实施方式，所述根据所述一阶野本模型确定船舶航向的控制周期，包括：
通过所述一阶野本模型确定船舶的船长和船速，根据所述船长和船速确定所述船舶航向的控制周期。例如，当船舶的船长较长时可以适当延长控制周期，当船舶的船长较短时可以适当缩短控制周期；再例如，当船舶的船速较快时可以适当缩短控制周期，当船舶的船速较慢时可以适当延长控制周期。在实际应用中，控制周期也可能会存在其他的影响因素，可以根据实际情况综合各个影响因素对控制周期进行确定，而不仅限于根据上述的船长和船速两个因素进行确定。
本公开还涉及一种电子设备，包括服务器、终端等。该电子设备包括：至少一个处理器；与至少一个处理器通信连接的存储器；以及与存储介质通信连接的通信组件，所述通信组件在处理器的控制下接收和发送数据；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行以实现上述实施例中的船舶航向控制方法。
在一种可选的实施方式中，存储器作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述船舶航向控制方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器中，当被一个或者多个处理器执行时，执行上述任意方法实施例中的船舶航向控制方法。
上述产品可执行本申请实施例所提供的船舶航向控制方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的船舶航向控制方法。
本公开还涉及一种计算机可读存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的船舶航向控制方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备（可以是单片机，芯片等）或处理器（processor）执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
此外，本领域普通技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本领域技术人员应理解，尽管已经参考示例性实施例描述了本发明，但是在不脱离本发明的范围的情况下，可进行各种改变并可用等同物替换其元件。另外，在不脱离本发明的实质范围的情况下，可进行许多修改以使特定情况或材料适应本发明的教导。因此，本发明不限于所公开的特定实施例，而是本发明将包括落入所附权利要求范围内的所有实施例。

Claims (10)

