文摘
微分进化算法(DEA)的迭代滑模控制(ISMC)方法,提出了潜浮性能的路径跟踪问题(三自由度)欠驱动船舶受到外部干扰,与数学模型提出的非线性分离模型组(MMG)。提高控制质量,提高控制系统的鲁棒性,群体智能优化算法设计控制器参数优化系统。系统中采用DEA解决最小系统评价指标函数,和最优控制器参数。考虑抖振的影响在实际的项目中,抖振测量函数是定义在控制器设计和使用作为输入控制器的参数优化系统。最后,5446 teu集装箱船进行了模拟。验证,设计的控制器具有较强的鲁棒性可以有效应对干扰;同时,输出的唠叨是显著降低,控制舵角信号符合船舶的实际操作要求,更符合工程实际。
1。介绍
与持续改进船舶自动化需求,欠驱动船舶运动控制的问题已经逐渐引起了学者们的注意。under-driven船舶的非线性控制方法可以提高船舶的机动性和船舶改善经济和安全操作。同时,海洋经济的持续发展,有必要完成复杂的任务,比如海底管道铺设、海洋资源勘探、海洋钻井平台定位和海洋补给,这要求越来越精确的船舶控制。因此,它具有重要的理论意义和实用价值,研究under-driven水面舰艇的运动控制。
近年来,随着轨迹控制,要求更多的船轨迹跟踪控制已应用于实际工程,也有越来越多的研究轨迹跟踪。•(1)使用输出反馈方法跟踪预定船轨迹,最后仿真实现了1:70年实际模型。Ghommam [2)使用推方法实现全球逐渐稳定,实现under-driven船只的轨迹跟踪。傅明宇[3)设计了一个semiglobal均匀指数稳定的控制器。然而,文献的缺点1- - - - - -3是,他们都是在理想条件下;也就是说,没有干扰或只是不断的干扰。杨还利用下推方法实现轨迹跟踪时变干扰(4]。Annamalai [5)使用模型预测控制,适应网络环境,和控制船舶突然扰动,具有良好的效果。
也有相当大的船舶跟踪跟踪研究。一些学者使用滑模方法和迭代滑动模式来处理不确定性。崔et al。6)提议将状态观测器与自适应技术和通过李雅普诺夫理论设计控制器。辅助系统是直接用来解决输入饱和问题船控制输入饱和的限制,以达到期望的效果(7]。文献[8]使用最小参数方法近似模型的未知项和取代了在线学习的所有权价值标准神经网络在线学习的重量,从而减少控制器的计算量和获得良好的控制效果9]。文献[10]利用滑模控制技术开发方案的路径跟踪驱动自主水下航行器。本文还提出了一个方法开发健壮的控制器与模型不确定性和不同类型的干扰。
上述船舶路径跟踪控制研究主要利用Fossen模型。控制变量使用Fossen模型得到的侧推力,纵向推力和转船。全驱动船,这些控制力量,时刻需要优化计算,然后分发给每个螺旋桨实现控制。对于单个推进器和单舵under-driven船只,这些控制力量和时间需要进一步转换和映射到舵角和柴油油门。因此,控制使用Fossen模型获得的价值远船舶控制系统的实际工程应用[11]。
为此,欠驱动船舶的轨迹跟踪控制是设计基于分离模型提出的数学模型组(MMG) [12]。通过定义一个控制变量抖振测量变量和强化学习信号,可以在线调整神经网络的参数,从而进一步抑制抖振的控制变量。关于欠驱动船舶轨迹跟踪控制的问题,强化学习方法(13),提出了神经网络自适应ISMC方法与MMG模型船。控制器的设计直接获得控制变量,如柴油机速度和舵角,促进工程的应用。沈et al。14)提出了一种最小参数自适应递归的滑模控制策略,在时变范围;输出有效地扩大活动范围有限,哪个更符合实际的近海工程应用[15]。
