一种基于神经网络船舶拖曳作业PID航向控制方法技术

本发明专利技术涉及一种基于神经网络船舶拖曳作业PID航向控制方法，通过构建BP神经网络，考虑拖体对船舶运动的影响，将船舶航向偏差、旋转角速度、航速和拖绳长度作为神经网络的输入参数，能够反应不同旋转角速度、航速和拖绳长度条件下拖体对船舶运动的影响，通过神经网络的训练，得到合适的PID控制参数，对船体进行更高精度的航向控制，同时对神经网络连接权值进行修正，不断调整PID控制参数，实现拖曳作业过程船体的高精度航向控制。船体的高精度航向控制。船体的高精度航向控制。

【技术实现步骤摘要】
一种基于神经网络船舶拖曳作业PID航向控制方法


[0001]本专利技术属于船舶控制
，尤其是一种基于神经网络船舶拖曳作业PID航向控制方法。

技术介绍

[0002]由于海洋工程的发展，海上拖曳作业十分频繁。诸如拖曳声纳进行水声监测、拖曳无人艇进行航行、拖曳无动力海上平台至指定位置等。在拖曳过程中，拖体会通过绳索对拖船产生力的作用，从而对拖船的运动状态产生影响。
[0003]拖曳过程中拖体对船舶运动的影响非常复杂，绳索长度、航速、旋转速度都会影响绳索受力，且不同因素间的影响具有较强的耦合性。船体在航行过程中，受到拖体的影响，不可避免地会偏离预定航线(轨迹)，为了使船舶保持在预定的航向上航行，必须随时对船舶航行方向进行修正。目前，现有的对于单船的控制方法，很难较全面的考虑拖体的影响，无法实现拖曳过程中的船舶高精度航向控制。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提出一种基于神经网络船舶拖曳作业PID航向控制方法，能够实现拖曳作业过程船舶航向精确控制。
[0005]本专利技术解决其技术问题是采取以下技术方案实现的：
[0006]一种基于神经网络船舶拖曳作业PID航向控制方法，包括以下步骤：
[0007]步骤1、确定包括输入层、输出层和隐含层节点数的BP神经网络；
[0008]步骤2、将航向偏差、旋转角速度、航速和拖绳长度四个参数作为神经网络的输入参数；
[0009]步骤3、进行神经网络运算，计算得到PID算法的三个参数；/>[0010]步骤4、将船体航向偏差和船体航向偏差增量作为PID算法的输入，根据步骤3得到的三个参数计算船体控制转矩的增量，进而控制船体的航向；
[0011]步骤5、根据BP网络的误差逆向传递算法，调整各层连接权值；
[0012]步骤6、返回步骤2，在线调整PID参数。
[0013]而且，所述步骤1中BP神经网络的输入层为：
[0014][0015]其中，i＝1、2、3、4，e为船体航向偏差；ω为船体旋转角速度；ω为船体旋转角速度；v为船体速度；l为船体与拖体之间的拖绳长度；
[0016]隐含层的输入为：
[0017][0018]其中，j＝1、2、3、4、5，为隐含层的权值系数，U为输入层，V为隐含层
[0019]隐含层激发函数为S型函数：
[0020]f(x)＝(e
x
‑
e
‑
x
)/(e
x
+e
‑
x
)
[0021]隐含层输出为：
[0022][0023]输出层的输入：
[0024][0025]其中，m＝1、2、3，R为输出层；
[0026]输出层的激发函数为S型函数：
[0027]g(x)＝1/(1+e
‑
x
)
[0028]神经网络的输出为：
[0029][0030]其中，
[0031]而且，所述步骤3中PID算法为：
[0032]Δu(k)＝K
P
(e(k)
‑
e(k
‑
1))+K
i
(e(k)+K
d
(e(k)
‑
2e(k
‑
1)+e(k
‑
2))
[0033]其中，Δu为控制转矩的增量，e(k)为k时刻船体航向偏差，e(k
‑
1)为k
‑
1时刻船体航向偏差，e(k
‑
2)为k
‑
2时刻船体航向偏差，通过k时刻船体航向偏差e(k)和船体航向偏差增量Δe计算，K
P
，K
i
和K
d
为PID算法的三个参数。
[0034]而且，所述步骤5的具体实现方法为：根据输出值与期望值之间的偏差，采用梯度下降法对神经网络连接权值进行修正：
[0035]设定性能指标函数：
[0036]J(k)＝(θ
d
(k)
‑
θ(k))2[0037]其中，θ
d
