本發(fā)明涉及艦船執(zhí)行機(jī)構(gòu)控制，尤其涉及基于融合優(yōu)化算法的艦船執(zhí)行機(jī)構(gòu)運(yùn)動控制方法。

背景技術(shù)：

1、艦船執(zhí)行機(jī)構(gòu)控制是船舶工程領(lǐng)域的一個重要研究方向，其目的是通過控制艦船的各種執(zhí)行機(jī)構(gòu)，如主推進(jìn)器、舵、側(cè)推器和減搖鰭等，實現(xiàn)對艦船運(yùn)動的精確控制。隨著現(xiàn)代艦船向大型化、智能化和多功能化發(fā)展，對執(zhí)行機(jī)構(gòu)控制的精度和可靠性要求越來越高。艦船在復(fù)雜海況下面臨著各種外部干擾，如風(fēng)、浪、流等，這給執(zhí)行機(jī)構(gòu)控制帶來了巨大挑戰(zhàn)。

2、在艦船執(zhí)行機(jī)構(gòu)控制領(lǐng)域，pid（比例-積分-微分）控制器是最常用的控制方法之一。pid控制器因其結(jié)構(gòu)簡單、魯棒性好而被廣泛應(yīng)用于艦船控制系統(tǒng)中。它通過計算誤差的比例項、積分項和微分項，并將這三項的加權(quán)和作為控制輸出，從而實現(xiàn)對系統(tǒng)的控制。pid控制器的優(yōu)點在于其易于實現(xiàn)和調(diào)節(jié)，對系統(tǒng)參數(shù)變化具有一定的適應(yīng)能力。然而，在處理強(qiáng)非線性、大時滯和時變系統(tǒng)時，傳統(tǒng)pid控制器的性能可能會受到限制。因此，如何優(yōu)化pid控制器的參數(shù)以適應(yīng)復(fù)雜的艦船動力學(xué)和海洋環(huán)境，成為研究的重點之一。

3、針對pid控制器的優(yōu)化，研究人員提出了多種算法，如遺傳算法、粒子群優(yōu)化算法、蟻群算法等。這些算法通過模擬自然界的進(jìn)化或群體行為，在解空間中搜索最優(yōu)解，以實現(xiàn)pid控制器參數(shù)的自動調(diào)整。然而，現(xiàn)有的優(yōu)化算法在處理高維復(fù)雜問題時仍存在一些不足。首先，單一的優(yōu)化算法容易陷入局部最優(yōu)，難以獲得全局最優(yōu)解。其次，大多數(shù)算法未充分考慮艦船動力學(xué)特性和環(huán)境因素的影響，導(dǎo)致優(yōu)化結(jié)果在實際應(yīng)用中可能不夠理想。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提出了基于融合優(yōu)化算法的艦船執(zhí)行機(jī)構(gòu)運(yùn)動控制方法，旨在解決現(xiàn)有控制方法在復(fù)雜海況下適應(yīng)性不足的問題。該方法通過融合多源傳感器數(shù)據(jù)、應(yīng)用自適應(yīng)卡爾曼濾波算法進(jìn)行狀態(tài)估計，并采用兩階段融合優(yōu)化算法對混合控制器參數(shù)進(jìn)行優(yōu)化。這種方法能夠適應(yīng)不同的控制模式，考慮環(huán)境因素影響，提高艦船在各種海況下的操控性能，實現(xiàn)更精確、可靠的執(zhí)行機(jī)構(gòu)控制。

2、本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：本發(fā)明提供了基于融合優(yōu)化算法的艦船執(zhí)行機(jī)構(gòu)運(yùn)動控制方法，包括：

3、s1?預(yù)設(shè)多種艦船控制模式，每種控制模式對應(yīng)有特定的優(yōu)化目標(biāo)；

4、s2?利用多源傳感器實時采集艦船運(yùn)動狀態(tài)和環(huán)境參數(shù)數(shù)據(jù)，對采集的多源傳感器數(shù)據(jù)進(jìn)行融合處理，并對艦船當(dāng)前運(yùn)動狀態(tài)進(jìn)行估計；

