一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法
【專利摘要】一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，涉及船舶動(dòng)力定位控制技術(shù)領(lǐng)域，尤其涉及一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法。本發(fā)明要解決現(xiàn)有船舶動(dòng)力定位控制技術(shù)，運(yùn)算復(fù)雜程度高且難以輸出平滑的控制效果。一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，按以下步驟進(jìn)行：一、獲取船舶的位置和姿態(tài)參數(shù)；二、求取虛擬誤差變量；三、利用Backstepping法反演控制律。本發(fā)明解決了現(xiàn)有船舶動(dòng)力定位控制技術(shù)存在的運(yùn)算復(fù)雜程度高且難以輸出平滑的控制效果的問題。本發(fā)明可應(yīng)用于船舶動(dòng)力定位控制技術(shù)領(lǐng)域。
【專利說明】
一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及船舶動(dòng)力定位控制技術(shù)領(lǐng)域，尤其涉及一種基于神經(jīng)動(dòng)態(tài)模型的船舶 動(dòng)力定位反步控制方法。
【背景技術(shù)】
[0002] 隨著人們對(duì)海洋的深入開發(fā)和地域的擴(kuò)張，船舶更多的需要在深水區(qū)域作業(yè)，應(yīng) 新的定位技術(shù)需求，船舶動(dòng)力定位技術(shù)誕生。動(dòng)力定位技術(shù)是海洋工程的關(guān)鍵技術(shù)，其發(fā)展 刻不容緩?？刂萍夹g(shù)是動(dòng)力定位技術(shù)的核心，先進(jìn)的控制技術(shù)對(duì)于提高動(dòng)力定位控制系統(tǒng) 的性能有著非比尋常的意義。
[0003] 動(dòng)力定位船舶在進(jìn)行動(dòng)力定位作業(yè)時(shí)，需不斷的調(diào)整控制力來驅(qū)使船舶向期望的 位置及姿態(tài)進(jìn)行移動(dòng)和調(diào)整。傳統(tǒng)的控制律在進(jìn)行控制操作時(shí)，對(duì)于輸入跳變其輸出有著 較大幅度的躍變，這對(duì)于執(zhí)行機(jī)構(gòu)的要求很高或者難以實(shí)現(xiàn)。此外傳統(tǒng)的Backstepping法 在進(jìn)行反演時(shí)存在著不斷的求導(dǎo)過程，這大大增加了算法的復(fù)雜程度。
[0004] Hodgkin和Huxley利用電路元素，為生物神經(jīng)系統(tǒng)的一片細(xì)胞膜提出了一個(gè)動(dòng)態(tài) 模型，該模型經(jīng)過演化后被廣泛的應(yīng)用于生物、機(jī)器視覺、感官電動(dòng)機(jī)控制等領(lǐng)域，并且取 得了良好的控制或優(yōu)化效果。而在國內(nèi)外的文獻(xiàn)及專利文件中，未見有將此模型應(yīng)用到船 舶動(dòng)力定位控制方法中的報(bào)道。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對(duì)現(xiàn)有船舶動(dòng)力定位控制技術(shù)，提出一種基于神經(jīng)動(dòng)態(tài)模型 的反步控制方法，用以得到響應(yīng)迅速且輸出平滑的控制效果，同時(shí)減少運(yùn)算的復(fù)雜程度。
[0006] -種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，按以下步驟進(jìn)行：
[0007] -、獲取船舶的位置和姿態(tài)參數(shù)：
[0008] 用位置參考系統(tǒng)測(cè)得船舶位置信息，用姿態(tài)參考系統(tǒng)測(cè)得船舶的艏向姿態(tài)信息； 對(duì)獲取的船舶姿態(tài)及位置信號(hào)進(jìn)行濾波及時(shí)空對(duì)準(zhǔn)，得到船舶的精確位置及姿態(tài)；
[0009] 二、求取虛擬誤差變量：
[0010] 由期望的位置及姿態(tài)與實(shí)際的位置及姿態(tài)做比較，并經(jīng)過解算得到誤差信號(hào)；將 該誤差信號(hào)作為神經(jīng)動(dòng)態(tài)模型的輸入，該模型的輸出即為虛擬的誤差變量；
