CN116048090A - 一种具有能耗优化效应的风帆助航船路径跟踪控制方法 - Google Patents
一种具有能耗优化效应的风帆助航船路径跟踪控制方法 Download PDFInfo
- Publication number
- CN116048090A CN116048090A CN202310112116.3A CN202310112116A CN116048090A CN 116048090 A CN116048090 A CN 116048090A CN 202310112116 A CN202310112116 A CN 202310112116A CN 116048090 A CN116048090 A CN 116048090A
- Authority
- CN
- China
- Prior art keywords
- representing
- ship
- virtual
- speed
- error
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000000694 effects Effects 0.000 title claims abstract description 34
- 238000005265 energy consumption Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims description 8
- 230000007246 mechanism Effects 0.000 claims abstract description 33
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 210000005036 nerve Anatomy 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000006073 displacement reaction Methods 0.000 claims description 53
- 230000033001 locomotion Effects 0.000 claims description 43
- 238000013016 damping Methods 0.000 claims description 27
- 230000001537 neural effect Effects 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000012986 modification Methods 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 230000010363 phase shift Effects 0.000 claims description 6
- 235000003913 Coccoloba uvifera Nutrition 0.000 claims description 5
- 240000008976 Pterocarpus marsupium Species 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 229920006395 saturated elastomer Polymers 0.000 claims description 5
- 101710154918 Trigger factor Proteins 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000003767 neural control Effects 0.000 claims description 3
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 claims description 3
- 239000013535 sea water Substances 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 238000005299 abrasion Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction 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, 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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种具有能耗优化效应的风帆助航船路径跟踪控制方法,包括建立风帆助航船舶运动数学模型;根据电子海图在航行路径中设置航路点,根据船舶当前位置与逻辑虚拟小船当前位置计算风帆助航船的制导信号,航向参考信号基于动态反馈评估规则进行修饰获得航向参考信号,并将航向参考信号传递至风帆助航船控制系统;构件风帆助航船舶位置/姿态误差的虚拟控制器,根据鲁棒自适应神经控制律、增益相关自适应律计算本船主机转速和舵角;风帆助航船控制系统根据主机转速和舵角控制本船航行。解决了风帆助航船舶由于风帆对动力机制的补偿,控制输入变化频繁,控制命令实时生成并需要实时传输到执行器,造成控制系统传输负载较大与额外执行器磨损的问题。
Description
技术领域
本发明涉及船舶控制工程与船舶自动化航行装备应用领域,尤其涉及一种具有能耗优化效应的风帆助航船路径跟踪控制方法。
背景技术
在船舶运动控制领域,风帆助航船舶系统具有强不确定性和时变非线性的特点[1,2],数学模型比较复杂,精确建模困难。基于连续时间的鲁棒自适应控制对系统模型或参数不确定性、外界干扰都具有不变性特点,广泛应用于无人水面船舶路径跟踪控制任务[3,4]。
船舶智能制导与控制是船舶运动控制领域智能船舶研究的重要任务之一,其应用具有丰富的工程背景,如:远洋船舶自动航行作业、海洋环境监测与数据收集等。风帆助航船舶主要利用螺旋桨和风帆作为提供前向力的推力设备,利用舵机作为转向设备,对于横漂运动没有相应的动力设备,因此无人帆船是一类典型的欠驱动机械系统,具有二阶不可积分非完整约束且不能有效转换为无漂链式系统。在风帆助航船舶路径跟踪控制中,船舶运动数学模型通常采用分离型技术进行建模[5],该建模方式充分考虑了船舶运动的特点,更注重在不同运动状态下的广泛有效性。
近年来,国内外学者针对风帆助航船舶做了大量研究,但这些研究大多都集中于对风帆动力性能和模型进行研究,缺少在风帆助航船舶运动控制方面研究。由于风帆助航船舶仍属于欠驱动船舶范畴内,因此,针对欠驱动船舶的制导和控制算法同样适用于风帆助航船舶[6]。但是,根据分离型建模思想,引入风帆之后,将对船舶动力机构带来新的影响,比如风帆对动力机制的补偿作用容易产生输入饱和,风帆对螺旋桨和舵的补偿作用等。此外,在时变的海洋环境干扰下,船舶系统和执行机构的不确定性也将反馈至自动控制系统,进一步引起控制命令的频繁变化并作用于执行器,连续的控制命令以及执行机构的频繁响应会造成巨大的通信负载和传输负担。
综上所述,现有的针对风帆助航船舶路径跟踪控制存在以下缺陷:
(1)现有的逻辑虚拟小船制导策略中应用于风帆助航船舶后,在风帆对舵正向补偿的情况下,很容易产生输入饱和作用,进而影响控制系统性能;
(2)与传统动力欠驱动船舶相比,风帆助航船舶由于风帆对动力机制的补偿,控制输入的变化更加频繁,控制命令实时生成并需要实时传输到执行器,造成控制系统的传输负载较大以及额外的执行器磨损;
(3)不同于常规动力船舶,风帆的存在同时影响了螺旋桨的推进作用以及舵的转向作用。
[1]Tiantian Xu,Yanming Guan and Jia Liu.Image-based visual servoingof helical microswimmers for planar path following.IEEE Transactions onAutomation Science and Engineering,2020,17:325–333.
[2]刘程.船舶路径跟踪与减横摇综合控制研究[D].上海交通大学,2015.
[3]Chen,G.,Tian,X.,Liu,H.Robust trajectory tracking control of amarine surface vessel using asymmetirc error constraints and outputfeedback.International journal of robust and nonlinear control2020.Doi:10.1002/rnc.5262.
[4]Lapierre L,Soetanto D.Nonlinear path-following control of anAUV.Ocean Engineering,2017,34(11):1734-1744.
[5]Fossen,T.I..Handbook of Marine Craft Hydrodynamics and MotionControl.New York:Wiley,2011.
[6]Zhang,G.,Li,J.,Jin,X.,&Liu,C.(2022).Robust Adaptive Neural Controlfor Wing-Sail-Assisted Vehicle via the Multiport Event-TriggeredApproach.IEEE Transactions on Cybernetics,52,12916-12928.
[7]Yingjie,D.,Xian-ku,Z.,Guoqing,Z.,2019.Fuzzy logic based speedoptimization and path following control for sail-assisted ships.OceanEngineering.DOI 10.1016/j.oceaneng.2018.11.006.
[8]Guoqing Zhang,Mingqi Yao,Junhao Xu and Weidong Zhang.Robust neuralevent-triggered control for dynamic positioning ships with actuatorfaults.Ocean Engineering,2020,201,107292.
[9]Chenfeng Huang,Xianku Zhang and Guoqing Zhang.Adaptive neuralfinite-time formation control for multiple underactuated vessels withactuator faults.Ocean Engineering,2021,222,108556.
[10]Zhang,C.,Zhang,G.,Zhang,X.,2021a.Dvsl guidance-based compositeneural path following control for underactuated cable-laying vessels usingevent-triggered inputs.Ocean Engineering.