随着智能控制技术的发展(16,一些智能控制方法17)不断融入towing-driven跟踪控制。例如,在动力循环的设计,Zhang et al。18)设计了神经网络权值的自适应律,实现在线估计系统非线性和实际控制律的设计。的有效路径的跟踪一个32米长单under-driven船是意识到。针对困难的参数调优和抗干扰能力差的问题在传统非线性autodisturbance拒绝控制船的轨迹控制,采用神经网络识别系统,和这两个参数对整体控制效果(影响更大19]。针对复杂控制问题的环境中,控制器稳定性低,和大量的算法计算面临的轨迹跟踪控制的智能船舶、深度确定的策略梯度算法实现的控制器,和离线学习方法用于训练控制器。为了实现精确控制跟踪的20.戴],[21]用浊度与收缩因子粒子群算法解决多参数优化问题的迭代滑模控制器自动靠泊under-driven船只和实现自动泊位5446 teu集装箱船的干扰下,通过计算机模拟风浪。在文献[22),船航向的自适应滑模控制设计的遗传优化算法。在欠驱动船舶运动控制方案,提出了滑模面反馈方法对船舶运动。从文献可以看出16- - - - - -20.)能实现更好的控制效果,在使用智能方法优化控制器参数。
受上述观察结果,介绍了双曲正切函数设计迭代滑模系统微分进化算法,提出了一种自适应ISMC方法船(23]。该方法应用于欠驱动船舶路径跟踪。此外,构造控制参数优化系统,提高控制质量,提高控制系统的鲁棒性。系统的状态跟踪偏航,航向偏差,和舵角嚷嚷起来作为输入,采用微分进化算法解决最小输出最优控制器参数。最后,用一个类型的集装箱船为目标,船进行路径跟踪控制仿真,干扰环境下如海风和海浪,和迭代滑模控制器的仿真结果进行比较和分析。
2。问题描述
目前,Fossen船舶运动模型(24是用于研究船的轨迹跟踪控制。计算输出通常是三个控制变量船舶纵向和横向推力和转矩。传统under-driven船舶螺旋桨和舵,这三个控制变量需要转换。这是柴油发动机的速度和操舵装置的命令舵角。因此,相比之下,船的实际应用程序控制,控制量由Fossen模型不能直接使用。为了符合实际的工程应用,本文将设计控制器根据MMG分离模型直接获得控制变量,如柴油机转速和舵角。MMG模型(14,15)的水平运动under-driven船可以表示如下: 在哪里 , ,和 ,所生成的流体动力裸船体,分别代表了纵向力、侧向力、转动力矩; , ,和 ,分别代表了纵向力、侧向力和旋转的螺旋桨; , ,和的纵向力、侧向力和转动舵的时刻,分别; , ,和 ,分别是由风表示纵向力、侧向力、转动力矩; , ,和 ,由波,分别代表了纵向力、侧向力、转动力矩;代表了船的质量;和和代表其他船的质量在纵向和横向的方向。和分别代表船舶惯性矩;代表该船的纵向速度;代表当前速度;代表该船的横向速度;代表转速;和站在船的纵向和横向位置;代表船的航向;和代表当前的方向。
船舶在实现轨迹跟踪控制,轨迹误差的定义是非常重要的。本文中的轨迹误差的定义如图1,在那里 代表的预置点轨迹在地理坐标; 代表实际船船的跟踪轨迹点的坐标;代表两个点的距离;代表预期的船舶航向;和和代表纵向和侧向轨迹的偏差。如果这两个错误的和可以控制接近零,那么可以认为这艘船跟踪期望轨迹。
假设预期的点的轨迹点实际点和方向角 ,以下方程从图中获得1:
然后,系统控制器的设计目标如下:船舶MMG模型方程(1)和船的轨迹跟踪误差方程(2),一个自适应跟踪控制方法的目的是确保系统的所有信号的渐近收敛同时under-driven船可以在有限的时间内跟踪预定轨迹。
3所示。船舶运动的设计跟踪控制器
先给出如下定理:
定理1。考虑一个零级非线性标量系统: 在哪里代表了状态变量,代表输入,代表输出。
考虑以下三个假设:(1)态函数被定义为 ,和代表了连续函数的有界性(2)有界非线性连续函数被认为是 与有界性(3)获得的控制输入的符号,和假设
构造以下反馈控制律: 在哪里 和 。
证明。的微分方程(4),它可以获得 构造李雅普诺夫函数 的微分方程(6)和用方程(4)和(5),它可以被称为 考虑 ,下面的不平等是获得与常量和 : 进一步,可以获得以下结果: 因此,用李雅普诺夫理论,零级非线性标量系统(3)是一致渐近稳定,定理1成立。
3.1。ISMC设计