5、s3?根據(jù)估計的運(yùn)動狀態(tài)、當(dāng)前任務(wù)需求和環(huán)境條件，選擇艦船控制模式；

6、s4?利用融合優(yōu)化算法，基于所選艦船控制模式的優(yōu)化目標(biāo)、估計的運(yùn)動狀態(tài)，動態(tài)優(yōu)化混合控制器參數(shù)；

7、s5?基于優(yōu)化后的參數(shù)，生成混合控制器的控制指令，將控制指令傳遞給相應(yīng)的執(zhí)行機(jī)構(gòu)，執(zhí)行機(jī)構(gòu)按照控制指令運(yùn)行。

8、在上述方案的基礎(chǔ)上，優(yōu)選的，艦船控制模式包括：

9、航向保持模式，其優(yōu)化目標(biāo)為最小化航向偏差；

10、航跡跟蹤模式，其優(yōu)化目標(biāo)為最小化航跡偏差；

11、動態(tài)定位模式，其優(yōu)化目標(biāo)為在復(fù)雜海況下最小化位置和艏向偏差；

12、節(jié)能巡航模式，其優(yōu)化目標(biāo)為最小化燃料消耗；

13、避碰模式，其優(yōu)化目標(biāo)為最大化安全距離。

14、在上述方案的基礎(chǔ)上，優(yōu)選的，步驟s2包括：

15、s21?利用多源傳感器實時采集原始數(shù)據(jù)，包括imu數(shù)據(jù)、gnss數(shù)據(jù)、磁羅盤數(shù)據(jù)、水流速度數(shù)據(jù)、氣象數(shù)據(jù)和波浪數(shù)據(jù)；

16、s22?對采集到的原始數(shù)據(jù)進(jìn)行預(yù)處理，包括去除異常值、統(tǒng)一時間戳和坐標(biāo)系轉(zhuǎn)換；

17、s23?利用卡爾曼濾波算法對預(yù)處理后的多源傳感器數(shù)據(jù)進(jìn)行融合，得到艦船的狀態(tài)估計，包括位置、速度、姿態(tài)和角速度；

18、s24?對于水流速度數(shù)據(jù)、氣象數(shù)據(jù)和波浪數(shù)據(jù)，使用時間序列分析方法進(jìn)行短期預(yù)測，以補(bǔ)償傳感器延遲。

19、在上述方案的基礎(chǔ)上，優(yōu)選的，步驟s23包括：

20、定義艦船的狀態(tài)向量 y如下：，

21、其中，，，分別為經(jīng)度、緯度和高度，，，分別為北向速度、東向速度和垂向速度，為橫滾角，為俯仰角，為偏航角，，，分別為橫滾角速度、俯仰角速度和偏航角速度；

22、建立系統(tǒng)模型，包括：

23、，

24、，

25、其中，是狀態(tài)向量，是觀測向量，是狀態(tài)轉(zhuǎn)移矩陣，是觀測矩陣，是控制輸入，是控制輸入矩陣，和分別是過程噪聲和觀測噪聲；

26、對狀態(tài)和協(xié)方差進(jìn)行預(yù)測：

27、，

28、，

29、式中，為k時刻的先驗狀態(tài)估計，為k-1時刻的后驗狀態(tài)估計，為k時刻的先驗誤差協(xié)方差矩陣，為k-1時刻的后驗誤差協(xié)方差矩陣，為跟蹤因子，為過程噪聲協(xié)方差矩陣；

