一种基于拉盖尔函数的船舶动力定位非线性模型预测控制方法技术

本发明专利技术涉及一种基于拉盖尔函数的船舶动力定位非线性模型预测控制方法，该方法包括：将拉盖尔函数引入到船舶动力定位系统的非线模型预测控制器设计中，使用拉盖尔函数对控制信号序列进行参数化，减少预测范围内的约束数量，从而减少每个控制步骤中的参数数量；采用无迹卡尔曼滤波滤除测量信号中的噪声干扰和波浪高频振荡成分，并对未知扰动和不可测量状态进行估计；基于前馈控制的思想，消除控制信号中干扰的影响，同时将状态估计值作为未来非线性模型预测动态的初始条件，在线考虑系统推进器约束和操作区约束，对目标函数进行最优求解，产生最优控制指令传送给被控船舶，从而控制船舶保持在设定船位和航向。方法为控制器的设计带来了极大的灵活性，有效提高在线计算效率，减少在线计算负担，同时提高非线性模型预测控制的控制效果和鲁棒性，具有较强的工程运用价值。用价值。

【技术实现步骤摘要】
一种基于拉盖尔函数的船舶动力定位非线性模型预测控制方法


[0001]本专利技术涉及船舶动力定位控制方法，具体涉及一种基于拉盖尔函数的船舶动力定位非线性模型预测控制方法。

技术介绍

[0002]船舶动力定位系统(Dynamic Positioning System，DPS)能够稳定有效的使船舶自动保持航向和位置，当船舶需要改变定位位置时不反复起锚抛锚，高效便捷，能提高船舶的工作效率。动力定位系统逐渐成为海洋工程船舶不可或缺的一部分，因此，对动力定位系统的研究引起了国内外相关科研人员的关注。
[0003]动力定位控制技术是动力定位系统的核心，决定着动力定位系统性能的优劣。由于DP系统的动态模型是非线性的，因而采用非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)进行船舶动力定位控制器设计，可以提高控制系统的控制精度。NMPC控制器的实现面临的挑战是在当前操作点在线计算量大且耗时长，因此，在控制器的设计中引入拉盖尔正交函数，对控制信号进行参数化，可以减少预测范围内的约束数量，优化时间间隔内的计算负担，提高在线计算效率，从而可以获得更好的性能与经济效益。
[0004]船舶定位过程中，会受到风、浪、流等环境干扰力的作用而使船舶偏离设定船位。其中，一阶波浪力将使船舶产生高频振荡运动，控制器在运算时并不需要对其进行响应，否则将造成推进器频繁动作加剧磨损，同时增加能耗。因而，需要通过状态估计与滤波器将运动信号中的高频成分和测量噪声滤除，而仅将低频运动分量作为控制器的输入。采用无迹卡尔曼滤波器(UKF)可对船舶未知状态进行估计，同时对外界干扰、模型失配、未建模动态等模型不确定进行估计，并在外环控制器中进行补偿，保证闭环控制器系统的鲁棒性。
[0005]QIAN等人提出了船舶动力定位系统基于拉盖尔函数的模型预测控制器设计,李光磊[1]等人提出了基于Laguerre函数的船舶航向DMPC控制方法，两者在进行模型预测控制器设计时未考虑定位系统是非线性，基于线性系统对船舶动力定位系统进行建模控制，同时忽略了船舶定位过程中受风、浪、流等环境干扰力的作用，会造成一定的控制偏差。不考虑状态估计和滤波，当状态不可测时控制时控制效果会受到影响，由于测量信号中的噪声和船舶高频运动的存在，不对测量信号进行滤波处理会使推进器频繁动作而造成不必要的能量损耗及磨损。
[0006]参考文献：
[0007][1]李光磊,郭亦平,林莉.基于Laguerre函数的船舶航向DMPC研究[J].计算机与数字工程,2017,45(5):988
‑
993.
[0008][2]Qian X,Yin Y,Zhang X,et al.Model predictive controller using laguerre functions for dynamic positioning system[C]//2016 35th Chinese Control Conference(CCC).IEEE,2016:4436
‑
4441.