发明内容
本发明提供一种具有能耗优化效应的风帆助航船路径跟踪控制方法,以克服上述技术问题。
为了实现上述目的,本发明的技术方案是:
一种具有能耗优化效应的风帆助航船路径跟踪控制方法,包括:
步骤S1:建立本船的风帆助航船舶运动数学模型与逻辑虚拟小船运动数学模型;
步骤S2:根据电子海图在航行路径中设置航路点信息,根据航路点信息产生全局参考路径,使得逻辑虚拟小船基于全局参考路径航行;航路点信息包括航路点的方位信息与风向信息;
基于LVS制导算法,根据风帆助航船舶当前位置与逻辑虚拟小船当前位置计算对应的风帆助航船的制导信号;
步骤S3:基于动态反馈评估规则对制导信号进行修饰以获得航向参考信号,并将所述航向参考信号传递至风帆助航船的控制系统;
步骤S4:所述风帆助航船的控制系统根据航向参考信号获取逻辑虚拟小船与风帆助航船舶之间的姿态误差,并根据逻辑虚拟小船与风帆助航船舶之间的姿态误差建立虚拟控制器,所述姿态误差包括横纵坐标误差、横纵方向位置姿态误差以及艏向角误差,通过所述虚拟控制器的前进速度虚拟控制律与艏向角速度虚拟控制律调整位置和艏向角误差;
步骤S5:设计混合阈值事件触发机制,将输入至虚拟控制器的参数限制在有限集合中,所述参数包括本船的舵角、前进速度虚拟控制律以及艏摇角速度虚拟控制律;
步骤S6:定义本船前进速度的误差动态、本船艏摇角速度的误差动态,并对本船前进速度的误差动态、本船艏摇角速度的误差动态求导获得动力学导数,基于混合阈值事件触发机制更新所述动力学导数;定义位移自适应变量和航向角自适应变量根据和处理海洋扰动;根据主机转速与舵角建立鲁棒自适应神经控制律与增益自适应律,根据鲁棒自适应神经控制律、增益相关自适应律计算本船的主机转速和舵角;所述风帆助航船的控制系统根据主机转速和舵角控制本船航行。
进一步的,步骤S1中所述风帆助航船舶运动数学模型具体为:
其中,x代表无人水面船舶前进方向位移;y代表无人水面船舶横漂方向位移;ψ代表无人水面船舶航向角;代表无人水面船舶前进方向位移的一阶微分;代表无人水面船舶横漂方向位移的一阶微分;代表无人水面船舶航向角的一阶微分;u代表无人水面船舶前进方向的速度;v代表无人水面船舶横漂方向的速度;r代表无人水面船舶航向角角速度;代表无人水面船舶前进方向的速度的一阶微分;代表无人水面船舶横漂方向的速度的一阶微分;代表无人水面船舶航向角角速度的一阶微分;fu(v)代表前进方向船体结构不确定项;fv(v)代表横漂方向船体结构不确定项;fr(v)代表艏摇方向船体结构不确定项;mu代表前进方向船体附加质量;mv表示本船横荡速度的位置模型参数;mr代表艏摇方向船体附加质量;dwu代表前进方向海洋环境干扰项;dwv代表横漂方向海洋环境干扰项;dwr代表艏摇方向海洋环境干扰项;τup代表螺旋桨产生的推力,τrr代表舵产生的转船力矩,τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;
其中,ρw代表海水密度;n代表螺旋桨转速;Dp代表螺旋桨直径;tp代表作用于船体的水动力之间的干扰程度;KT代表螺旋桨的推进函数;J代表螺旋桨的推进系数;Ls代表风帆的升力系数;Ds代表风帆的阻力系数;ααw代表风帆的相对风向角;λr代表舵装置的展舷比;xr代表舵叶重心的尺寸参数;xh代表船的重心的尺寸参数;代表作用于舵装置的水动力(或力矩)之间的干扰程度;Ar代表舵叶面积;Ur代表船舶的前进的合速度;δ代表舵角;Ys代表前进方向风帆的推进力;xs代表风帆作用力中心在船舶附体坐标系中前进方向的坐标;ys代表风帆作用力中心在船舶附体坐标系中横漂方向的坐标;
所述逻辑虚拟小船运动数学模型为;
其中,xd是逻辑虚拟小船前进方向位置姿态,yd是逻辑虚拟小船横漂方向位置姿态;表示虚拟小船的位置坐标的横坐标的一阶微分;表示虚拟小船的位置坐标的纵坐标的一阶微分;ψd是逻辑虚拟小船的航向角位置姿态,ud是逻辑虚拟小船的参考速度;rd表示逻辑虚拟小船的艏摇角速度;表示逻辑虚拟小船的航向角位置姿态的一阶微分。
进一步的,步骤S2中基于LVS制导算法,根据风帆助航船舶当前位置与逻辑虚拟小船当前位置计算对应的风帆助航船的制导信号具体为:
根据本船的当前姿态与逻辑虚拟小船的当前姿态,计算本船的制导信号ψdt
xe=xd-x
ye=yd-y
其中,xd是逻辑虚拟小船前进方向位置姿态,yd是逻辑虚拟小船横漂方向位置姿态;ψd是逻辑虚拟小船的航向角位置姿态,ψdt代表实船相对于自适应虚拟小船的制导信号,xe代表实船与自适应虚拟小船前进方向位置姿态误差,ye代表实船与自适应虚拟小船横漂方向位置姿态误差;x代表无人水面船舶前进方向位移;y代表无人水面船舶横漂方向位移;ze表示虚拟小船和本船之间的位置误差。
进一步的,步骤S3中基于动态反馈评估规则对制导信号进行修饰以获得航向参考信号具体为
其中,ψdI代表经过非线性修饰后实船相对于自适应虚拟小船的航向角;ψdt代表实船相对于自适应虚拟小船的航向角;δ代表实船的实时舵角;δr代表反馈规则设计的动态参考舵角;δsat代表实船的饱和舵角。
进一步的,步骤S4中根据逻辑虚拟小船与风帆助航船舶之间的姿态误差建立虚拟控制器,通过所述虚拟控制器的前进速度虚拟控制律与艏向角速度虚拟控制律调整位置和艏向角误差具体为:
步骤S4.1:根据逻辑虚拟小船与实船之间的姿态误差建立虚拟控制器;用于调整本船和制导信号的艏向角误差ψe与虚拟小船和本船之间的位置误差ze;
ψe=ψdI-ψ
其中,代表实船位移方向虚拟控制器正的设计参数;kr代表实船航向角方向虚拟控制器正德设计参数;ψdI代表经过非线性修饰后实船相对于自适应虚拟小船的航向角;ψ代表无人水面船舶航向角;δmin是保证实船始终在自适应虚拟小船后方的常数;ψe表示本船和制导信号的艏向角误差;xe代表实船与自适应虚拟小船前进方向位置姿态误差,ye代表实船与自适应虚拟小船横漂方向位置姿态误差;ze表示虚拟小船和本船之间的位置误差;αu表示前进速度虚拟控制律;αr表示艏摇角速度虚拟控制律;表示虚拟小船的位置坐标的横坐标的一阶微分;表示虚拟小船的位置坐标的纵坐标的一阶微分、v代表无人水面船舶横漂方向的速度;
步骤S4.2:根据DSC技术更新前进速度虚拟控制律αu公式与艏摇角速度虚拟控制律αr公式为;
其中,τu是实船位移方向大于零的时间常数;τr是实船航向角方向大于零的时间常数;βu是实船位移方向虚拟控制器的滤波信号;βr是实船航向角方向虚拟控制器的滤波信号;qu为实船位移方向虚拟控制信号αu在通过滤波器时受到相位偏移和输入噪声的干扰而形成的滤波误差;表示针对虚拟控制律αu设计的前进速度动态面控制DSC一阶滤波器,表示针对虚拟控制律αr设计的艏摇角速度动态面控制DSC一阶滤波器、αu表示前进速度虚拟控制律;αr表示艏摇角速度虚拟控制律;qr为实船航向角方向虚拟控制信号αr在通过滤波器时受到相位偏移和输入噪声的干扰而形成的滤波误差。
进一步的,步骤S5中设计混合阈值事件触发机制,将输入至虚拟控制器的参数限制在有限集合中具体为:
对于螺旋桨产生的推力τup满足τup=Fu(·)|δn|δn,对于舵产生的转船力矩τrr满足τrr=Fr(·)δr;
其中,Fu(·)表示本船前进速度的未知控制增益函数,Fr(·)表示本船艏摇角速度的未知控制增益函数,δn表示螺旋桨的转速,δr表示舵角;
根据螺旋桨转速δn和舵角δr设计混合阈值事件触发机制:
其中,δi代表触发后系统输出信号;代表事件触发机制的计算误差;δΔ代表为了避免奇诺现象的正触发阈值参数;δi(t)代表在t时刻的控制律;ωi代表混合阈值参数;表示本次触发开始时刻;表示下次触发开始时刻;当输入误差被触发,则输入至控制器的参数在触发间隔内保持不变;
其中,δi代表触发后系统输出信号;δi(t)代表在t时刻的控制律;代表事件触发机制的计算误差;δn表示螺旋桨的转速;表示本次触发开始时刻的螺旋桨的转速;表示本次触发开始时刻的螺旋桨转速的控制律;δr表示舵角;表示本次触发开始时刻的舵角;表示本次触发开始时刻舵角的控制律;ωi代表混合阈值参数;ωi1代表动态阈值参数;代表动态阈值参数的一阶微分;ωi0代表静态阈值参数;ai是动态阈值参数系数;t代表时刻;δΔ代表为了避免奇诺现象的正触发阈值参数;κmi是控制信号权重值触发系数;κli是最小触发时刻权重系数;且Kmi=sign(δi)Kli。
进一步的,所述步骤S6中根据主机转速与舵角建立鲁棒自适应神经控制律与增益自适应律具体为
步骤S6.1:定义本船前进速度的误差动态ue=βu-u与本船艏摇角速度的误差动态re=βr-r,并对本船前进速度、本船艏摇角速度的误差动态进行求导获取动力学导数:
其中,表示本船前进速度的一阶导数,表示本船艏摇角速度的一阶导数,mu代表前进方向船体附加质量;mv表示本船横荡速度的位置模型参数;mr代表艏摇方向船体附加质量;dwu代表前进方向海洋环境干扰项;dwv代表横漂方向海洋环境干扰项;dwr代表艏摇方向海洋环境干扰项;τup代表螺旋桨产生的推力,τrr代表舵产生的转船力矩,τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;u代表无人水面船舶前进方向的速度;v代表无人水面船舶横漂方向的速度;r代表无人水面船舶航向角角速度;表示本船前进速度的非线性函数;表示本船艏摇角速度的非线性函数;
其中,表示针对虚拟控制律αu设计的前进速度DSC一阶滤波器的一阶导数,表示针对虚拟控制律αr设计的艏摇角速度DSC一阶滤波器的一阶导数;S(v)表示高斯函数;Fu(·)表示本船前进速度的未知控制增益函数;Fr(·)表示本船艏摇角速度的未知控制增益函数;vr表示艏摇运动方向上类干扰误差;vu表示前进运动方向上类干扰误差;bu表示前进运动方向上神经网络权重矩阵的范数;br表示艏摇运动方向上神经网络权重矩阵的范数;Wu表示前进运动方向上神经网络权重矩阵的单位矩阵;Wr表示艏摇运动方向上神经网络权重矩阵的单位矩阵;ue为本船前进速度的误差动态;re为本船艏摇角速度的误差动态;ωn代表本船前进速度混合阈值参数;ωr代表本船艏摇角速度混合阈值参数;mu代表前进方向船体附加质量;mr代表艏摇方向船体附加质量;kue为前进速度虚拟控制律αu二阶动力学位移方向鲁棒神经阻尼项的正参数;kre为艏摇角速度虚拟控制律αr二阶动力学航向角方向鲁棒神经阻尼项的正参数;表示本次触发开始时刻的螺旋桨的转速;表示本次触发开始时刻的舵角;kmn为控制前进速度信号权重值的触发系数;kmr为控制舵角速度信号权重值的触发系数;Φu(v)为位移方向鲁棒神经阻尼技术中合并的正参数;Φr(v)为航向角方向鲁棒神经阻尼技术中合并的正参数;
其中,mu代表前进方向船体附加质量;mr代表艏摇方向船体附加质量;τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;T(·)代表螺旋桨执行机构的增益不确定项;F(·)舵机执行机构增益不确定项;表示本次触发开始时刻的螺旋桨的转速;表示本次触发开始时刻的舵角;ku为前进速度虚拟控制律αu二阶动力学位移方向的正参数;kr为艏摇角速度虚拟控制律αr二阶动力学航向角方向的正参数;为前进方向虚拟控制器αn中的复合扰动自适应律;为艏摇角速度虚拟控制律αr中的复合扰动自适应律;kue为前进方向虚拟控制器αn二阶动力学位移方向鲁棒神经阻尼项的正参数;kre为艏摇角速度虚拟控制律αr二阶动力学航向角方向鲁棒神经阻尼项的正参数;kud为二阶动力学位移方向正的自适应参数;krd为二阶动力学航向角方向正的自适应参数;Φu(v)为位移方向鲁棒神经阻尼技术中合并的正参数;Φr(v)为航向角方向鲁棒神经阻尼技术中合并的正参数;ue为本船前进速度的误差动态;re为本船艏摇角速度的误差动态;Πu代表实船前进方向动力学自适应控制参数;Πr是航向角方向动力学自适应控制参数。
有益效果:本发明提供了一种具有能耗优化效应的风帆助航船路径跟踪控制方法,具有以下三个有益效果:
1)为避免控制输入受到饱和约束进而影响控制系统性能,对LVS制导原理产生的参考信号根据动态反馈评估规则进行非线性修饰,有效缓解了控制输入信号饱和问题;
2)采用混合阈值参数事件触发控制策略,与现有触发机制相比,混合阈值参数依据控制器需求实现动态变化,将控制命令实时生成并实时传输到执行器,降低了控制系统的传输负载较大以及额外的执行器磨损的问题;
3)所述具有能耗优化效应的风帆助航船路径跟踪控制方法,考虑了帆-螺旋桨,帆-舵两个自由度的作用,该方法考虑风帆输入效应下的对船舶非线性动态模型的影响,将螺旋桨的推进作用以及舵的转向作用进行耦合控制船舶的运动,提高了风帆船舶对能源的利用率。
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一简单地介绍,显而易见地,下面描述中的附图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为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的流程图;
图2为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的逻辑框图;
图3为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的LVS制导算法基本原理图;
图4为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的5级海况下风场和波面视图;
图5为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的仿真平台模拟下船舶路径跟踪轨迹图;
图6为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的轨迹误差对比图;
图7为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的控制输入对比图;