30、計算卡爾曼增益，并對狀態(tài)和協(xié)方差進(jìn)行更新：

31、，

32、，

33、，

34、式中，為卡爾曼增益，為測量噪聲協(xié)方差矩陣，為實際觀測值，為k時刻的后驗狀態(tài)估計，為單位矩陣；

35、自適應(yīng)噪聲協(xié)方差調(diào)整：

36、，

37、，

38、，

39、式中，為創(chuàng)新序列，為估計的實際測量噪聲協(xié)方差，為滑動窗口大小，為遺忘因子；

40、跟蹤濾波調(diào)整：

41、，

42、，

43、式中，為矩陣的跡運(yùn)算，為跟蹤因子的調(diào)整步長；

44、對于不同的傳感器數(shù)據(jù)，相應(yīng)調(diào)整觀測矩陣；

45、輸出狀態(tài)估計：

46、，

47、式中，，，為估計的經(jīng)度、緯度、高度，，，為估計的北向、東向、垂向速度，，，為估計的橫滾角、俯仰角、偏航角，，，為估計的橫滾角速度、俯仰角速度、偏航角速度。

48、在上述方案的基礎(chǔ)上，優(yōu)選的，對于不同的傳感器數(shù)據(jù)，相應(yīng)調(diào)整觀測矩陣，包括：

49、對于imu數(shù)據(jù)，矩陣設(shè)置為只關(guān)聯(lián)狀態(tài)向量中的姿態(tài)，，和角速度，，量；

50、對于gnss數(shù)據(jù)，矩陣設(shè)置為只關(guān)聯(lián)狀態(tài)向量中的位置，，和速度，，分量；

51、對于磁羅盤數(shù)據(jù)，矩陣設(shè)置為只關(guān)聯(lián)狀態(tài)向量中的偏航角分量。

52、在上述方案的基礎(chǔ)上，優(yōu)選的，步驟s4包括：

53、s41?構(gòu)建混合控制器，包括pid控制器、模糊控制器和神經(jīng)網(wǎng)絡(luò)控制器；

54、s42?定義優(yōu)化目標(biāo)函數(shù)j，根據(jù)所選的控制模式的優(yōu)化目標(biāo)和估計的運(yùn)動狀態(tài)設(shè)置權(quán)重系數(shù)；

55、s43?利用融合優(yōu)化算法，對混合控制器的參數(shù)進(jìn)行迭代優(yōu)化，在優(yōu)化時，一個解為一組混合控制器的參數(shù)，當(dāng)?shù)Y(jié)束，則輸出最優(yōu)的一組混合控制器的參數(shù)；

56、s44?將優(yōu)化得到的最優(yōu)混合控制器的參數(shù)應(yīng)用于混合控制器。

57、在上述方案的基礎(chǔ)上，優(yōu)選的，融合優(yōu)化算法包括第一優(yōu)化算法和第二優(yōu)化算法，步驟s43包括：

58、s431?初始化第一優(yōu)化算法和第二優(yōu)化算法的參數(shù)，包括第一粒子數(shù)量n、最大迭代次數(shù)maxiter、慣性權(quán)重、加速系數(shù)、動量系數(shù)、收斂系數(shù)、第二粒子數(shù)量m、包圍系數(shù)和螺旋系數(shù)；并設(shè)置混合控制器的參數(shù)范圍，包括pid控制器的kp、ki、kd，模糊控制器的模糊規(guī)則參數(shù)，神經(jīng)網(wǎng)絡(luò)控制器的隱層權(quán)重和偏置；

59、s432?利用第一優(yōu)化算法進(jìn)行初步搜索：

60、a.初始化第一粒子位置和速度，每個第一粒子代表一組混合控制器參數(shù)；

61、b.評估每個第一粒子的適應(yīng)度，即根據(jù)當(dāng)前控制模式計算目標(biāo)函數(shù)j的值；

62、c.更新每個第一粒子的個體最優(yōu)位置pi和全局最優(yōu)位置pg；

63、d.根據(jù)速度和位置更新公式更新第一粒子；

64、e.重復(fù)步驟b-d，直至達(dá)到預(yù)設(shè)迭代次數(shù)或收斂條件；

65、s433?將第一優(yōu)化算法得到的候選解作為第二優(yōu)化算法的初始第二粒子；

66、s434?利用第二優(yōu)化算法進(jìn)行全局搜索：

67、a.利用包圍系數(shù)更新每個第二粒子的位置，探索參數(shù)空間；

68、b.使用螺旋系數(shù)更新位置，細(xì)化局部最優(yōu)解；

69、c.隨機(jī)選擇第二粒子進(jìn)行全局搜索；

70、s435?根據(jù)當(dāng)前控制模式動態(tài)調(diào)整優(yōu)化目標(biāo)函數(shù)，并計算目標(biāo)函數(shù)j的值；

