船舶舵减横摇自适应控制系统技术方案

本发明专利技术提供一种船舶舵减横摇自适应控制系统。该系统包括：横摇检测装置、基于神经网络的舵减横摇控制器，舵伺服系统。相较于现有技术，本发明专利技术基于横摇运动与艏摇运动耦合的非线性、大干扰随机性、水动力参数摄动时变性等特性，采用基于神经网络的舵减横摇控制器可以有效模拟非线性动力学系统，从而针对横摇检测装置检测的横摇数据生成更加有效地船舵控制信号，进而在不添装减摇装置与系统条件下，有效减小船舶横摇运动、并克服水动力参数变化对减摇系统性能的影响，以及提高控制系统性能的稳定性和鲁棒性。

【技术实现步骤摘要】
船舶舵减横摇自适应控制系统
本专利技术涉及的是船舶控制工程
，具体涉及一种船舶舵减横摇自适应控制系统。
技术介绍
目前工程上使用的船舶自动舵控制系统大多是用来校正控制航向的，并且是基于不考虑与横摇、横荡之间的非线性耦合影响的单输入、单输出系统设计的控制器。船舶动力学、运动学研究结果发现，舵叶在转动中除了产生校正航向(艏摇)控制力(矩)外，在舵叶上还会产生非常可观的横摇扶正控制力(矩)，这使得在设计自动舵航向控制系统的同时，很有可能性地利用舵效来设计和实现舵减横摇控制系统。另一方面，船舶在海上航行时，由于风浪流随机干扰的复杂性，导致船舶六自由度运动姿态随机变化的复杂性，及水动力参数非线性摄动及时变性，加之螺旋桨等对舵叶上水流流速的影响，使得基于线性系统理论设计的控制器难以保证控制系统的控制效果和系统性能的稳定性。鉴于上述问题，目前迫切需要提供一种对船舶控制的稳定性及鲁棒性更好的船舶控制系统。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种船舶舵减横摇自适应控制系统,以在不添装减摇装置与系统条件下，有效减小船舶横摇运动、并克服水动力参数变化对减摇系统性能的影响，以及提高控制系统性能的稳定性和鲁棒性。第一方面，本专利技术提供的一种船舶舵减横摇自适应控制系统，包括：横摇检测装置、基于神经网络的舵减横摇控制器，舵伺服系统；其中其中，所述横摇检测装置检测船舶在运动过程中产生的横摇数据，并将所述横摇数据发送至所述基于神经网络的舵减横摇控制器；所述基于神经网络的舵减横摇控制器根据所述横摇数据生成船舵控制信号，并将所述船舵控制信号发送至所述舵伺服系统；所述舵伺服系统根据所述船舵控制信号控制船舵的运动，以通过所述船舵实现对船舶的控制。可选的，所述横摇数据包括船舶的横摇角，所述船舵控制信号包括船舵的舵角。可选的，所述基于神经网络的舵减横摇控制器，包括：神经网络辨识器和神经网络控制器；所述神经网络辨识器根据历史横摇数据和历史船舵控制信号，计算预测横摇数据；所述神经网络控制器根据所述预测横摇数据、历史横摇数据、历史船舵控制信号和目标横摇数据生成船舵控制信号。可选的，所述神经网络辨识器和所述神经网络控制器均包括采用反向传播神经网络的神经网络辨识器。可选的，所述神经网络辨识器和所述神经网络控制器均包括采用三层结构反向传播神经网络的神经网络辨识器。可选的，所述神经网络辨识器的输入层包括4个节点，隐含层包括9个节点、输出层包括1个节点；所述神经网络控制器的输入层包括3个节点，隐含层包括7个节点、输出层包括1个节点。可选的，所述神经网络辨识器的性能指标函数为实际横摇角与输出横摇角的均方差，所述神经网络控制器的性能指标函数为实际横摇角均方差。可选的，所述神经网络辨识器和所述神经网络控制器均采用负梯度最速下降法修正网络权值。可选的，所述神经网络辨识器和所述神经网络控制器均包括采用列文伯格-马夸尔特优化算法的神经网络的神经网络辨识器。可选的，所述神经网络辨识器采用最优梯队下降法或高斯牛顿法优化网络权值。由上述技术方案可知，本专利技术提供的一种船舶舵减横摇自适应控制系统，包括：横摇检测装置、基于神经网络的舵减横摇控制器，舵伺服系统。相较于现有技术，本专利技术基于横摇运动与艏摇运动耦合的非线性、大干扰随机性、水动力参数摄动时变性等特性，采用基于神经网络的舵减横摇控制器可以有效模拟非线性动力学系统，从而针对横摇检测装置检测的横摇数据生成更加有效地船舵控制信号，进而在不添装减摇装置与系统条件下，有效减小船舶横摇运动、并克服水动力参数变化对减摇系统性能的影响，以及提高控制系统性能的稳定性和鲁棒性。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。图1示出了本专利技术第一实施例所提供的一种船舶舵减横摇自适应控制系统的示意图；图2示出了本专利技术第二实施例所提供的一种船舶舵减横摇自适应控制系统结构原理图；图3示出了本专利技术第二实施例所提供的一种船舶舵减横摇自适应控制系统中神经网络辨识器NNI的示意图；图4示出了本专利技术第二实施例所提供的一种船舶舵减横摇自适应控制系统中神经网络控制器NNC的示意图；图5示出了本专利技术第二实施例所提供的一种L-M算法的流程图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只是作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。神经网络是近年来发展起来的智能算法，是一种模拟人脑神经网络结构和功能的技术系统，可用来有效模拟非线性多变量动力学系统，且具有信息分布存储、并行处理及自学习能力等优点。借鉴于神经网络技术，本专利技术提供了一种船舶舵减横摇神经网络控制技术，给出了舵减横摇神经网络控制器，从而能有效解决系统非线性、参数摄动及建模误差对舵减横摇系统控制器设计时面临的难题，并提高控制系统性能。本专利技术针对船舶航行时，基于舵在产生艏摇力(矩)同时，还会产生非常可观的横摇力(矩)，加之船舶艏摇、横摇运动对舵效响应具有分频特性，即艏摇运动响应对舵的低频运动敏感，随着频率的增加而迅速减弱，横摇运动响应频率相对艏摇运动响应频率而言为高频响应，且在其固有谐摇频率附近会出现响应峰值，相对而言对舵的高频运动响应比较敏感。从而针对横摇运动与艏摇运动耦合非线性、大干扰随机性、水动力参数摄动时变性，利用神经网络能有效模拟非线性动力学系统、并行计算和自学习能力等优点，设计船舶舵减横摇自适应控制系统。具体的，本专利技术提供一种船舶舵减横摇自适应控制系统。下面结合附图对本专利技术的实施例进行说明。图1示出了本专利技术第一实施例所提供的一种船舶舵减横摇自适应控制系统的示意图。如图1所示，本专利技术第一实施例提供的一种船舶舵减横摇自适应控制系统，包括：横摇检测装置101、基于神经网络的舵减横摇控制器102，舵伺服系统103；其中其中，所述横摇检测装置101检测船舶在运动过程中产生的横摇数据，并将所述横摇数据发送至所述基于神经网络的舵减横摇控制器102；所述基于神经网络的舵减横摇控制器102根据所述横摇数据生成船舵控制信号，并将所述船舵控制信号发送至所述舵伺服系统103；所述舵伺服系统103根据所述船舵控制信号控制船舵4的运动，以通过所述船舵4实现对船舶的控制。在上述第一实施例的一个变更实施方式中，所述横摇数据包括船舶的横摇角，所述船舵控制信号包括船舵的舵角。在上述第一实施例的又一个变更实施方式中，所述基于神经网络的舵减横摇控制器102，包括：神经网络辨识器1021和神经网络控制器1022；所述神经网络辨识器1021根据历史横摇数据和历史船舵控制信号，计算预测横摇数据；所述神经网络控制器1022根据所述预测横摇数据、历史横摇数据、历史船舵控制信号和目标横摇数据生成船舵控制信号。具体而言，舵减横摇控制器102的核心由神经网络控制器1022(NNC)和神经网络辨识器1021(NNI)构成。神经网络辨识器1021在进行系统辨识的同时，还为神经网络控制器1022提供一个辨识误差反向传播通道，神经网络控制器1022学习时将神经网络辨识器1021看作输出层，调节本文档来自技高网...