图8为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的推力分量对比图;
图9为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的转船力矩分量对比图;
图10为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的舵角触发时间间隔对比图;
图11为本发明一种具有能耗优化效应的风帆助航船路径跟踪控制方法的主机转速触发时间对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
本实施例提供了一种具有能耗优化效应的风帆助航船路径跟踪控制方法,如图1至图2所示,包括:
步骤S1:建立本船的风帆助航船舶运动数学模型与逻辑虚拟小船运动数学模型;
步骤S2:根据电子海图在航行路径中设置航路点信息,根据航路点信息产生全局参考路径,使得逻辑虚拟小船基于全局参考路径航行;航路点信息包括航路点的方位信息与风向信息;
基于LVS制导算法,根据风帆助航船舶当前位置与逻辑虚拟小船当前位置计算对应的风帆助航船的制导信号;
步骤S3:基于动态反馈评估规则对制导信号进行修饰以获得航向参考信号,并将所述航向参考信号传递至风帆助航船的控制系统;
步骤S4:所述风帆助航船的控制系统根据航向参考信号获取逻辑虚拟小船与风帆助航船舶之间的姿态误差,并根据逻辑虚拟小船与风帆助航船舶之间的姿态误差建立虚拟控制器,所述姿态误差包括横纵坐标误差、横纵方向位置姿态误差以及艏向角误差,通过所述虚拟控制器的前进速度虚拟控制律与艏向角速度虚拟控制律调整位置和艏向角误差;
步骤S5:设计混合阈值事件触发机制,将输入至虚拟控制器的参数限制在有限集合中,所述参数包括本船的舵角、前进速度虚拟控制律以及艏摇角速度虚拟控制律;
步骤S6:定义本船前进速度的误差动态、本船艏摇角速度的误差动态,并对本船前进速度的误差动态、本船艏摇角速度的误差动态求导获得动力学导数,基于混合阈值事件触发机制更新所述动力学导数;定义位移自适应变量和航向角自适应变量根据和处理海洋扰动;根据主机转速与舵角建立鲁棒自适应神经控制律与增益自适应律,根据鲁棒自适应神经控制律、增益相关自适应律计算本船的主机转速和舵角;所述风帆助航船的控制系统根据主机转速和舵角控制本船航行。
在LVS制导策略中,通过动态反馈评估规则对逻辑虚拟小船(LVS)制导产生的参考信号进行修饰,从而避免控制命令在风帆对舵正向补偿过大的情况产生输入饱和,同时利用分离型建模思想将风帆对船舶动力装置(螺旋桨、舵)的补偿作用融合至LVS制导算法中,满足工程任务背景下风帆助航船舶动力机制的能量补偿效应。所述分离型建模思想是基于力和力矩的叠加原理,也就是将作用于船舶上的流体动力和力矩分解作用于船舶运动方程的不同方向。对于本发明中针对船舶路径跟踪控制,主要基于分离型建模思想建立关于船舶操纵运动数学模型,也就是将动力学系统的系统输出(如转艏角速度、横向速度等)通过系统输入(如舵角、螺旋桨转速等)建立动态响应关系,再将海洋环境干扰力(力矩)叠加至对应自由度的船舶运动方程中。对于常规动力船舶而言,船舶前进的动力主要依靠螺旋桨转动产生向前的推进力,船舶转向依靠舵产生的转船力矩。而对于风帆助航船舶而言,由于风帆的存在,在模拟海洋环境中,风帆利用风能产生动力,进一步影响到船舶的动力机制。也就是说,船舶的前进力可由螺旋桨和风帆共同提供;船舶的转船力矩也由风帆和舵共同提供。综上所述,为了达到同样的船速或者转向角度,相比于常规动力船舶,风帆产生的力/力矩可以补偿本来应该完全由螺旋桨和舵提供的力/力矩,所述具有能耗优化效应的风帆助航船路径跟踪控制方法通过在船舶的数学模型中,考虑船舶风帆的力/力矩补偿,达到控制中的能量补偿作用。该控制方法引入混合阈值事件触发机制,避免了控制命令的频繁变化,用满足控制性能的阶跃信号代替连续时变信号,从而减少了通信负载和传输负担,避免了执行器的过度磨损。
在具体实施例中,步骤S1中所述风帆助航船舶运动数学模型具体为:
其中,x代表无人水面船舶前进方向位移;y代表无人水面船舶横漂方向位移;ψ代表无人水面船舶航向角;代表无人水面船舶前进方向位移的一阶微分;代表无人水面船舶横漂方向位移的一阶微分;代表无人水面船舶航向角的一阶微分;u代表无人水面船舶前进方向的速度;v代表无人水面船舶横漂方向的速度;r代表无人水面船舶航向角角速度;代表无人水面船舶前进方向的速度的一阶微分;代表无人水面船舶横漂方向的速度的一阶微分;r·代表无人水面船舶航向角角速度的一阶微分;fu(v)代表前进方向船体结构不确定项;fv(v)代表横漂方向船体结构不确定项;fr(v)代表艏摇方向船体结构不确定项;mu代表前进方向船体附加质量;mv表示本船横荡速度的位置模型参数;mr代表艏摇方向船体附加质量;dwu代表前进方向海洋环境干扰项;dwv代表横漂方向海洋环境干扰项;dwr代表艏摇方向海洋环境干扰项;τup代表螺旋桨产生的推力,τrr代表舵产生的转船力矩,τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;式中相关的物理意义可参考文献[7];
其中,ρw代表海水密度;n代表螺旋桨转速;Dp代表螺旋桨直径;tp代表作用于船体的水动力之间的干扰程度;KT代表螺旋桨的推进函数;J代表螺旋桨的推进系数;Ls代表风帆的升力系数;Ds代表风帆的阻力系数;ααw代表风帆的相对风向角;λr代表舵装置的展舷比;xr代表舵叶重心的尺寸参数;xh代表船的重心的尺寸参数;代表作用于舵装置的水动力(或力矩)之间的干扰程度;Ar代表舵叶面积;Ur代表船舶的前进的合速度;δ代表舵角;Ys代表前进方向风帆的推进力;xs代表风帆作用力中心在船舶附体坐标系中前进方向的坐标;ys代表风帆作用力中心在船舶附体坐标系中横漂方向的坐标;
所述逻辑虚拟小船运动数学模型为;
其中,xd是逻辑虚拟小船前进方向位置姿态,yd是逻辑虚拟小船横漂方向位置姿态;表示虚拟小船的位置坐标的横坐标的一阶微分;表示虚拟小船的位置坐标的纵坐标的一阶微分;ψd是逻辑虚拟小船的航向角位置姿态,ud是逻辑虚拟小船的参考速度;rd表示逻辑虚拟小船的艏摇角速度;表示逻辑虚拟小船的航向角位置姿态的一阶微分。
在具体实施例中,如图3所示,步骤S2中基于LVS制导算法,根据风帆助航船舶当前位置与逻辑虚拟小船当前位置计算对应的风帆助航船的制导信号具体为:
根据本船的当前姿态与逻辑虚拟小船的当前姿态,计算本船的制导信号ψdt
xe=xd-x
ye=yd-y
其中,xd是逻辑虚拟小船前进方向位置姿态,yd是逻辑虚拟小船横漂方向位置姿态;ψd是逻辑虚拟小船的航向角位置姿态,ψdt代表实船相对于自适应虚拟小船的制导信号,xe代表实船与自适应虚拟小船前进方向位置姿态误差,ye代表实船与自适应虚拟小船横漂方向位置姿态误差;x代表无人水面船舶前进方向位移;y代表无人水面船舶横漂方向位移;ze表示虚拟小船和本船之间的位置误差。