表面构造四阶滑模切换函数和双曲正切函数。 在哪里∼∈和 。
它被认为是 ,的纵向和横向组件舵力远小于扭矩,和角小于直角。因此,第一次尝试推导出单调函数构造的最高位滑模面之间的关系和舵角 ,然后使用定理1设计反馈控制律,证明了跟踪误差渐近收敛的。
根据方程的数学关系10),我们就可以知道 当时,有 和 。当 ,有
根据方程(MMG船模型1),它可以通过扩大获得如下: 在哪里是重新审视作为输出 ,在方程(4)。考虑到是由 ,在方程(13),能被视为控制变量 。获得,是一个连续有界非线性函数。它可以指如下:
为了防止船航行在相反的方向上,它可以假定,在初始时,航向偏差角是设置为 。众所周知, 假设(1)。因此,它可以得到方程(14)满足条件,这是大于零的基于三角函数的性质。此外,控制律的设计
根据定理1,然后与控制律方程(15),方程(14)可以达到渐近稳定, 。从第一个方程,方程(11),它可以获得
因此,跟踪偏差也渐近稳定。所以,如果只 实现,跟踪偏差可以保证收敛稳定。
为了实现 ,采用滑模面后反馈控制律: 在哪里 和 。
充分扩大后在方程(10),它可以被称为
计算偏导数的方程(18) ,考虑到只有舵力矩 ,方向舵横向分力 ,和舵的纵向分力有关输入舵角 ,它可以获得 在哪里 , 代表一个函数与积极的价值,代表舵角,代表有效迎角,这是相关的 。所以, ,建立了约束 。
考虑到实际的指导,舵力的纵向和横向组件和和他们获得比扭矩小得多 。
根据三角函数和双曲三角函数的有界性这样下面的方程是:
因此,从方程(17)和(20.)和定理1,它可以获得渐近收敛于零,以保证跟踪误差的渐近收敛和实现路径跟踪目标。
3.2。基于微分进化算法优化控制器的参数
从船上的处理特点,它可以知道船上的辊和干扰会导致控制舵角来回波动。如果控制器参数设计不合理或不适当,这种波动的频率和幅度将会增加。延长设备的寿命,使控制效果接近实际指导需求,喋喋不休舵的输出应该尽可能减少。因此,如果设计ISMC适应性、系统控制性能将得到改善。
获得的是参数对控制系统的鲁棒性和质量有很大的影响在方程(17)。同样的,∼还将对控制性能有一定的影响。所以,本文的优化问题是找到最好的控制器参数在外部扰动的情况下,和设计的优化算法可以使这些参数自适应和外部扰动时动态调整变化。
出于这个原因,上述控制参数优化系统的目的是调整控制器参数∼通过跟踪偏差的变化。与此同时,一种喋喋不休的测量变量定义,微分进化算法(DEA),构造系统的在线优化(25,26)减少输出抖振的控制输入。DEA-based适应性ISMC是为船舶设计的路径跟踪,如图2。在参数优化,优化系统27,28设计,需要跟踪偏差作为输入来实现自适应调整控制参数∼。其输入的跟踪偏差和控制舵角 。
控制器的参数优化问题是确定一组适当的初始参数和选择指标来衡量是否最优参数的初始值。选择以下评价指标: 在哪里性能指标,追踪偏差,是航向偏差,代表了舵角喋喋不休,代表的速度(腐烂),代表迭代的总数,∼的系数。它的大小通常是基于航行水域的环境条件。
舵角振动的测量在方程(21使用以下宣传(计算)15]: 在哪里代表预期的舵角抖振值,这取决于设计师的要求系统抖振。被定义为的累积中绝对值的总和吗迭代。如果该值的增加周期,这意味着聊天增加;相反,如果的价值减少n周期,这意味着减少轰轰烈烈。因此,的变化可以调整。的计算米被描述为 在哪里代表了模拟期间,和是不同时期的舵角值之前和之后,是积累的数量( ),和定义如下:
颤振发生时在系统的输出,输出的变化趋势将会改变,在方程(24)。结合方程(23),改变轰轰烈烈的输出将在最后一个周期。
完整的跟踪路线作为优化的数据。优化过程参数如图3。DEA和仿真软件模型之间的转换是单个基因(ISMC参数)和健身的个人。DEA模块通过接收性能指标分配个人参数。仿真软件模块出口接收个人对应的性能指标参数。
详细的过程描述DEA-based ISMC的优化参数。