[0011] 三、利用Backstepping法反演控制律：
[0012] 將神經(jīng)動(dòng)態(tài)模型輸出的虛擬變量作為控制律實(shí)際的輸入變量，并利用 Backstepping法不斷的反演，最終得到使整個(gè)動(dòng)力定位控制系統(tǒng)穩(wěn)定的控制律。
[0013] 本發(fā)明包括以下有益效果：
[0014] 1、本發(fā)明引入神經(jīng)動(dòng)態(tài)模型的控制方法，能夠模仿神經(jīng)細(xì)胞膜輸出平滑有界的特 性，得到響應(yīng)迅速且輸出平滑的控制效果；
[0015 ] 2、本發(fā)明所述的神經(jīng)動(dòng)態(tài)模型輸出為虛擬變量的導(dǎo)數(shù)，解決了 Backs tepp i ng法中 求導(dǎo)復(fù)雜的問題，減少了算法的復(fù)雜程度。
【附圖說明】
[0016]圖1為本發(fā)明所述的流程圖；
[0017]圖2為本發(fā)明中神經(jīng)動(dòng)態(tài)模型基礎(chǔ)H-H電路圖；
[0018]圖3為本發(fā)明的控制系統(tǒng)結(jié)構(gòu)框圖；
[0019] 圖4為船舶北向的濾波值與時(shí)間關(guān)系曲線圖；
[0020] 圖5為船舶東向的濾波值與時(shí)間關(guān)系曲線圖；
[0021]圖6為艏向角的濾波值與時(shí)間關(guān)系曲線圖；
[0022]圖7為船舶的運(yùn)動(dòng)曲線圖；
[0023]圖8為縱向推力輸入與時(shí)間關(guān)系曲線圖；
[0024]圖9為橫向推力輸入與時(shí)間關(guān)系曲線圖；
[0025]圖10為艏向上的控制力矩與時(shí)間關(guān)系曲線圖。
【具體實(shí)施方式】
[0026] 為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合圖1至圖3和具 體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明，圖1為本發(fā)明所述的流程圖。
【具體實(shí)施方式】 [0027] 一、本實(shí)施方式所述的一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步 控制方法，按以下步驟進(jìn)行：
[0028] 一、獲取船舶的位置和姿態(tài)參數(shù)：
[0029] 用位置參考系統(tǒng)測(cè)得船舶位置信息，用姿態(tài)參考系統(tǒng)測(cè)得船舶的艏向姿態(tài)信息； 對(duì)獲取的船舶姿態(tài)及位置信號(hào)進(jìn)行濾波及時(shí)空對(duì)準(zhǔn)，得到船舶的精確位置及姿態(tài)；
[0030] 二、求取虛擬誤差變量：
[0031] 由期望的位置及姿態(tài)與實(shí)際的位置及姿態(tài)做比較，并經(jīng)過解算得到誤差信號(hào)；將 該誤差信號(hào)作為神經(jīng)動(dòng)態(tài)模型的輸入，該模型的輸出即為虛擬的誤差變量；
[0032] 三、利用Backstepping法反演控制律：
[0033]將神經(jīng)動(dòng)態(tài)模型輸出的虛擬變量作為控制律實(shí)際的輸入變量，并利用 Backstepping法不斷的反演，最終得到使整個(gè)動(dòng)力定位控制系統(tǒng)穩(wěn)定的控制律。
[0034]本實(shí)施方式包括以下有益效果：
[0035] 1、本實(shí)施方式引入神經(jīng)動(dòng)態(tài)模型的控制方法，能夠模仿神經(jīng)細(xì)胞膜輸出平滑有界 的特性，得到響應(yīng)迅速且輸出平滑的控制效果；
[0036] 2、本實(shí)施方式所述的神經(jīng)動(dòng)態(tài)模型輸出為虛擬變量的導(dǎo)數(shù)，解決了Backstepping 法中求導(dǎo)復(fù)雜的問題，減少了算法的復(fù)雜程度。
[0037]【具體實(shí)施方式】二、本實(shí)施方式是對(duì)【具體實(shí)施方式】一所述的一種基于神經(jīng)動(dòng)態(tài)模型 的船舶動(dòng)力定位反步控制方法的進(jìn)一步說明，步驟一中所述的位置參考系統(tǒng)由DGPS系統(tǒng)、 張緊鎖系統(tǒng)、水聲位置參考單元、激光和雷達(dá)組成。
[0038]【具體實(shí)施方式】三、本實(shí)施方式是對(duì)【具體實(shí)施方式】一或二所述的一種基于神經(jīng)動(dòng)態(tài) 模型的船舶動(dòng)力定位反步控制方法的進(jìn)一步說明，步驟一中所述的姿態(tài)參考系統(tǒng)由電羅經(jīng) 和運(yùn)動(dòng)參考單元組成。