1.一种船舶航向控制方法，其特征在于，所述方法包括：
将船舶航向控制的一阶野本模型转化为状态空间模型；
通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，得到变换后的函数，使所述航向误差收敛在预设的界限范围内；
通过所述变换后的函数设计滤波变量；
通过所述滤波变量设计李雅普诺夫函数；
根据所述李雅普诺夫函数得到航向控制的控制律和自适应律；
通过所述控制律和控制周期对船舶航向进行控制，所述控制周期根据所述一阶野本模型得到。
2.根据权利要求1所述的方法，其特征在于，所述将船舶航向控制的一阶野本模型转化为状态空间模型，包括：
确定所述一阶野本模型：
Figure 605132DEST_PATH_IMAGE002
；
结合船舶的航向和转向率得到所述状态空间模型：
Figure 68343DEST_PATH_IMAGE004
；
Figure 973982DEST_PATH_IMAGE006
；
其中，
Figure 538956DEST_PATH_IMAGE008
为船舶模型参数，
Figure 169002DEST_PATH_IMAGE010
为船舶模型参数，
Figure 503031DEST_PATH_IMAGE012
为转向率，
Figure 110730DEST_PATH_IMAGE014
为船舶的舵角值，
Figure 146688DEST_PATH_IMAGE016
为外界干扰量，
Figure 334087DEST_PATH_IMAGE018
为转向率的导数，
Figure 771890DEST_PATH_IMAGE020
为航向角的导数，
Figure 550490DEST_PATH_IMAGE022
为扰动变量。
3.根据权利要求2所述的方法，其特征在于，所述通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，得到变换后的函数，使所述航向误差收敛在预设的界限范围内，包括：
确定所述航向误差：
Figure 824477DEST_PATH_IMAGE024
；
对所述航向误差进行函数变换得到所述变换后的函数：
Figure 330414DEST_PATH_IMAGE026
；
Figure 639035DEST_PATH_IMAGE028
；
Figure 322957DEST_PATH_IMAGE030
；
Figure 70858DEST_PATH_IMAGE032
；
其中，
Figure 396797DEST_PATH_IMAGE034
为航向误差，
Figure 294346DEST_PATH_IMAGE036
为航向角，
Figure 398437DEST_PATH_IMAGE038
为期望航向角，
Figure 647016DEST_PATH_IMAGE040
为航向误差函数变换后的变量，
Figure 245487DEST_PATH_IMAGE042
为设计上界，
Figure 512390DEST_PATH_IMAGE044
为设计下界，
Figure 803694DEST_PATH_IMAGE046
为航向误差经转换函数变换的变量，
Figure 273989DEST_PATH_IMAGE048
为引入的转换函数，
Figure 659840DEST_PATH_IMAGE050
为转换函数的初始值，
Figure 531981DEST_PATH_IMAGE052
为转换函数的最终值，
Figure 259766DEST_PATH_IMAGE054
为正常数，
Figure 221554DEST_PATH_IMAGE056
为每次转向的时间。
4.根据权利要求3所述的方法，其特征在于，所述通过所述变换后的函数设计滤波变量，包括：
将式（5）对
Figure 427407DEST_PATH_IMAGE058
求导得：
Figure 403322DEST_PATH_IMAGE060
；
Figure 770850DEST_PATH_IMAGE062
；
Figure 215737DEST_PATH_IMAGE064
；
定义滤波变量：
Figure 474549DEST_PATH_IMAGE066
Figure 445916DEST_PATH_IMAGE068
对所述滤波变量求导：
Figure 984345DEST_PATH_IMAGE070
Figure 903147DEST_PATH_IMAGE072
Figure 716382DEST_PATH_IMAGE074
根据数学放缩关系得到不等式：
Figure 417622DEST_PATH_IMAGE076
Figure 376220DEST_PATH_IMAGE078
Figure 795700DEST_PATH_IMAGE080
根据式(17)可得滤波变量的滤波范围：
Figure 881467DEST_PATH_IMAGE082
Figure 686481DEST_PATH_IMAGE084
Figure 566712DEST_PATH_IMAGE086
其中，
Figure 457177DEST_PATH_IMAGE088
为简化的中间变量，
Figure 468340DEST_PATH_IMAGE090
为简化的中间变量，
Figure 596702DEST_PATH_IMAGE092
为滤波变量，
Figure DEST_PATH_IMAGE094
为滤波变量中的权重，
Figure DEST_PATH_IMAGE096
为中间变量，
Figure DEST_PATH_IMAGE098
为通过
Figure DEST_PATH_IMAGE100
和
Figure DEST_PATH_IMAGE102
得到的核心函数，
Figure DEST_PATH_IMAGE104
为扰动变量的最大值，
Figure DEST_PATH_IMAGE106
为扰动值和1之间的最大值，
Figure DEST_PATH_IMAGE108
为放缩后的函数，
Figure DEST_PATH_IMAGE110
为控制率中自适应部分所占的比重，
Figure DEST_PATH_IMAGE112
为
Figure DEST_PATH_IMAGE114
的平方。
5.根据权利要求4所述的方法，其特征在于，所述通过所述滤波变量设计李雅普诺夫函数，包括：
根据所述滤波变量的滤波范围，结合航向控制器稳定运行所需满足的条件，设计李雅普诺夫函数：
Figure DEST_PATH_IMAGE116
Figure DEST_PATH_IMAGE118
其中，
Figure DEST_PATH_IMAGE120
为李雅普诺夫函数，
Figure DEST_PATH_IMAGE122
为
Figure DEST_PATH_IMAGE124
与其估计值的差值，
Figure DEST_PATH_IMAGE126
为
Figure DEST_PATH_IMAGE128
的估计值。
6.根据权利要求5所述的方法，其特征在于，所述根据所述李雅普诺夫函数得到航向控制的控制律和自适应律，包括：
对式(23)求导：
Figure DEST_PATH_IMAGE130
将式(14)代入式(25)中得到：
Figure DEST_PATH_IMAGE132
根据航向控制稳定性的要求，所述李雅普诺夫函数需要满足条件：
Figure DEST_PATH_IMAGE134
Figure DEST_PATH_IMAGE136
Figure DEST_PATH_IMAGE138
通过式(28)和式(29)对式(27)进行放缩，得到所述控制律和所述自适应律：
Figure DEST_PATH_IMAGE140
Figure DEST_PATH_IMAGE142
Figure DEST_PATH_IMAGE144
Figure DEST_PATH_IMAGE146
其中，
Figure DEST_PATH_IMAGE148
为中间变量，
Figure DEST_PATH_IMAGE150
为李雅普诺夫函数放缩后的整合变量，
Figure DEST_PATH_IMAGE152
为控制律中权重的设计参数，
Figure DEST_PATH_IMAGE154
为自适应律中影响收敛快慢的设计参数，
Figure DEST_PATH_IMAGE156
为控制律，
Figure DEST_PATH_IMAGE158
为自适应律。
7.根据权利要求1所述的方法，其特征在于，所述控制周期根据所述一阶野本模型得到，包括：
通过所述一阶野本模型确定船舶的船长和船速；
根据所述船长和船速确定所述船舶航向的控制周期。
8.一种船舶航向控制系统，其特征在于，所述系统包括：
模型转换模块，其用于将船舶航向控制的一阶野本模型转化为状态空间模型；
航向误差计算模块，其用于通过所述状态空间模型得到船舶的航向误差，并对所述航向误差进行函数变换，使所述航向误差收敛在预设的界限范围内；
滤波变量计算模块，其用于通过所述航向误差变换后的函数得到滤波变量，
李雅普诺夫函数计算模块，其用于根据所述滤波变量得到航向控制系统稳定运行的条件，并根据所述条件得到李雅普诺夫函数；
控制律和自适应律计算模块，其用于根据所述李雅普诺夫函数得到航向控制的控制律和自适应律；
控制周期计算模块，其用于根据所述一阶野本模型确定船舶航向的控制周期；
航向控制模块，其用于通过所述控制律和所述控制周期对船舶航向进行控制。
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被处理器执行以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如权利要求1-7中任一项所述的方法。
CN202111482289.1A 2021-12-07 2021-12-07 一种船舶航向控制方法及系统 Active CN113885538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111482289.1A CN113885538B (zh) 2021-12-07 2021-12-07 一种船舶航向控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111482289.1A CN113885538B (zh) 2021-12-07 2021-12-07 一种船舶航向控制方法及系统

