本发明专利技术涉及一种船舶运动系统的多模型自适应混合控制方法及系统，通过将船舶运动系统在平衡点处线性化获得线性模型，然后在每个工作区域设计对应的线性自适应鲁棒控制器，各个子控制器间采用混合的控制策略，避免了子控制器间因切换而引发振荡，提高了控制效果，在控制器中引入动态自适应神经网络来补偿未建模动态以及建模误差，提高了船舶运动系统的稳定性和动态性能。
【技术实现步骤摘要】
【专利说明】[00011 本申请要求申请日为2014-08-19、申请号为201410409446.X、名称为基于多模型 的非线性系统的自适应混合控制方法及系统的优先权。
本专利技术涉及一种船舶运动系统的控制方法及系统，尤其涉及一种船舶运动系统的 多模型自适应混合控制方法及系统。
技术介绍
多模型自适应控制(MMAC)是对于具有强非线性和参数跳变的系统进行控制的一 种有效的方法。上世纪90年代以来，由Middleton，Goodwin，Narendra等人基于线性连续时 间系统，相继给出了基于指标切换函数的多模型自适应控制，并证明了算法的闭环稳定性。 近来神经元网络作为强有力的非线性建模工具已大量应用于非线性被控对象，它与多模型 方法的结合，对非线性系统如船舶运动系统的控制已得到了一些令人满意的结果。目前存 在两种主要的控制思路：1通过在一个工作点建立一个线性鲁棒自适应控制器和一个基于 神经网络的非线性自适应控制器，根据切换准则选取一个合适的控制器对系统进行控制。 线性控制器用以保证系统的稳定性，非线性控制器用以提高系统的性能.2在工作点建立线 性鲁棒控制器，并在控制器中引入动态结构自适应网络来补偿未建模动态和建模误差。但 上述思路均采用基于切换的多模型自适应控制器，能快速地响应模型的突变，但子控制器 间切换时暂态响应不好，且系统控制存在滞后时，有可能会导致子控制器间频繁切换，引发 系统震荡。因此寻找一种控制方法解决控制器间切换引发的振荡是非常必要的，这样会有 益于提高控制效果。
技术实现思路
本专利技术的目的在于提供一种船舶运动系统的多模型自适应混合控制方法及系统， 以解决基于多模型的船舶运动系统控制中系统振荡的问题。 为了解决上述问题，本专利技术涉及了一种船舶运动系统的多模型自适应混合控制方 法，所述船舶运动系统的数学模型为： x(k+l)=F(x(k)，u(k)) y(k) =Cx(k);该方法包括以下步骤： 船舶运动系统线性模型建立步骤:将所述船舶运动系统在平衡点处线性化以获得 线性模型 Si:y(k+d) = 9Tw(k)，其中w(k) = T，u(k)，y (k) ER为船舶运动系统的操纵输入和船舶航向，船舶运动系统的操纵性指数为Ω ; Θ所有取值构成的集合为船舶运动系统的参数模型集 ? 多线性模型子集建立步骤:根据先验知识，将Ω划分成n个模型子集Ω i(i = 1，2··· η)，Ω,代表船舶运动系统的某一工况下船舶运动系统的线性模型；参数估计辨识步骤:采 用辨识算法得到船舶运动系统的不确定性操纵性指数f(k); 混合控制信号设置步骤:设置扒0，= 1为混合控制信号，其中3 (Θ*)是连续可微的函数，且+ = 1，βΚθ*)，β2(θ*)，一β^θ*) 2〇,当 沒"运?或A 时，Μθ：ι：)=0,其中i = l，…n，k表示为活跃参数子集的集合，当参数估 计值时，称Ω,为活跃的参数子集;混合控制器设置步骤:对每一个模型子集设置 一个鲁棒控制器为Μ,α) = ζ(ζΚ/?) 5其中，ζ-1为单位延迟算子;所有鲁棒控制器与其 对应的混合控制信号β(θ*)值得到混合控制器，所述混合控制器为A 混合 控制器的传递函数C(z;/?)力：$ 中，pi E R，p2和 1 E RN-2，an-2 (z ) = = eieRN为第i个标准基础矢量，Ρι(β)，Ρ2(β)，1(β)是关于邮]连续 可微的函数;对于所有的使所述船舶运动系统的线性部分保持稳定； 非线性部分补偿步骤:混合控制器中引入RBF神经网络来补偿所述船舶运动系统 中的非线性部分，使混合控制器为u = uf+un，RBF神经网络为：二…/Γ^?+〃（A:)糾>(々)）>将 所述船舶运动系统在零点线性化后得到模型表述为： x(k+l)=Ax(k)+Bu(k)+f(x(k)，u(k)) y(k)=Cx(k) 其中 #:0>为1在k时刻的估计值。 y 进一步地，参数估计辨识步骤包括： 9*(k) = 9*(k_l)+γ R-V(k)e(k)，其中f:式中R为正定 常数矩阵，γ为自适应增益。 进一步地，所述船舶运动系统的线性模型子集满月□1非空，1 = 1，2··· η·，Ω i η Ω ?+1 = δ，? = 1，2···η·，δ为常量，V# eQ<f/：Ki，:.2…打，3沒;€·Ω:.和0 < ri《⑴，| | Θ*- Θ」|为所述船舶运动系统的线性模型子集01的中心，ri为该子集半径，为参数估 计值，η为正整数。 进一步地，#仏）的调整方式为： 式中μ为自适应增益，δ为设计参数。 