[0039]【具體實(shí)施方式】四、本實(shí)施方式是對(duì)【具體實(shí)施方式】一至三之一所述的一種基于神經(jīng) 動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法的進(jìn)一步說明，步驟一中所述的船舶姿態(tài)及位置信 息濾波，采用卡爾曼濾波或非線性無源濾波方式，以濾除信號(hào)中的野值及高頻噪聲。
【具體實(shí)施方式】 [0040] 五、本實(shí)施方式是對(duì)一至四之一所述的一種基于神經(jīng) 動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法的進(jìn)一步說明，步驟一中所述的船舶姿態(tài)及位置信 號(hào)時(shí)空對(duì)準(zhǔn)的具體內(nèi)容為，對(duì)獲取的船舶姿態(tài)及位置信號(hào)采用曲線擬合的方式進(jìn)行時(shí)間對(duì) 準(zhǔn)，并對(duì)不同坐標(biāo)系下的數(shù)據(jù)進(jìn)行空間對(duì)準(zhǔn)。
【具體實(shí)施方式】 [0041] 六、本實(shí)施方式是對(duì)一至五之一所述的一種基于神經(jīng) 動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法的進(jìn)一步說明，步驟二中求取虛擬誤差變量的具體 過程為：
[0042] Hodgkin和Huxley針對(duì)神經(jīng)元細(xì)胞膜電位動(dòng)作的方式，提出了一種電路模型如圖2 所示，用如下方程來描述：
[0044] 其中Vm為膜電壓，Cm為膜電容，EK，ENa，E P分別是膜內(nèi)鉀離子，鈉離子和被動(dòng)泄漏電 流的能斯特電位;gK，gNa，％分別代表鉀離子，鈉離子和被動(dòng)通道的電導(dǎo)；
[0045] 令 Cm=l、xi = EP+Vm、A = gP、B = ENa+EP、D = Ek-EP、5I,=gfe、57=gA;RAlS4 ;l^lJ 神經(jīng)動(dòng)態(tài)模型：
[0047]其中Xl為第i個(gè)神經(jīng)元的動(dòng)作電位，A為非負(fù)常數(shù)代表著神經(jīng)元的衰減速率，B，D同 為非負(fù)常數(shù)，代表神經(jīng)動(dòng)態(tài)模型輸出的上限和下限。為激勵(lì)輸入，『⑴為抑制輸入 [0048]將測(cè)得的動(dòng)力定位船的實(shí)際位置n，與姿態(tài)與期望的位置與姿態(tài)n d做比較，得到誤 差變量e=n-nd，將該誤差變量作為神經(jīng)動(dòng)態(tài)模型的輸入，帶入到上式得
[0049] ve - -Ae+ (B - e) f{e) - (￡) + iJ)g(e)
[0050] 式中的w即為虛擬的誤差變量，匕為l的一階導(dǎo)數(shù)，作為下一步反演控制律時(shí)的輸 入變量;其中非負(fù)常數(shù)A、B、D分別為虛擬誤差變量的衰減速率、虛擬誤差變量的上界和下 界，函數(shù)f(x)、g(x)的定義如下： \x, x>0 (0, a* > 0
[0051] ./ 〇v) =' n K⑴ H (0, A- < 0 (-.v. X < 0
[0052]【具體實(shí)施方式】七、本實(shí)施方式是對(duì)【具體實(shí)施方式】一至六之一所述的一種基于神經(jīng) 動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法的進(jìn)一步說明，步驟三中利用Backstepping法反演 控制律的具體過程為：
[0053]對(duì)于需要控制的動(dòng)力定位船舶，其控制力和船舶本身存在如下關(guān)系式：
[0054] A'e + Ee= T + /-Atjd -Effd
[0055] 式中』=財(cái)及-1(穸），../? = + 1(妒），M為系統(tǒng)的慣量矩陣，D s為水動(dòng)力阻尼 系數(shù)矩陣，所0)為北東坐標(biāo)系和船體坐標(biāo)系間的旋轉(zhuǎn)變換矩陣，t為船舶的控制力，f為風(fēng)浪 流干擾力，纟為誤差變量e的一階導(dǎo)數(shù)，I為e的二階導(dǎo)數(shù)，同理及-1為IT1的一階導(dǎo)數(shù)j為nd的 一階導(dǎo)數(shù)，％為nd的二階導(dǎo)數(shù)；