【技术保护点】
一种船舶舵减横摇自适应控制系统，其特征在于，包括：横摇检测装置、基于神经网络的舵减横摇控制器，舵伺服系统；其中其中，所述横摇检测装置检测船舶在运动过程中产生的横摇数据，并将所述横摇数据发送至所述基于神经网络的舵减横摇控制器；所述基于神经网络的舵减横摇控制器根据所述横摇数据生成船舵控制信号，并将所述船舵控制信号发送至所述舵伺服系统；所述舵伺服系统根据所述船舵控制信号控制船舵的运动，以通过所述船舵实现对船舶的控制。

【技术特征摘要】
1.一种船舶舵减横摇自适应控制系统，其特征在于，包括：横摇检测装置、基于神经网络的舵减横摇控制器，舵伺服系统；其中其中，所述横摇检测装置检测船舶在运动过程中产生的横摇数据，并将所述横摇数据发送至所述基于神经网络的舵减横摇控制器；所述基于神经网络的舵减横摇控制器根据所述横摇数据生成船舵控制信号，并将所述船舵控制信号发送至所述舵伺服系统；所述舵伺服系统根据所述船舵控制信号控制船舵的运动，以通过所述船舵实现对船舶的控制。2.根据权利要求1所述的船舶舵减横摇自适应控制系统，其特征在于，所述横摇数据包括船舶的横摇角，所述船舵控制信号包括船舵的舵角。3.根据权利要求1所述的船舶舵减横摇自适应控制系统，其特征在于，所述基于神经网络的舵减横摇控制器，包括：神经网络辨识器和神经网络控制器；所述神经网络辨识器根据历史横摇数据和历史船舵控制信号，计算预测横摇数据；所述神经网络控制器根据所述预测横摇数据、历史横摇数据、历史船舵控制信号和目标横摇数据生成船舵控制信号。4.根据权利要求3所述的船舶舵减横摇自适应控制系统，其特征在于，所述神经网络辨识器和所述神经网络控制器均包括采用反向传播神经网络的神经网络辨识...

【专利技术属性】
技术研发人员：刘胜，宋伟伟，谭银朝，孙婷婷，孙志，张华清，
申请(专利权)人：威海海洋职业学院，
类型：发明
国别省市：山东,37