The invention provides an adaptive neural network automatic berthing control method for underactuated ships, which adopts an additional control method to solve the difficult problem of underactuated controller design, and uses the neural network adaptive method of dynamic depth information of navigation to reconstruct uncertain dynamic parameters and unknown disturbance vectors of the ship model, and the neural network. The network weights, approximation errors and disturbances are estimated on-line as compound uncertainties. The problem that the input of unknown disturbances is difficult to approximate and ignore the coupling characteristics of the system caused by the separation of disturbance and approximation errors is solved. The coupling characteristics of uncertainties are considered and the conservatism of the design is reduced. The input saturation of rudder and propeller actuators is considered in the controller design, and the dynamic surface technique and the method of minimum learning parameters are introduced to reduce the calculation load, so that the proposed control method is more simple and easy to implement in engineering.
【技术实现步骤摘要】
一种欠驱动船舶自适应神经网络自动靠泊控制方法,设备及介质
本专利技术涉及船舶控制
,具体涉及基于航海动态深度信息的欠驱动船舶自适应神经网络自动靠泊控制方法。
技术介绍
随着船舶大型化、自动化、智能化的发展,智能船舶已成为当今海洋交通运输发展的主流方向。根据2016年3月1日生效的中国船级社(CCS)编制的《智能船舶规范》,智能船舶分为六大功能模块:智能航行、智能船体、智能机舱、智能能效管理、智能货物管理和智能集成平台,其中,智能航行模块除具有基本的航行功能外,还需要具有自动靠泊等辅助智能功能。而相比航海实践角度中的船舶离泊,船舶自动靠泊的难度更大。在航海实践中,船舶靠泊操纵一直被公认为是最困难、最复杂操作之一。然而,随着航海科学与技术的迅猛发展,船舶配员数量逐渐减少和高级船员逐渐短缺,使船员的职务提升速度加快,因此一些年轻船员因缺少足够丰富的靠泊经验,导致发生触碰码头的事故时有发生。丰富的靠泊经验需要船员在实践中不断摸索和积累,难以全部通过短时间的理论学习或者模拟器培训获得。实践中,中小型商船一般需利用桨、舵、锚、缆和侧推器等自主靠泊,而大型船往往依靠拖轮协助靠泊,在条件允许时也可进行自主靠泊。由于桨、舵等控制执行器都是针对定常航速设计,但实际船舶靠泊要受到浅水、低速、岸壁效应等影响,操作更加复杂。因此对大型智能船舶中的自动靠泊关键技术进行研究,是目前提高船舶靠泊安全性与高效性的重中之重。在靠泊实践中,船舶要受到时变的浅水、低速、岸壁效应、相对增强的风流等影响,会导致欠驱动船舶靠泊中存在执行器时变增益性、模型动态不确定性与未知扰动等问题。
技术实现思路
...
【技术保护点】
1.一种欠驱动船舶自适应神经网络自动靠泊控制方法,其特征在于,包括如下步骤:采用机理建模的方法构建船舶平面运动非线性动力学方程,描述船舶运动模型;采用附加控制方式进行坐标转换,并利用航海动态深度信息的神经网络重构不确定的模型动态参数与未知扰动向量;采用神经网络逼近方法及最小学习参数方法,实现欠驱动船舶自适应神经网络自动靠泊控制。
【技术特征摘要】
1.一种欠驱动船舶自适应神经网络自动靠泊控制方法,其特征在于,包括如下步骤:采用机理建模的方法构建船舶平面运动非线性动力学方程,描述船舶运动模型;采用附加控制方式进行坐标转换,并利用航海动态深度信息的神经网络重构不确定的模型动态参数与未知扰动向量;采用神经网络逼近方法及最小学习参数方法,实现欠驱动船舶自适应神经网络自动靠泊控制。2.根据权利要求1所述的欠驱动船舶自适应神经网络自动靠泊控制方法,其特征在于,步骤采用三自由度船舶平面运动非线性动力学的方式,描述船舶运动模型还包括:纵荡(m+mx)vr-(m+my)vr=X|u|u|u|u+Xvrvr+Xwv2+Xrrr2+Tu横荡(m+my)ur+(m+mx)ur=Yvv+Yrr+Y|v|v|v|v+Y|r|r|r|r+Ywrv2r+Yvrrvr2艏摇(Izz+Jzz)uv+(my+mx)uv=Nvv+Nrr+N|v|v|v|v+N|r|r|r|r+Nwrv2r+Nvrrvr2+Tr(1)其中,Tu和Tr分别为纵荡和艏摇自由度的控制输入,也就是螺旋桨推力和舵力;自动靠泊中,设计模型动态不确定性与未知扰动的自动靠泊控制器,设模型参数mx、my、mz、X|u|u|u|u+Xvrvr+Xvvv2+Xrrr2、Yvv+Yrr+Y|v|v|v|v+Y|r|r|r|r+Yvvrv2r+Yvrrvr2、Nvv+Nrr+N|v|v|v|v+N|r|r|r|r+Nvvrv2r+Nvrrvr2均为未知向量,并设纵荡、横荡、艏摇三个维度的未知扰动向量分别为du、dv、dr模型参数;式(1)的系统状态方程可变为:x=ucos(ψ)-vsin(ψ)y=usin(ψ)+vcos(ψ)ψ=r其中,高阶流体动力项为:其中,mu=m+mx、mv=m+my、mr=IZ+JZ;[x,y,ψ]∈R3为船舶位置坐标和艏向角的姿态变量;[u,v,r]T∈R3为船舶前向速度、横荡速度和艏摇速度变量;du、dv、dr表示不可测的未知外界海洋环境扰动力/力矩向量,包括风、浪、流的影响;在船舶靠泊实践中,舵、桨执行器驱动力Tu和Tr存在最大值,即Tumax>0、Trmax>0。3.根据权利要求1所述的欠驱动船舶自适应神经网络自动靠泊控制方法,其特征在于,步骤采用附加控制方式进行坐标转换,并利用航海动态深度信息的神经网络重构不确定的模型动态与未知扰动还包括:通过坐标变换及附加控...
【专利技术属性】
技术研发人员:张强,张显库,刘洋,许世波,张燕,江娜,孙昱浩,杨仁明,华莱士杰克逊,
申请(专利权)人:山东交通学院,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。