[0056] 令r二汍丨-岑句+辦么-[#:) + //，其中y為待反演的控制律的輸出信號(hào)，Ki為給定 的正定增益矩陣，將步驟二中求出的神經(jīng)動(dòng)態(tài)模型的輸出，即虛擬的誤差變量v e引入，用以 代替實(shí)際的誤差變量e，并定義如下狀態(tài)變量：
[0057] -&
[x2 = ve + KlV(,
[0058]其中心為正定對(duì)角陣；
[0059]構(gòu)造 Lyapunov 函數(shù)，
[0061] 上式中，P為正定矩陣，為選取的使系統(tǒng)穩(wěn)定的李雅譜諾夫函數(shù)，且xjPx2均 按指數(shù)收斂于〇，經(jīng)過遞推可得到如下的控制律：
[0062] y = BsX2-AsP_1xi-AsP_1K2X2
[0063]其中K2正定對(duì)角陣，帶入船舶控制力t的表達(dá)式，可得到最終的控制力輸出為：
[0064] t- A{ij, - Kxv：e)A- - K1ve) + Bx2 ~ AP^xi - AP 'K^.w - / 〇
[0065]為驗(yàn)證本發(fā)明的有益效果，進(jìn)行如下仿真實(shí)驗(yàn)：
[0066]首先給出仿真的海洋環(huán)境干擾的一些條件，設(shè)平均風(fēng)速為15m/s，風(fēng)的方向?yàn)?0°; 設(shè)定一階波浪力的在水平面三自由度上分別產(chǎn)生1.0m、1.0m與1.0°的高頻振幅;設(shè)定流向 角為60°，流速0.8m/s。設(shè)定定位作業(yè)的初始北東位置與艏向角度為n=[0m，0m，0° ]，目標(biāo)的 北東位置與艏向角度nd=[ 50m，50m，0°]。
[0067] 采用基于神經(jīng)動(dòng)態(tài)模型的反步控制器，以某海洋石油船為控制對(duì)象，進(jìn)行仿真。圖 4和圖5中顯示了濾波值后的船舶北向和東向位置，圖6顯示了濾波后的艏向角，可以看出在 此三個(gè)自由度上船舶的運(yùn)動(dòng)幾乎無超調(diào)。動(dòng)力定位船總的運(yùn)動(dòng)曲線則在圖7中進(jìn)行了展示， 該船舶在較短的時(shí)間內(nèi)達(dá)到了期望的位置和姿態(tài)。圖8至圖10則是執(zhí)行機(jī)構(gòu)在縱蕩橫蕩和 艏搖三個(gè)方向上的控制力輸出曲線。
[0068] 通過仿真實(shí)驗(yàn)可以看出，此控制器的能夠快速且平滑的實(shí)現(xiàn)船舶的動(dòng)力定位，且 其定位效果良好，在定位過程中的北東位置和艏向上的幾乎無超調(diào)，滿足實(shí)際工作需求。
【主權(quán)項(xiàng)】
1. 一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，其特征在于它按以下步驟進(jìn) 行： 一、 獲取船舶的位置和姿態(tài)參數(shù)： 用位置參考系統(tǒng)測(cè)得船舶位置信息，用姿態(tài)參考系統(tǒng)測(cè)得船舶的艏向姿態(tài)信息；對(duì)獲 取的船舶姿態(tài)及位置信號(hào)進(jìn)行濾波及時(shí)空對(duì)準(zhǔn)，得到船舶的精確位置及姿態(tài)； 二、 求取虛擬誤差變量： 由期望的位置及姿態(tài)與實(shí)際的位置及姿態(tài)做比較，并經(jīng)過解算得到誤差信號(hào)；將該誤 差信號(hào)作為神經(jīng)動(dòng)態(tài)模型的輸入，該模型的輸出即為虛擬的誤差變量； 三、 利用Backstepping法反演控制律 將神經(jīng)動(dòng)態(tài)模型輸出的虛擬變量作為控制律實(shí)際的輸入變量，并利用Backstepping法 不斷的反演使各個(gè)子系統(tǒng)穩(wěn)定的李雅普諾夫函數(shù)，最終得到使整個(gè)系統(tǒng)穩(wěn)定的控制律。2. 如權(quán)利要求1所述的一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，其特征 在于步驟一中所述的位置參考系統(tǒng)由DGPS系統(tǒng)、張緊鎖系統(tǒng)、水聲位置參考單元、激光和/ 或雷達(dá)組成。3. 如權(quán)利要求1或2所述的一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，其特 征在于步驟一中所述的姿態(tài)參考系統(tǒng)運(yùn)動(dòng)參考單元組成。4. 