步骤1。初始化基因数量和参数。随机生成一个初始个体的基因如下: 在哪里和代表个人的上界和下界,和的范围是 。
步骤2。最初的基因数量分配∼,参数传输到控制器来控制船舶执行跟踪跟踪操作,然后计算性能指标函数根据方程(21),进一步判断终止条件是否满足。如果终止条件满足,进化算法结束,退出;否则,继续步骤3。
步骤3(突变操作)。随机选择 , ,和三个人不同从j代人口执行变异操作来生成一个变种基因的个体 。 在哪里∼是数字, ; 进化代数, ;和是一个因素。
步骤4(交叉操作)。产生新个体 与变异个体 与进化个体 ,这可以增强多样性。 在哪里代表概率和 。
第5步。与贪婪策略,选择和操作来生成新一代种群个体。 选择的是 。生成下一代粒子,并返回步骤2,重复进化操作,直到最大进化代数是达到了。 在哪里 和代表性能指标函数。
4所示。计算机仿真研究船舶路径跟踪控制
在本部分中,船的轨迹集成控制系统设计在第三节将通过计算机仿真验证。强调自动优化迭代滑模控制参数的在线优化系统设计的微分进化算法在外部干扰的情况下,实现参数的自适应调整。
本文使用5446 teu集装箱船(14)为对象进行路径跟踪控制仿真来验证设计的控制器。同时,风和波的干涉模型MMG分离船舶运动模型的计算方法采用文献[14]。船舶在测试,初始坐标是(0,0),和初始速度是20 kn。跟踪的中心圆(2000、2000),和半径是2000米。与此同时,环境因素设置如下:15米/秒风速;风向是140°;目前的速度是2.5米/秒;电流方向是160°;波高度是4米,遇到频率是0.6赫兹。
ISMC和DEA-based ISMC分别设计,用于模拟船舶路径跟踪。的参数反馈控制器设置为0.001,预期的舵角喋喋不休的价值设置为0.1。控制器的设计参数∼通过优化系统是基于微分进化算法(DEA),和参数预置如下: , , ,和 。
微分进化算法的适应度函数变化曲线如图4,它反映了进化过程。数据5- - - - - -8的曲线轨迹,轨迹误差,舵角和参数变化的仿真实验中设置圆形路径跟踪设定的工作条件下的船。
获得的是迭代滑模算法(互联网统计)和DEA-based迭代滑模算法(DEA-ISMA)快速跟上目标路径,但互联网统计较大的跟踪误差从图5。它可以更直观地从图6互联网统计方法和DEA-ISMA方法应用于路径跟踪的稳定时间大约300年代。然而,互联网统计方法总是有一个大错误。不难发现从图7船舶使用互联网统计最大舵角大约是20°,虽然船使用的最大舵角DEA-ISMA方法只有12°。度的振荡舵角更小,操舵装置不会过度磨损,和实际需求满足船舶航行。从图可以看出8的参数∼初上的剧烈变化的相对幅度相对较大。当路径不跟踪,调整∼在更大程度上减少错误尽快。跟踪后,在一个小范围的调整。只有消除抖振的参数,DEA-based优化系统实现动态调整的参数。它可以获得DEA-ISMA方法比互联网统计方法有更好的控制效果,更稳定,更准确、更一致的。它更符合项目的实际需求,从图5- - - - - -8。
5。结论
考虑到船的实际工程需求路径跟踪控制,从MMG船模型,群体智能优化的想法是用于参考,和DEA方法。和自适应ISMC DEA-based方法应用于欠驱动船舶路径跟踪。
计算实例表明,与互联网统计方法相比,DEA-ISMA方法更健壮,更精确的路径跟踪,同时有效范围,和更高的效率。同样,与迭代滑模相比,舵角控制器得到的冲击是显著降低,可有效保护舵装置,这有利于节能和更符合实际工程的需要。
数据可用性
用于实验验证的相关数据文本中列出。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
所有作者的贡献同样这项工作。
确认
这项工作是由中国国家自然科学基金支持下批准号51909155国家重点研发项目批准号下2019 yfb1600602。