进一步地，通过RBF神经网络来补偿所述船舶运动系统中的非线性部分的变化为 通过神经网络在某个集合上以任意精度逼近所述船舶运动系统的非线性部分而得到： 其中yT=，并 且约的元素（为已知的常数，ε(1〇为 有界逼近误差，且有|糾为大于零的常数。 基于同样的专利技术构思，本专利技术还提供了一种船舶运动系统的多模型自适应混合控 制系统，对一船舶运动系统进行控制，包括线性模型建立单元:将所述船舶运动系统在平衡 点处线性化以获得线性模型Si:y(k+d) = 0Tw(k)，其中w(k) = T，u(k)，y(k) eR为船舶运动系统的控制输入和船舶航向，参数丨为船舶运动系统的操纵性指数，Θ所有取值构成的集合 为船舶系统的参数模型集Ω ; 多线性模型子集建立单元:与线性模型建立单元相连接，根据先验知识，将Ω划分 成η个模型子集Ω Ki = 1，2···η)，Ω ,表示某一工况下的船舶运动系统的线性模型； 参数估计辨识单元:采用辨识算法得到船舶系统的不确定性操纵性指数f(k);参 数估计辨识单元直接影响到系统控制的暂态性能； 混合控制信号设置单元：与参数估计辨识单元相连接，设置= (Θ*)]Τ*混合控制信号，其中β(θ*)是连续可微的函数，且β1(θ*)+β 2(θ*) + ···β1(θ*) = 1，β1 (0*)，扮（0*)，..也（0*)2〇，当矿#〇或砵贫%时上（9*)=〇，其中1 = 1，1，^表示为活 跃参数子集的集合，当参数估计值f(k) e Ω i时，称Ω i为活跃的参数子集； 混合控制器设置单元:与多线性模型子集建立单元以及混合控制信号设置单元相 连，对每一个船舶运动系统的线性模型设置一个鲁棒控制器为％(々）二其中， 为单位延迟算子;所有鲁棒控制器与其对应的混合控制信号β(θ，值得到混合控制器，所 述混合控制器为:>混合控制器的传递函数亡_;蹲为：其中，piER，p2和 1 ERN-2，an-2(z) = ，6(?):尕〇^),#0为第1个标准基础矢量，1)1(0)，1) 2(0)，1(0)是关于邱勺连续 可微的函数，β是混合控制信号;通过混合控制器得到所述线性模型得到所述船舶运动系统 的线性部分； 非线性部分补偿单元:与混合控制器设置步骤单元相连，向混合控制器中引入RBF 神经网络来补偿所述船舶运动系统中的非线性部分，使混合控制器为u = uf+un，神经网络为)t将船舶运动系统在零点线性化后得到模型表述为： x(k+l)=Ax(k)+Bu(k)+f(x(k)，u(k)) y(k) =Cx(k) 其中B为控制矩阵本文档来自技高网...
【技术保护点】
一种船舶运动系统的多模型自适应混合控制方法，其特征在于，所述船舶运动系统的数学模型为：x(k+1)＝F(x(k)，u(k))y(k)＝Cx(k)；该方法包括以下步骤：船舶运动系统线性模型建立步骤：将船舶运动系统在平衡点处线性化以获得线性模型Sl：y(k+d)＝θTw(k)，其中w(k)＝[y(k)，…，y(k‑n+1)，u(k)，…u(k‑n+1)]T，u(k)，y(k)∈R为船舶运动系统的操纵输入和船舶航向，船舶运动系统的操纵性指数为θ所有取值构成的集合为船舶运动系统的参数模型集Ω；多线性模型子集建立步骤：根据先验知识，将Ω划分成n个模型子集Ωi(i＝1，2…n)，Ωi代表船舶运动系统的某一工况下船舶运动系统的线性模型；参数估计辨识步骤：采用辨识算法得到船舶系统的不确定性操纵性指数θ*(k)；混合控制信号设置步骤：设置β(θ*)＝[β1(θ*)…βi(θ*)]T为混合控制信号，其中β(θ*)是连续可微的函数，且β1(θ*)+β2(θ*)+…βi(θ*)＝1，β1(θ*)，β2(θ*)，…βi(θ*)≥0，当或时，βi(θ*)＝0，其中i＝1，…n，表示为活跃参数子集的集合，当参数估计值θ*(k)∈Ωi时，称Ωi为活跃的参数子集；混合控制器设置步骤：对每一个模型子集设置一个鲁棒控制器为其中，z‑1为单位延迟算子；所有鲁棒控制器与其对应的混合控制信号β(θ*)值得到混合控制器，所述混合控制器为混合控制器的传递函数为：其中，p1∈R，p2和l∈RN‑2，an‑2(z)＝[z2‑n，z3‑n…1]，ei∈RN为第i个标准基础矢量，p1(β)，p2(β)，l(β)是关于β的连续可微的函数；对于所有的使所述船舶运动系统的线性部分保持稳定的线性部分；非线性部分补偿步骤：混合控制器中引入RBF神经网络来补偿所述船舶运动系统中的非线性部分，使混合控制器为u＝uf+un，RBF神经网络为：将所述船舶运动系统在零点线性化后得到模型表述为：x(k+1)＝Ax(k)+Bu(k)+f(x(k)，u(k))y(k)＝Cx(k)其中为W在k时刻的估计值。...
【技术特征摘要】
...
【专利技术属性】
技术研发人员：王昕，曹叙风，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31
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。