如權(quán)利要求3所述的一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，其特征 在于步驟一中所述的船舶姿態(tài)及位置信息濾波，采用卡爾曼濾波或非線性無源濾波方式。5. 如權(quán)利要求4所述的一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，其特征 在于步驟一中所述的船舶姿態(tài)及位置信號(hào)時(shí)空對(duì)準(zhǔn)的具體內(nèi)容為，對(duì)獲取的船舶姿態(tài)及位 置信號(hào)采用曲線擬合的方式進(jìn)行時(shí)間對(duì)準(zhǔn)，并對(duì)不同坐標(biāo)系下的數(shù)據(jù)進(jìn)行空間對(duì)準(zhǔn)。6. 如權(quán)利要求5所述的一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，其特征 在于步驟二中求取虛擬誤差變量的具體過程為： 利用電路元素，針對(duì)神經(jīng)元細(xì)胞膜電位動(dòng)作的方式，給出電路模型，用如下方程來描 述：其中Vm為膜電壓，Cm為膜電容，Εκ，ENa，EP分別是膜內(nèi)鉀離子，鈉離子和被動(dòng)泄漏電流的 能斯特電位;gK，gNa，gp分別代表鉀離子，鈉離子和被動(dòng)通道的電導(dǎo)； 令Cm=l、Xi = Ep+Vm、A = gp、B = ENa+Ep、D = Ek-Ep、5r,f =5? .、57 =? ;代入上式，得到神經(jīng) 動(dòng)態(tài)模型：其中xi為第i個(gè)神經(jīng)元的動(dòng)作電位，A為非負(fù)常數(shù)代表著神經(jīng)元的衰減速率，B，D同為非 負(fù)常數(shù)，代表神經(jīng)動(dòng)態(tài)模型輸出的上限和下限，X (0為激勵(lì)輸入，5：(〇為抑制輸入； 將測(cè)得的動(dòng)力定位船的實(shí)際位置n，與姿態(tài)與期望的位置與姿態(tài)nd做比較，得到誤差變 量e=n-nd，將該誤差變量作為神經(jīng)動(dòng)態(tài)模型的輸入，帶入到上式得 兔=-/??' + (5 -〔')/((：')一（D + C')g(il'） 式中的W即為虛擬的誤差變量，t為W的一階導(dǎo)數(shù)，作為下一步反演控制律時(shí)的輸入變 量;其中非負(fù)常數(shù)A、B、D分別為虛擬誤差變量的衰減速率、虛擬誤差變量的上界和下界，函 數(shù)f(x)、g(x)的定義如下：7.如權(quán)利要求6所述的一種基于神經(jīng)動(dòng)態(tài)模型的船舶動(dòng)力定位反步控制方法，其特征 在于步驟三中利用Backstepping法反演控制律的具體過程為： 對(duì)于需要控制的動(dòng)力定位船舶，其控制力和船舶本身存在如下關(guān)系式： A c + Be=r + f- Afjd - Β?4 式中J=/V/Z? + \的，M為系統(tǒng)的慣量矩陣，Ds為水動(dòng)力阻尼系數(shù) 矩陣，i?〇)為北東坐標(biāo)系和船體坐標(biāo)系間的旋轉(zhuǎn)變換矩陣，τ為船舶的控制力，f為風(fēng)浪流干 擾力，?為誤差變量e的一階導(dǎo)數(shù)，?為e的二階導(dǎo)數(shù)，岔1為ΙΓ1的一階導(dǎo)數(shù)，々為nd的一階導(dǎo) 數(shù)，％為取的二階導(dǎo)數(shù)； 令T = /!(么-A7) + 5(4 - :，其中μ為待反演的控制律的輸出信號(hào)，將步驟二中求 出的神經(jīng)動(dòng)態(tài)模型的輸出，即虛擬的誤差變量引入，用以代替實(shí)際的誤差變量e，并定義 如下狀態(tài)變量：其中心為正定對(duì)角陣； 構(gòu)造 Lyapunov函數(shù)，上式中，P為正定矩陣，VjPV2為選取的使系統(tǒng)穩(wěn)定的李雅譜諾夫函數(shù)，且χ#ρχ2均按指 數(shù)收斂于〇,經(jīng)過遞推可得到如下的控制律： μ = BsX2-AsP_1X1-AsP_1K2X2 其中K2為正定對(duì)角陣，將μ代入船舶控制力τ的表達(dá)式，可得到最終的控制力輸出為： Γ -人V., } + - /")、一 J/) /。
【文檔編號(hào)】G05D1/02GK105929825SQ201610325698
【公開日】2016年9月7日
【申請(qǐng)日】2016年5月16日
【發(fā)明人】王元慧, 趙亮博, 付明玉, 蔣希赟, 佟海艷, 王莎莎, 張贊, 趙強(qiáng), 張博, 張放
【申請(qǐng)人】哈爾濱工程大學(xué)