技术实现思路

[0009](一)要解决的技术问题
[0010]为解决上述技术问题，本专利技术提供一种基于拉盖尔函数的船舶动力定位非线性模型预测控制方法。将拉盖尔函数与非线性模型预测控制相结合进行控制器设计，通过UKF进行动力定位系统滤波设计和状态估计，滤除掉高频运动分量和测量噪声，并估计出系统的未知状态和干扰，基于前馈控制的思想，消除控制信号中干扰的影响，状态估计值作为未来非线性模型预测动态的初始条件，以进一步提高NMPC控制器的鲁棒性和控制精度。
[0011](二)技术方案
[0012]为了达到上述目的，本专利技术采用的主要技术方案包括：
[0013]步骤1、基于前馈控制的思想，消除控制信号中干扰的影响，建立动力定位船舶的低频运动连续时间标称模型，并在每一时间步进行离散化处理,得到其离散时间状态空间模型：
[0014]x(k+1)＝A(k)x(k)+B(k)u(k)
[0015]y(k)＝C(k)x(k)
[0016]其中：k代表当前时刻，x(k),u(k),y(k)分别为k时刻系统的状态向量、控制输入向量和输出向量；离散化的状态空间模型是非线性的，考虑到DP船舶的航行状态是缓慢变化的，假设状态矩阵A(k),B(k)在预测期内保持不变，因此，从k时刻出发未来i时刻的预测输出y(k+i),i＝1,2...N
p
可以作为线性模型计算；
[0017]步骤2、为消除控制过程中的稳态误差，令x
a
(k)＝[Δx(k)
T y(k)
T
]T
，在离散状态空间表达式中引入积分环节，得到含积分器的增广状态空间模型如下：
[0018][0019][0020]其中：Δx(k)＝x(k)
‑
x(k
‑
1)是状态增量，Δu(k)＝u(k)
‑
u(k
‑
1)是控制增量，x
a
(k+1)为增广状态空间模型k+1时刻的状态变量，A
a
,B
a
,C
a
是相应的增广模型状态空间矩阵；n
x
,n
y
分别表示系统的状态变量数和系统输出变量数；
[0021]步骤3、使用拉盖尔正交函数设计非线性模型预测控制器：定义从k时刻出发未来i时刻的非线性船舶系统控制输入增量信号Δu(k+i)，采用拉盖尔函数描述为Δu(k+i)＝L(i)
T
γ(i)，将传统的控制时域N
c
用拉盖尔函数的极点a和阶数N表示，通过选取合适的a和N可以优化系统的动态响应；
[0022]步骤4、采用无迹卡尔曼滤波器估计未知状态和未知环境干扰：根据接收到的传感器船位(x,y)和航向ψ信息，滤除掉测量信息中的噪声干扰以及其中的高频振荡成分，得到低频船位和航向估计值并对未测量状态和未知干扰进行估计，得出纵向/横向线速度和转首角速度估计值干扰估计值并将状态估计信息传送给NMPC控制器；
[0023]步骤5、基于拉盖尔函数的NMPC控制器将接收到的状态估计滤波值作为预测未来动态的初始条件，通过预测模型预测未来动态，与设定船位η
d
＝(x
d
,y
d
,ψ
d
)相比较，将干扰估计作为反馈信号作用在外环控制环节中，抵消干扰对控制对象的影响，使对象模型变为标称模型，基于标称模型设计控制器，同时在线考虑系统的推进器约束、操作区约束，对目标函数进行最优求解，产生最优控制指令(X,Y,N)传送给被控的动力定位船舶，从而控制船舶保持在设定船位和航向；
[0024]基于拉盖尔函数的NMPC控制器设计按以下方法实现：
[0025]基于UKF的状态估计与滤波原理，船舶不需要对高频运动状态进行响应，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于拉盖尔函数的船舶动力定位非线性模型预测控制方法，其特征在于：该方法包括：步骤1、基于前馈控制的思想，消除控制信号中干扰的影响，建立动力定位船舶的低频运动连续时间标称模型：运动连续时间标称模型：其中：η＝[x,y,ψ]
T
表示船舶的低频船位和艏向，ν＝[u,v,r]
T
表示船舶的线速度和角速度向量，τ＝[X,Y,N]
T
表示船舶控制输入向量，M和D分别是船舶的惯性矩阵和阻尼矩阵，R(ψ)为旋转矩阵。在每一时间步进行离散化处理,得到船舶运动离散时间状态空间标称模型：x(k+1)＝A(k)x(k)+B(k)u(k)y(k)＝C(k)x(k)其中：k代表当前时刻，x(k),u(k)＝τ(k),y(k)分别为k时刻系统的状态向量、控制输入向量和输出向量；离散化的状态空间模型是非线性的，考虑到DP船舶的航行状态是缓慢变化的，假设状态矩阵A(k),B(k)在预测期内保持不变，因此，从k时刻出发未来i时刻的预测输出y(k+i),i＝1,2...N
p
作为线性模型计算；步骤2、为消除控制过程中的稳态误差，令x
a
(k)＝[Δx(k)
T y(k)
T
]
T
，在离散状态空间表达式中引入积分环节，得到含积分器的增广状态空间模型如下：达式中引入积分环节，得到含积分器的增广状态空间模型如下：其中：Δx(k)＝x(k)
‑
x(k
‑
1)是状态增量，Δu(k)＝u(k)
‑
u(k
‑
1)是控制增量，x
a
(k+1)＝[Δx(k+1)
T y(k+1)
T
]
T
为增广状态空间模型k+1时刻的状态变量，是相应的增广模型状态空间矩阵；n
x
,n
y
分别表示系统的状态变量数和系统输出变量数；步骤3、使用拉盖尔正交函数设计非线性模型预测控制器：定义从k时刻出发未来i时刻的非线性船舶系统控制输入增量信号Δu(k+i)，采用拉盖尔函数描述为Δu(k+i)＝L(i)
T
γ(i)，将传统的控制时域N
c
用拉盖尔函数的极点a和阶数N表示，通过选取合适的a和N可以优化系统的动态响应；步骤4、建立包含波浪高频运动及干扰偏差项的动力定位船舶状态观测及滤波模型，采用无迹卡尔曼滤波器估计未知状态和未知环境干扰：根据接收到的传感器船位(x,y)和航向ψ信息，滤除掉测量信息中的噪声干扰以及其中的高频振荡成分，得到低频船位和航向估计值并对未测量状态和未知干扰进行估...

【专利技术属性】
技术研发人员：邓芳，候秀慧，杨化林，李博洋，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：