在船舶运动控制领域,执行路径跟踪任务时通常在人为设置的航路点基础上,并进一步通过制导算法生成参考路径,LVS制导是欠驱动船舶常用的一种制导方案,有效的解决了船舶控制工程中舵机和主机执行装置存在饱和或速率约束条件这一限制,但对于风帆助航船舶,风帆的补偿作用容易引起输入饱和限制,因此,在LVS制导算法的基础上,为避免控制系统系统性能受到输入饱和限制的影响,引入动态反馈评估规则修饰LVS制导产生的参考信号;
在具体实施例中,步骤S3中基于动态反馈评估规则对制导信号进行修饰以获得航向参考信号具体为
其中,ψdI代表经过非线性修饰后实船相对于自适应虚拟小船的航向角;ψdt代表实船相对于自适应虚拟小船的航向角;δ代表实船的实时舵角;δr代表反馈规则设计的动态参考舵角;δsat代表实船的饱和舵角。
在具体实施例中,步骤S4中根据逻辑虚拟小船与风帆助航船舶之间的姿态误差建立虚拟控制器,通过所述虚拟控制器的前进速度虚拟控制律与艏向角速度虚拟控制律调整位置和艏向角误差具体为:
步骤S4.1:根据逻辑虚拟小船与实船之间的姿态误差建立虚拟控制器;用于调整本船和制导信号的艏向角误差ψe与虚拟小船和本船之间的位置误差ze;
ψe=ψdI-ψ
其中,代表实船位移方向虚拟控制器正的设计参数;kr代表实船航向角方向虚拟控制器正德设计参数;ψdI代表经过非线性修饰后实船相对于自适应虚拟小船的航向角;代表经过非线性修饰后实船相对于自适应虚拟小船的航向角的一阶微分;ψ代表无人水面船舶航向角;δmin是保证实船始终在自适应虚拟小船后方的常数;ψe表示本船和制导信号的艏向角误差;xe代表实船与自适应虚拟小船前进方向位置姿态误差,ye代表实船与自适应虚拟小船横漂方向位置姿态误差;ze表示虚拟小船和本船之间的位置误差;αu表示前进速度虚拟控制律;αr表示艏摇角速度虚拟控制律;表示虚拟小船的位置坐标的横坐标的一阶微分;表示虚拟小船的位置坐标的纵坐标的一阶微分、v代表无人水面船舶横漂方向的速度;
步骤S4.2:由于反步法本身的限制,在下一步的推导需要对虚拟控制律进行求导,由于虚拟控制率本身已经形式复杂,若进行求导会极大增加计算量和控制律复杂程度,会引起“计算爆炸”问题,这也会使得控制律难以在实际工程中应用。因此引入动态面控制技术(DSC),为了避免这个问题的发生为了避免虚拟控制律在求导后引起的“计算度爆炸”问题,根据DSC技术更新前进速度虚拟控制律αu公式与艏摇角速度虚拟控制律αr公式为;
其中,τu是实船位移方向大于零的时间常数;τr是实船航向角方向大于零的时间常数;βu是实船位移方向虚拟控制器的滤波信号;βr是实船航向角方向虚拟控制器的滤波信号;qu为实船位移方向虚拟控制信号αu在通过滤波器时受到相位偏移和输入噪声的干扰而形成的滤波误差;表示针对虚拟控制律αu设计的前进速度动态面控制DSC一阶滤波器,表示针对虚拟控制律αr设计的艏摇角速度动态面控制DSC一阶滤波器、αu表示前进速度虚拟控制律;αr表示艏摇角速度虚拟控制律;qr为实船航向角方向虚拟控制信号αr在通过滤波器时受到相位偏移和输入噪声的干扰而形成的滤波误差。
在具体实施例中,步骤S5中基于混合阈值事件触发机制将输入至虚拟控制器的参数限制在有限集合中具体为:
对于螺旋桨产生的推力τup满足τup=Fu(·)|δn|δn,对于舵产生的转船力矩τrr满足τrr=Fr(·)δr;
其中,Fu(·)表示本船前进速度的未知控制增益函数,Fr(·)表示本船艏摇角速度的未知控制增益函数,δn表示螺旋桨的转速,δr表示舵角;
则根据螺旋桨转速δn和舵角δr设计混合阈值事件触发机制:
其中, 代表事件触发机制的计算误差;δΔ代表为了避免奇诺现象的正触发阈值参数;δi(t)代表在t时刻的控制律;考虑到固定触发阈值由人为设置,在设置过小时会频繁触发使得触发机制失效,因此引入混合阈值参数ωi;表示本次触发开始时刻;表示下次触发开始时刻;当输入误差被触发,则输入至控制器的参数在出发间隔内保持不变,避免了阈值参数设置不当容易引起的Zeno现象;
其中,δi代表触发后系统输出信号;δi(t)代表在t时刻的控制律;代表事件触发机制的计算误差;δn表示螺旋桨的转速;表示本次触发开始时刻的螺旋桨的转速;表示本次触发开始时刻的螺旋桨转速的控制律;δr表示舵角;表示本次触发开始时刻的舵角;表示本次触发开始时刻舵角的控制律;ωi代表混合阈值参数;ωi1代表动态阈值参数;代表动态阈值参数的一阶微分;ωi0代表静态阈值参数;ai是动态阈值参数系数;t代表时刻;δΔ代表为了避免奇诺现象的正触发阈值参数;κmi是控制信号权重值触发系数;κli是最小触发时刻权重系数;且Kmi=sign(δi)Kli。
在具体实施例中所述步骤S6中根据主机转速与舵角建立鲁棒自适应神经控制律与增益自适应律具体为
步骤S6.1:定义本船前进速度的误差动态ue=βu-u与本船艏摇角速度的误差动态re=βr-r,并对本船前进速度、本船艏摇角速度的误差动态进行求导获取动力学导数:
其中,表示本船前进速度的一阶导数,表示本船艏摇角速度的一阶导数,mu代表前进方向船体附加质量;mv表示本船横荡速度的位置模型参数;mr代表艏摇方向船体附加质量;dwu代表前进方向海洋环境干扰项;dwv代表横漂方向海洋环境干扰项;dwr代表艏摇方向海洋环境干扰项;τup代表螺旋桨产生的推力,τrr代表舵产生的转船力矩,τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;u代表无人水面船舶前进方向的速度;v代表无人水面船舶横漂方向的速度;r代表无人水面船舶航向角角速度;表示本船前进速度的非线性函数;表示本船艏摇角速度的非线性函数;
其中,表示针对虚拟控制律αu设计的前进速度DSC一阶滤波器的一阶导数,表示针对虚拟控制律αr设计的艏摇角速度DSC一阶滤波器的一阶导数;S(v)表示高斯函数;Fu(·)表示本船前进速度的未知控制增益函数;Fr(·)表示本船艏摇角速度的未知控制增益函数;vr表示艏摇运动方向上类干扰误差;vu表示前进运动方向上类干扰误差;bu表示前进运动方向上神经网络权重矩阵的范数;br表示艏摇运动方向上神经网络权重矩阵的范数;Wu表示前进运动方向上神经网络权重矩阵的单位矩阵;Wr表示艏摇运动方向上神经网络权重矩阵的单位矩阵;ue为本船前进速度的误差动态;re为本船艏摇角速度的误差动态;ωn代表本船前进速度混合阈值参数;ωr代表本船艏摇角速度混合阈值参数;mu代表前进方向船体附加质量;mr代表艏摇方向船体附加质量;kue为前进速度虚拟控制律αu二阶动力学位移方向鲁棒神经阻尼项的正参数;kre为艏摇角速度虚拟控制律αr二阶动力学航向角方向鲁棒神经阻尼项的正参数;表示本次触发开始时刻的螺旋桨的转速;表示本次触发开始时刻的舵角;kmn为控制前进速度信号权重值的触发系数;kmr为控制舵角速度信号权重值的触发系数;Φu(v)为位移方向鲁棒神经阻尼技术中合并的正参数;Φr(v)为航向角方向鲁棒神经阻尼技术中合并的正参数;
