【技术实现步骤摘要】
一种远洋船舶航向控制复合优化节油方法
[0001]本专利技术涉及船舶航运领域,具体涉及一种远洋船舶航向控制复合优化节油方法。
技术介绍
[0002]自动舵是控制船舶远洋航行的关键设备。自动舵控制船艏向维持航行方向,船艏向偏离设定航向的偏差为被控量,舵叶偏转角度为操纵变量,自动舵需频繁调整以抵御外部对航向的干扰,这使舵叶很难长期保持在中位,导致舵机频繁调节、航向变动往复,增大航行阻力,远洋船舶航迹呈“S”形,影响航速、增多燃油消耗和舵机磨损。因此,船舶航向控制的迟滞、超调、振荡、节油问题一直是自动舵需要解决的难题之一。
[0003]PID是船舶自动舵的基础,模糊、神经网络、鲁棒控制、非线性控制、滑模变结构、专家系统、遗传算法等多是优化PID控制参数或补偿PID输出。船舶自动舵自适应船舶特性变化、自学习外部风浪流扰动是技术难点和研究热点。典型的船舶自适应舵有SperryMarine Navipilot系列、日本横河Adaptive Autopilot等,而我国自适应自动舵的自主产品在远洋船舶尚未见应用。传统PID自动舵在船舶特性变化时,驾驶员凭经验整定PID参数以获得合适的航向控制性能,自学习自适应自动舵可解决这些难题而获得航向最优控制。
[0004]扩展卡尔曼滤波(EKF,英文全称为ExtendedKalman Filter)对船舶特性及外部干扰进行处理,在降低舵失效及节能方面具有较好效果,通过动态递归神经网络(DRNN)学习船舶动态特性模型变化并实时更新,实现基于EKF、DRNN的船舶航向控制复合优化 ...
【技术保护点】
【技术特征摘要】
1.一种远洋船舶航向控制复合优化节油方法,其特征在于,该方法包括:S1、船舶参数初始化,其中,该船舶参数包括船舶几何参数、主机参数、螺旋桨参数、舵机参数和艏侧推参数;S2、根据船舶航海试验报告获取操纵性试验数据,其中,该试验数据包括航速测试曲线、惯性试验结果、ZIG
‑
ZAG操纵试验结果和回转试验结果;S3、营运船离港随动操舵模式,船舶特性识别,计算船舶增益Ks和船舶时间常数Ts;S4、航向控制算法的DRNN系数和PID系数初值预置;S5、船舶航行控制系统的信号采集与处理;S6、远洋船舶航向控制复合优化算法架构;S7、远洋船舶航向控制过程。2.如权利要求1所述的远洋船舶航向控制复合优化节油方法,其特征在于,在所述步骤S1中,船舶几何参数包括船舶长度、型宽、型深、结构吃水;主机参数包括额定推进功率、转速、主机功率
‑
主机转速
‑
船舶航速曲线图;螺旋桨参数包括螺旋桨直径、桨叶数目、螺距;舵机参数包括扭矩、转舵速率;艏侧推参数包括频率、转速、转船速率。3.如权利要求2所述的远洋船舶航向控制复合优化节油方法,其特征在于,在所述步骤S2中,船舶满载状态下主机推进功率对应的船舶航速、吃水纪录、全速与半速时回转试验的回转半径;10度Zig
‑
Zag试验数据、20度Zig
‑
Zag试验数据、全速与半速时的停车距离试验;获得船舶在不同转速、不同吃水下的船舶惯性Ts和响应增益Ks,并为初始值。4.如权利要求3所述的远洋船舶航向控制复合优化节油方法,其特征在于,在所述步骤S3中,船舶离港不适用全自动航向控制,采用人工操作的随动操舵模式,不同舵角作用下船舶转向快慢不一样,可以通过飞升曲线法计算船舶此货载情况下的Ts和Ks,并赋值给控制系统作为船舶特性估计值。5.如权利要求4所述的远洋船舶航向控制复合优化节油方法,其特征在于,在所述步骤S4中,DRNN系数初始赋值如下:DRNN神经元结构为输入层3个,回归层9个,输出层1个;连接权初值均采用随机数;学习速率初值为η
N
=0.4、η
R
=0.4和η
o
=0.4;惯性系数初值为α=0.4、β=0.4、γ=0.4;采样间隔时间ts=1s;PID系数初始赋值如下:PID增益学习速率η
p
=0.5、η
i
=0.001、η
d
=0.3;正实常数a
p
=22、b
p
=8.0、c
p
=0.8;a
i
=1、c
i
=1;a
d
=0.5、b
d
=2.5、c
d
=6.5、d
d
=0.3;航向偏差阈值ε=2
°
,变速积分系统B=...
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。