71、s436?迭代執(zhí)行步驟s434-s435，直到滿足終止條件之一：達(dá)到最大迭代次數(shù)maxiter、連續(xù)n次迭代最優(yōu)解改善幅度小于預(yù)設(shè)閾值、目標(biāo)函數(shù)j達(dá)到預(yù)設(shè)的優(yōu)化目標(biāo)值；

72、s437?輸出最優(yōu)解作為混合控制器的參數(shù)，包括pid控制器的kp、ki、kd，模糊控制器的模糊規(guī)則參數(shù)，神經(jīng)網(wǎng)絡(luò)控制器的隱層權(quán)重和偏置。

73、在上述方案的基礎(chǔ)上，優(yōu)選的，目標(biāo)函數(shù)j的表達(dá)式如下：

74、航向保持模式：

75、，

76、式中，表示航向保持模式下的目標(biāo)函數(shù)，為估計的偏航角，表示偏航角的期望值，表示估計的偏航角速度，表示航向保持模式下的積分平方誤差，，，為權(quán)重系數(shù)；

77、航跡跟蹤模式：

78、，

79、式中，表示航跡跟蹤模式下的目標(biāo)函數(shù)，，，為估計的經(jīng)度、緯度、高度，下標(biāo)d表示對應(yīng)的期望值，表示航跡跟蹤模式下的積分平方誤差，，，為權(quán)重系數(shù)；

80、動態(tài)定位模式：

81、，

82、式中，表示動態(tài)定位模式下的目標(biāo)函數(shù)，，，為估計的北向、東向、垂向速度，表示動態(tài)定位模式下的積分平方誤差，，，，為權(quán)重系數(shù)；

83、節(jié)能巡航模式：

84、，

85、式中，表示節(jié)能巡航模式下的目標(biāo)函數(shù)，fc表示燃料消耗率，表示節(jié)能巡航模式下的積分平方誤差，，，，為權(quán)重系數(shù)；

86、避碰模式：

87、，

88、式中，表示避碰模式下的目標(biāo)函數(shù)，表示與障礙物的距離，表示偏離原航線的距離，表示避碰模式下的積分平方誤差，，，為權(quán)重系數(shù)。

89、在上述方案的基礎(chǔ)上，優(yōu)選的，步驟s432中，速度更新公式為：

90、，

91、式中，和分別為第i個第一粒子在第t次迭代時的速度和位置，表示個體最優(yōu)位置，表示全局最優(yōu)位置，表示全局最差位置，為慣性權(quán)重，，，，為加速系數(shù)，，，，為[0,1]間的隨機(jī)數(shù)，f(e)為環(huán)境因素函數(shù)，其考慮艦船動力學(xué)約束；