步骤S6.4:为了处理闭环系统的增益不确定问题,采用鲁棒自适应控制技术,定义位移自适应变量和航向角自适应变量做为和的估计值,根据主机转速和舵角获得鲁棒自适应神经控制律和增益相关自适应律,所述鲁棒自适应神经控制律和增益相关自适应律具体为:
其中,其中,mu代表前进方向船体附加质量;mr代表艏摇方向船体附加质量;τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;T(·)代表螺旋桨执行机构的增益不确定项;F(·)舵机执行机构增益不确定项;表示本次触发开始时刻的螺旋桨的转速;表示本次触发开始时刻的舵角;ku为前进速度虚拟控制律αu二阶动力学位移方向的正参数;kr为艏摇角速度虚拟控制律αr二阶动力学航向角方向的正参数;为前进方向虚拟控制器αn中的复合扰动自适应律;为艏摇角速度虚拟控制律αr中的复合扰动自适应律;kue为前进方向虚拟控制器αn二阶动力学位移方向鲁棒神经阻尼项的正参数;kre为艏摇角速度虚拟控制律αr二阶动力学航向角方向鲁棒神经阻尼项的正参数;kud为二阶动力学位移方向正的自适应参数;krd为二阶动力学航向角方向正的自适应参数;Φu(v)为位移方向鲁棒神经阻尼技术中合并的正参数;Φr(v)为航向角方向鲁棒神经阻尼技术中合并的正参数;ue为本船前进速度的误差动态;re为本船艏摇角速度的误差动态;Πu代表实船前进方向动力学自适应控制参数;Πr是航向角方向动力学自适应控制参数。
为了验证针对风帆助航船舶提出的控制算法具有明显优势,以38m小船作为被控对象(船舶参数参考文献[9]),如图5所示,在模拟海洋环境下利用MATLAB仿真平台开展数值实验,包括风帆能量优化对比实验及事件触发效果对比试验。船舶初始状态[x(0),y(0),ψ(0),ψtw(0),u(0),v(0),r(0)]=[0m,0m,0deg,0deg,0deg,0m/s,0m/s];
如图5至图11,展示了所提出算法和对比算法在模拟海洋环境干扰下的仿真实验结果。图5描述了基于航路点的非线性修饰LVS制导产生的参考轨迹及两种算法的跟踪轨迹。图6描述了两种算法的位置和方向误差,所提算法的误差收敛速度优于对比算法,并且在直线路径和曲线路径抖振频率低于对比算法。图7描述了两种算法的控制输入对比。图8描述了所提算法下的总推力和推力分量。图9描述了总力矩和帆力矩分量。图10至图11分别展示了针对舵角和螺旋桨的触发时间间隔。
结合控制器设计、仿真实验和现有技术,本发明在海洋工程应用中主要存在以下三点有益效果:1)为避免控制输入受到饱和约束进而影响控制系统性能,本发明提出一种改进的LVS制导算法,对LVS制导原理产生的参考信号根据动态反馈评估规则进行非线性修饰,有效缓解了控制输入信号饱和问题。
2)提出一种混合阈值参数事件触发控制策略,与现有触发机制相比,混合阈值参数依据控制器需求动态变化,在控制器性能和资源利用之间找到一种新的平衡。
3)在控制方法中,考虑了帆-螺旋桨、帆-舵两个自由度的作用,该控制方法关注帆力对于船舶运动的耦合作用,通过仿真实验证明在节约能源方面有着重要意义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种具有能耗优化效应的风帆助航船路径跟踪控制方法,其特征在于,包括:
步骤S1:建立本船的风帆助航船舶运动数学模型与逻辑虚拟小船运动数学模型;
步骤S2:根据电子海图在航行路径中设置航路点信息,根据航路点信息产生全局参考路径,使得逻辑虚拟小船基于全局参考路径航行;航路点信息包括航路点的方位信息与风向信息;
基于LVS制导算法,根据风帆助航船舶当前位置与逻辑虚拟小船当前位置计算对应的风帆助航船的制导信号;
步骤S3:基于动态反馈评估规则对制导信号进行修饰以获得航向参考信号,并将所述航向参考信号传递至风帆助航船的控制系统;
步骤S4:所述风帆助航船的控制系统根据航向参考信号获取逻辑虚拟小船与风帆助航船舶之间的姿态误差,并根据逻辑虚拟小船与风帆助航船舶之间的姿态误差建立虚拟控制器,所述姿态误差包括横纵坐标误差、横纵方向位置姿态误差以及艏向角误差,通过所述虚拟控制器的前进速度虚拟控制律与艏向角速度虚拟控制律调整位置和艏向角误差;
步骤S5:设计混合阈值事件触发机制,将输入至虚拟控制器的参数限制在有限集合中,所述参数包括本船的舵角、前进速度虚拟控制律以及艏摇角速度虚拟控制律;
步骤S6:定义本船前进速度的误差动态、本船艏摇角速度的误差动态,并对本船前进速度的误差动态、本船艏摇角速度的误差动态求导获得动力学导数,基于混合阈值事件触发机制更新所述动力学导数;定义位移自适应变量θu和航向角自适应变量θr,根据θu和θr处理海洋扰动;根据主机转速与舵角建立鲁棒自适应神经控制律与增益自适应律,根据鲁棒自适应神经控制律、增益相关自适应律计算本船的主机转速和舵角;所述风帆助航船的控制系统根据主机转速和舵角控制本船航行。
2.根据权利要求1所述的一种具有能耗优化效应的风帆助航船路径跟踪控制方法,其特征在于,步骤S1中所述风帆助航船舶运动数学模型具体为:
其中,x代表无人水面船舶前进方向位移;y代表无人水面船舶横漂方向位移;ψ代表无人水面船舶航向角;代表无人水面船舶前进方向位移的一阶微分;代表无人水面船舶横漂方向位移的一阶微分;代表无人水面船舶航向角的一阶微分;u代表无人水面船舶前进方向的速度;v代表无人水面船舶横漂方向的速度;r代表无人水面船舶航向角角速度;代表无人水面船舶前进方向的速度的一阶微分;代表无人水面船舶横漂方向的速度的一阶微分;代表无人水面船舶航向角角速度的一阶微分;fu(v)代表前进方向船体结构不确定项;fv(v)代表横漂方向船体结构不确定项;fr(v)代表艏摇方向船体结构不确定项;mu代表前进方向船体附加质量;mv表示本船横荡速度的位置模型参数;mr代表艏摇方向船体附加质量;dwu代表前进方向海洋环境干扰项;dwv代表横漂方向海洋环境干扰项;dwr代表艏摇方向海洋环境干扰项;τup代表螺旋桨产生的推力,τrr代表舵产生的转船力矩,τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;
其中,ρw代表海水密度;n代表螺旋桨转速;Dp代表螺旋桨直径;tp代表作用于船体的水动力之间的干扰程度;KT代表螺旋桨的推进函数;J代表螺旋桨的推进系数;Ls代表风帆的升力系数;Ds代表风帆的阻力系数;ααw代表风帆的相对风向角;λr代表舵装置的展舷比;xr代表舵叶重心的尺寸参数;xh代表船的重心的尺寸参数;αh表示作用在舵上的力矩之间的干涉程度;代表作用于舵装置的水动力(或力矩)之间的干扰程度;Ar代表舵叶面积;Ur代表船舶的前进的合速度;δ代表舵角;Ys代表前进方向风帆的推进力;xs代表风帆作用力中心在船舶附体坐标系中前进方向的坐标;ys代表风帆作用力中心在船舶附体坐标系中横漂方向的坐标;
所述逻辑虚拟小船运动数学模型为;
3.根据权利要求1所述的一种具有能耗优化效应的风帆助航船路径跟踪控制方法,其特征在于,步骤S2中基于LVS制导算法,根据风帆助航船舶当前位置与逻辑虚拟小船当前位置计算对应的风帆助航船的制导信号具体为:
根据本船的当前姿态与逻辑虚拟小船的当前姿态,计算本船的制导信号ψdt
xe=xd-x
ye=yd-y
其中,xd是逻辑虚拟小船前进方向位置姿态,yd是逻辑虚拟小船横漂方向位置姿态;ψd是逻辑虚拟小船的航向角位置姿态,ψdt代表实船相对于自适应虚拟小船的制导信号,xe代表实船与自适应虚拟小船前进方向位置姿态误差,ye代表实船与自适应虚拟小船横漂方向位置姿态误差;x代表无人水面船舶前进方向位移;y代表无人水面船舶横漂方向位移;ze表示虚拟小船和本船之间的位置误差。
5.根据权利要求1所述的一种具有能耗优化效应的风帆助航船路径跟踪控制方法,其特征在于,步骤S4中根据逻辑虚拟小船与风帆助航船舶之间的姿态误差建立虚拟控制器,通过所述虚拟控制器的前进速度虚拟控制律与艏向角速度虚拟控制律调整位置和艏向角误差具体为:
步骤S4.1:根据逻辑虚拟小船与实船之间的姿态误差建立虚拟控制器;用于调整本船和制导信号的艏向角误差ψe与虚拟小船和本船之间的位置误差ze;
ψe=ψdI-ψ
其中,代表实船位移方向虚拟控制器正的设计参数;kr代表实船航向角方向虚拟控制器正德设计参数;ψdI代表经过非线性修饰后实船相对于自适应虚拟小船的航向角;ψ代表无人水面船舶航向角;δmin是保证实船始终在自适应虚拟小船后方的常数;ψe表示本船和制导信号的艏向角误差;xe代表实船与自适应虚拟小船前进方向位置姿态误差,ye代表实船与自适应虚拟小船横漂方向位置姿态误差;ze表示虚拟小船和本船之间的位置误差;αu表示前进速度虚拟控制律;αr表示艏摇角速度虚拟控制律;表示虚拟小船的位置坐标的横坐标的一阶微分;表示虚拟小船的位置坐标的纵坐标的一阶微分、v代表无人水面船舶横漂方向的速度;
步骤S4.2:根据DSC技术更新前进速度虚拟控制律αu公式与艏摇角速度虚拟控制律αr公式为;
6.根据权利要求1所述的一种具有能耗优化效应的风帆助航船路径跟踪控制方法,其特征在于,步骤S5中设计混合阈值事件触发机制,将输入至虚拟控制器的参数限制在有限集合中具体为:
对于螺旋桨产生的推力τup满足τup=Fu(·)δnδn,对于舵产生的转船力矩τrr满足τrr=Fr(·)δr;
其中,Fu(·)表示本船前进速度的未知控制增益函数,Fr(·)表示本船艏摇角速度的未知控制增益函数,δn表示螺旋桨的转速,δr表示舵角;
根据螺旋桨转速δn和舵角δr设计混合阈值事件触发机制:
其中,δi代表触发后系统输出信号;代表事件触发机制的计算误差;δΔ代表为了避免奇诺现象的正触发阈值参数;δi(t)代表在t时刻的控制律;ωi代表混合阈值参数;表示本次触发开始时刻;表示下次触发开始时刻;当输入误差被触发,则输入至控制器的参数在触发间隔内保持不变;
7.根据权利要求1所述的一种具有能耗优化效应的风帆助航船路径跟踪控制方法,其特征在于,所述步骤S6中根据主机转速与舵角建立鲁棒自适应神经控制律与增益自适应律具体为
步骤S6.1:定义本船前进速度的误差动态ue=βu-u与本船艏摇角速度的误差动态re=βr-r,并对本船前进速度、本船艏摇角速度的误差动态进行求导获取动力学导数:
其中,表示本船前进速度的一阶导数,表示本船艏摇角速度的一阶导数,mu代表前进方向船体附加质量;mv表示本船横荡速度的位置模型参数;mr代表艏摇方向船体附加质量;dwu代表前进方向海洋环境干扰项;dwv代表横漂方向海洋环境干扰项;dwr代表艏摇方向海洋环境干扰项;τup代表螺旋桨产生的推力,τrr代表舵产生的转船力矩,τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;u代表无人水面船舶前进方向的速度;v代表无人水面船舶横漂方向的速度;r代表无人水面船舶航向角角速度;fu(v)表示本船前进速度的非线性函数;fr(v)表示本船艏摇角速度的非线性函数;
其中,表示针对虚拟控制律αu设计的前进速度DSC一阶滤波器的一阶导数,表示针对虚拟控制律αr设计的艏摇角速度DSC一阶滤波器的一阶导数;S(v)表示高斯函数;Fu(·)表示本船前进速度的未知控制增益函数;Fr(·)表示本船艏摇角速度的未知控制增益函数;vr表示艏摇运动方向上类干扰误差;vu表示前进运动方向上类干扰误差;bu表示前进运动方向上神经网络权重矩阵的范数;br表示艏摇运动方向上神经网络权重矩阵的范数;Wu表示前进运动方向上神经网络权重矩阵的单位矩阵;Wr表示艏摇运动方向上神经网络权重矩阵的单位矩阵;ue为本船前进速度的误差动态;re为本船艏摇角速度的误差动态;ωn代表本船前进速度混合阈值参数;ωr代表本船艏摇角速度混合阈值参数;mu代表前进方向船体附加质量;mr代表艏摇方向船体附加质量;kue为前进速度虚拟控制律αu二阶动力学位移方向鲁棒神经阻尼项的正参数;kre为艏摇角速度虚拟控制律αr二阶动力学航向角方向鲁棒神经阻尼项的正参数;表示本次触发开始时刻的螺旋桨的转速;表示本次触发开始时刻的舵角;kmn为控制前进速度信号权重值的触发系数;kmr为控制舵角速度信号权重值的触发系数;Φu(v)为位移方向鲁棒神经阻尼技术中合并的正参数;Φr(v)为航向角方向鲁棒神经阻尼技术中合并的正参数;
步骤S6.4:定义和做为位移自适应变量θu=[(1+κmn)/(muT(·))]和航向角自适应变量θr=[(1+κmr)/(mrF(·))]的估计值,根据主机转速和舵角获得鲁棒自适应神经控制律和增益相关自适应律,所述鲁棒自适应神经控制律和增益相关自适应律具体为:
其中,mu代表前进方向船体附加质量;mr代表艏摇方向船体附加质量;τus代表风帆产生的推力;τrs代表风帆产生的转船力矩;T(·)代表螺旋桨执行机构的增益不确定项;F(·)舵机执行机构增益不确定项;表示本次触发开始时刻的螺旋桨的转速;表示本次触发开始时刻的舵角;ku为前进速度虚拟控制律αu二阶动力学位移方向的正参数;kr为艏摇角速度虚拟控制律αr二阶动力学航向角方向的正参数;为前进方向虚拟控制器αn中的复合扰动自适应律;为艏摇角速度虚拟控制律αr中的复合扰动自适应律;kue为前进方向虚拟控制器αn二阶动力学位移方向鲁棒神经阻尼项的正参数;kre为艏摇角速度虚拟控制律αr二阶动力学航向角方向鲁棒神经阻尼项的正参数;kud为二阶动力学位移方向正的自适应参数;krd为二阶动力学航向角方向正的自适应参数;Φu(v)为位移方向鲁棒神经阻尼技术中合并的正参数;Φr(v)为航向角方向鲁棒神经阻尼技术中合并的正参数;ue为本船前进速度的误差动态;re为本船艏摇角速度的误差动态;Πu代表实船前进方向动力学自适应控制参数;Πr是航向角方向动力学自适应控制参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310112116.3A CN116048090A (zh) | 2023-02-14 | 2023-02-14 | 一种具有能耗优化效应的风帆助航船路径跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310112116.3A CN116048090A (zh) | 2023-02-14 | 2023-02-14 | 一种具有能耗优化效应的风帆助航船路径跟踪控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116048090A true CN116048090A (zh) | 2023-05-02 |