为目标航向，θ为输出航向；
[0038]更新后的输出层权值系数为：
[0039][0040]其中，η为学习效率，e(k)为k时刻船体航向偏差，θ(k)为船体的输出航向，u(k)为船体的输入转矩，m＝1、2、3，R为输出层，e(k
‑
1)为k
‑
1时刻船体航向偏差，e(k
‑
2)为k
‑
2时刻船体航向偏差，g(x)为输入层的激发函数，为神经网络的输出层的输入，为神经网络的隐含层输出，
[0041]更新后的隐含层权值系数为：
[0042][0043]其中，其中，f'(x)为S型函数的倒数，为神经网络的隐含层输入，为神经网络的输入层。
[0044]本专利技术的优点和积极效果是：
[0045]本专利技术通过构建BP神经网络，考虑拖体对船舶运动的影响，将船舶航向偏差、旋转角速度、航速和拖绳长度作为神经网络的输入参数，能够反应不同旋转角速度、航速和拖绳长度条件下拖体对船舶运动的影响，通过神经网络的训练，得到合适的PID控制参数，对船体进行更高精度的航向控制，同时对神经网络连接权值进行修正，不断调整PID控制参数，实现拖曳作业过程船体的高精度航向控制。
附图说明
[0046]图1为本专利技术结构框图；
[0047]图2为本专利技术BP神经网络结构图。
具体实施方式
[0048]以下结合附图对本专利技术做进一步详述。
[0049]一种基于神经网络船舶拖曳作业PID航向控制方法，如图1所示，包括以下步骤：
[0050]步骤1、确定包括输入层、输出层和隐含层节点数的BP神经网络。
[0051]如图2所示，BP神经网络包括一层输入层、一层隐含层和一层输出层，其中输入层包含四个节点，隐含层包含五个节点，输出层包含三个节点，输出层节点对应PID控制的K
P
，K
i
，K
d
三个参数，给出各层加权系数的初值，选定学习速率。
[0052]步骤2、将航向偏差、旋转角速度、航速和拖绳长度四个参数作为神经网络的输入参数。
[0053]网络的输入层为：
[0054][0055]其中，i＝1、2、3、4，e为船体航向偏差；ω为船体旋转角速度；ω为船体旋转角速度；v为船体速度；l为船体与拖体之间的拖绳长度；
[0056]隐含层的输入为：
[0057][0058]其中，j＝1、2、3、4、5，为隐含层的权值系数，U为输入层，V为隐含层
[0059]隐含层激发函数为S型函数：
[0060]f(x)＝(e
x
‑
e
‑
x
)/(e...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络船舶拖曳作业PID航向控制方法，其特征在于：包括以下步骤：步骤1、确定包括输入层、输出层和隐含层节点数的BP神经网络；步骤2、将航向偏差、旋转角速度、航速和拖绳长度四个参数作为神经网络的输入参数；步骤3、进行神经网络运算，计算得到PID算法的三个参数；步骤4、将船体航向偏差和船体航向偏差增量作为PID算法的输入，根据步骤3得到的三个参数计算船体控制转矩的增量，进而控制船体的航向；步骤5、根据BP网络的误差逆向传递算法，调整各层连接权值；步骤6、返回步骤2，在线调整PID参数。2.根据权利要求1所述的一种基于神经网络船舶拖曳作业PID航向控制方法，其特征在于：所述步骤1中BP神经网络的输入层为：其中，i＝1、2、3、4，e为船体航向偏差；ω为船体旋转角速度；ω为船体旋转角速度；v为船体速度；l为船体与拖体之间的拖绳长度；隐含层的输入为：其中，j＝1、2、3、4、5，为隐含层的权值系数，U为输入层，V为隐含层隐含层激发函数为S型函数：f(x)＝(e
x
‑
e
‑
x
)/(e
x
+e
‑
x
)隐含层输出为：输出层的输入：其中，m＝1、2、3，R为输出层；输出层的激发函数为S型函数：g(x)＝1/(1+e
‑
x
)神经网络的输出为：其中，3.根据权利要求1所述的一种基于神经网络船舶拖曳作业PID航向控制方法，其特征在于：所述步骤3中PID算法为：Δu(k)＝K
P
(e(k)
‑
e(k
‑
1))+K
i
(e(k)...

【专利技术属性】
技术研发人员：李佳川，赵宾，张海滨，王岭，王福，徐凯，黄炜，王小东，孟令桐，
申请(专利权)人：中国船舶重工集团公司第七零七研究所，
类型：发明
国别省市：