Publications (2)

Publication Number Publication Date
CN113885538A true CN113885538A (zh) 2022-01-04
CN113885538B CN113885538B (zh) 2022-03-15

Family

ID=79015812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111482289.1A Active CN113885538B (zh) 2021-12-07 2021-12-07 一种船舶航向控制方法及系统

Country Status (1)

Country Link
CN (1) CN113885538B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2158109A1 (en) * 1994-10-11 1996-04-12 Douglas W. Ford Small Watercraft Automatic Steering Apparatus and Method
CN103324195A (zh) * 2013-06-14 2013-09-25 哈尔滨工程大学 基于反步法的船舶自适应鲁棒航向跟踪控制方法
CN107015562A (zh) * 2017-04-26 2017-08-04 华南理工大学 一种满足预设跟踪性能的欠驱动水面船舶控制方法
CN109814547A (zh) * 2018-12-24 2019-05-28 上海大学 风浪干扰作用下的无人艇航向保持装置和方法
CN111290387A (zh) * 2020-02-21 2020-06-16 大连海事大学 一种智能船舶自动舵系统的模糊自适应输出反馈指定性能控制方法及系统
CN112578801A (zh) * 2021-03-01 2021-03-30 北京海兰信数据科技股份有限公司 一种船舶航向抗干扰控制方法
CN112698575A (zh) * 2020-12-30 2021-04-23 大连海事大学 一种智能船舶自动舵自适应模糊输出反馈控制方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2158109A1 (en) * 1994-10-11 1996-04-12 Douglas W. Ford Small Watercraft Automatic Steering Apparatus and Method
CN103324195A (zh) * 2013-06-14 2013-09-25 哈尔滨工程大学 基于反步法的船舶自适应鲁棒航向跟踪控制方法
CN107015562A (zh) * 2017-04-26 2017-08-04 华南理工大学 一种满足预设跟踪性能的欠驱动水面船舶控制方法
CN109814547A (zh) * 2018-12-24 2019-05-28 上海大学 风浪干扰作用下的无人艇航向保持装置和方法
CN111290387A (zh) * 2020-02-21 2020-06-16 大连海事大学 一种智能船舶自动舵系统的模糊自适应输出反馈指定性能控制方法及系统
CN112698575A (zh) * 2020-12-30 2021-04-23 大连海事大学 一种智能船舶自动舵自适应模糊输出反馈控制方法及系统
CN112578801A (zh) * 2021-03-01 2021-03-30 北京海兰信数据科技股份有限公司 一种船舶航向抗干扰控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
严浙平 等: "时变干扰下欠驱动AUV水平面轨迹跟踪的反步滑模控制", 《宇航总体技术》 *

Also Published As

Publication number Publication date
CN113885538B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
Ghommam et al. Adaptive leader–follower formation control of underactuated surface vessels under asymmetric range and bearing constraints
Karimi et al. A linear matrix inequality approach to robust fault detection filter design of linear systems with mixed time-varying delays and nonlinear perturbations
Shojaei Observer-based neural adaptive formation control of autonomous surface vessels with limited torque
Bhopale et al. Reinforcement learning based obstacle avoidance for autonomous underwater vehicle
Yunsheng et al. On fuzzy self-adaptive PID control for USV course
Elhaki et al. Reinforcement learning-based saturated adaptive robust neural-network control of underactuated autonomous underwater vehicles
Zhou et al. Three-dimensional trajectory tracking for underactuated AUVs with bio-inspired velocity regulation
Kucukdemiral et al. A model predictive vertical motion control of a passenger ship
Wei et al. Safe control with neural network dynamic models
CN110161853A (zh) 一种新型具有实时性的船舶综合自动驾驶系统
Karg et al. Learning-based approximation of robust nonlinear predictive control with state estimation applied to a towing kite
CN112149237A (zh) 一种船舶实时避碰方法及系统
CN113885538B (zh) 一种船舶航向控制方法及系统
Xia et al. Adaptive filtering backstepping for ships steering control without velocity measurements and with input constraints
Sivaraj et al. On the performance of different Deep Reinforcement Learning based controllers for the path-following of a ship
Li et al. New second order sliding mode control design for course-keeping control of ship with input saturation
CN114755917A (zh) 一种无模型自适应抗干扰船舶速度控制器及设计方法
CN113110519B (zh) 一种舰船用非增量型无模型自适应艏向控制方法
CN110703792B (zh) 基于增强学习的水下机器人姿态控制方法
Zou et al. Design and stabilization analysis of luxury cruise with dynamic positioning systems based on sampled-data control
CN114967429B (zh) 一种船舶航向的控制方法、装置及设备
Yu Adaptive Fuzzy Design of Ship's Autopilot with Input Saturation
Cildoz et al. Comparative study of chattering-free sliding mode controllers applied to an autonomous underwater vehicle (auv)
Li et al. Adaptive fixed-time fuzzy formation control for multiple AUV systems considering time-varying tracking error constraints and asymmetric actuator saturation
Fan et al. Path-Following Control of Unmanned Underwater Vehicle Based on an Improved TD3 Deep Reinforcement Learning

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