Family
ID=86118139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310112116.3A Pending CN116048090A (zh) | 2023-02-14 | 2023-02-14 | 一种具有能耗优化效应的风帆助航船路径跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116048090A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117270391A (zh) * | 2023-09-25 | 2023-12-22 | 大连海事大学 | 一种面向网箱巡检的转筒帆助航船自适应触发控制方法 |
-
2023
- 2023-02-14 CN CN202310112116.3A patent/CN116048090A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117270391A (zh) * | 2023-09-25 | 2023-12-22 | 大连海事大学 | 一种面向网箱巡检的转筒帆助航船自适应触发控制方法 |
CN117270391B (zh) * | 2023-09-25 | 2024-04-30 | 大连海事大学 | 一种面向网箱巡检的转筒帆助航船自适应触发控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Robust model predictive control for path-following of underactuated surface vessels with roll constraints | |
CN111736600B (zh) | 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法 | |
CN110673598B (zh) | 一种水面无人艇智能路径跟踪控制方法 | |
CN111487966B (zh) | 一种基于航路点的水面无人艇自适应路径跟踪控制方法 | |
Fan et al. | Course keeping control based on integrated nonlinear feedback for a USV with pod-like propulsion | |
CN112650231B (zh) | 一种实现避碰和避障的欠驱船编队控制系统 | |
CN111158383A (zh) | 基于干扰观测器和rbfnn的无人艇航迹跟踪控制方法 | |
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 | |
CN114442640B (zh) | 一种水面无人艇轨迹跟踪控制方法 | |
CN111857165B (zh) | 一种水下航行器的轨迹跟踪控制方法 | |
CN114089749A (zh) | 无人艇运动控制抗扰控制器及方法 | |
Fu et al. | A novel asymmetrical integral barrier Lyapunov function-based trajectory tracking control for hovercraft with multiple constraints | |
Wu et al. | Adaptive neural network and extended state observer-based non-singular terminal sliding modetracking control for an underactuated USV with unknown uncertainties | |
CN116048090A (zh) | 一种具有能耗优化效应的风帆助航船路径跟踪控制方法 | |
CN117707162A (zh) | 基于改进lvs制导的无人帆船动态事件触发控制方法 | |
CN115079698A (zh) | 欺骗攻击任务下的无人水面船路径跟踪时间触发控制方法 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
Yuan et al. | An efficient control allocation algorithm for over-actuated AUVs trajectory tracking with fault-tolerant control | |
Zhang et al. | Hybrid threshold event-triggered control for sail-assisted USV via the nonlinear modified LVS guidance | |
Song et al. | Event-triggered fuzzy finite-time reliable control for dynamic positioning of nonlinear unmanned marine vehicles | |
CN109752957B (zh) | 一种无人艇的制导指令调节器结构及设计方法 | |
Shao et al. | Sideslip angle observation-based LOS and adaptive finite-time path following control for sailboat | |
Chen et al. | Improved line-of-sight nonlinear trajectory tracking control of autonomous underwater vehicle exposed to high variable speed ocean currents | |
Shi et al. | Fuzzy sliding-mode controller for the motion of autonomous underwater vehicle | |
Liu et al. | Research on key methods of autonomous sailboat’s position keeping control |
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 |