92、位置更新公式為：

93、，

94、式中，為動量系數(shù)，為收斂系數(shù)。

95、在上述方案的基礎(chǔ)上，優(yōu)選的，步驟s5包括：

96、s51?獲取當(dāng)前的狀態(tài)信息，包括估計的運(yùn)動狀態(tài)和環(huán)境信息；

97、s52?根據(jù)當(dāng)前控制模式，計算實際狀態(tài)與期望狀態(tài)之間的誤差，其中：

98、航向保持模式下，計算航向偏差；

99、航跡跟蹤模式下，計算位置偏差和航向偏差；

100、動態(tài)定位模式下，計算位置偏差、航向偏差和速度偏差；

101、節(jié)能巡航模式下，計算速度偏差和航向偏差；

102、避碰模式下，計算與障礙物的距離和偏離原航線的距離；

103、s53?使用混合控制器根據(jù)誤差計算控制量：

104、pid控制器計算比例、積分、微分控制量；

105、模糊控制器進(jìn)行模糊推理，得到模糊控制量；

106、神經(jīng)網(wǎng)絡(luò)控制器通過前向傳播計算神經(jīng)網(wǎng)絡(luò)控制量；

107、融合各控制器的輸出，得到混合控制器的最終控制量；

108、s54?將控制量轉(zhuǎn)換為具體的執(zhí)行機(jī)構(gòu)控制指令，包括主推進(jìn)器轉(zhuǎn)速和方向、舵角、側(cè)推器推力和方向、減搖鰭角度；

109、s55?通過控制系統(tǒng)將生成的控制指令傳遞給相應(yīng)的執(zhí)行機(jī)構(gòu)；

110、s56?各執(zhí)行機(jī)構(gòu)接收到控制指令后，執(zhí)行相應(yīng)的動作，包括主推進(jìn)器調(diào)整轉(zhuǎn)速和方向、舵機(jī)轉(zhuǎn)動到指定角度、側(cè)推器產(chǎn)生指定推力和方向、減搖鰭調(diào)整到指定角度；

111、s57?持續(xù)監(jiān)測執(zhí)行機(jī)構(gòu)的運(yùn)行狀態(tài)和艦船的響應(yīng)，將監(jiān)測數(shù)據(jù)反饋給控制系統(tǒng)。

112、本發(fā)明相對于現(xiàn)有技術(shù)具有以下有益效果：

113、（1）通過融合多源傳感器數(shù)據(jù)、自適應(yīng)卡爾曼濾波和兩階段融合優(yōu)化算法，實現(xiàn)了對艦船執(zhí)行機(jī)構(gòu)的精確控制。該方法能夠適應(yīng)不同的控制模式，考慮環(huán)境因素影響，動態(tài)優(yōu)化控制器參數(shù)，從而提高了艦船在復(fù)雜海況下的操控性能和適應(yīng)性，增強(qiáng)了艦船運(yùn)動控制的精度和可靠性；

114、（2）采用自適應(yīng)卡爾曼濾波算法對多源傳感器數(shù)據(jù)進(jìn)行融合，并引入跟蹤因子和自適應(yīng)噪聲協(xié)方差調(diào)整，提高了狀態(tài)估計的精度和穩(wěn)定性。通過對不同傳感器數(shù)據(jù)調(diào)整觀測矩陣，充分利用了各類傳感器的優(yōu)勢，有效提升了艦船狀態(tài)估計的準(zhǔn)確性和魯棒性；

115、（3）預(yù)設(shè)多種艦船控制模式，并為每種模式定義了特定的優(yōu)化目標(biāo)函數(shù)，使控制系統(tǒng)能夠根據(jù)當(dāng)前任務(wù)需求和環(huán)境條件靈活切換控制策略。這種多模式控制方法提高了艦船控制系統(tǒng)的適應(yīng)性和靈活性，能夠滿足不同航行任務(wù)的需求；

116、（4）采用兩階段融合優(yōu)化算法，結(jié)合第一優(yōu)化算法的初步搜索和第二優(yōu)化算法的全局搜索，有效避免了單一算法容易陷入局部最優(yōu)的問題。通過動態(tài)調(diào)整優(yōu)化目標(biāo)函數(shù)，考慮了環(huán)境因素的影響，使得優(yōu)化結(jié)果更加符合實際航行需求，提高了控制器參數(shù)優(yōu)化的效果；

117、（5）構(gòu)建了包含pid控制器、模糊控制器和神經(jīng)網(wǎng)絡(luò)控制器的混合控制器，并通過融合優(yōu)化算法對各控制器參數(shù)進(jìn)行動態(tài)優(yōu)化。這種混合控制策略充分發(fā)揮了各類控制器的優(yōu)勢，能夠更好地應(yīng)對艦船運(yùn)動控制中的非線性、時變和不確定性問題。