一种舵鳍系统的预测自抗扰减摇控制方法技术方案

本发明专利技术公开一种舵鳍系统的预测自抗扰减摇控制方法，旨在解决舵鳍系统存在不确定扰动、状态耦合和输出延迟问题。分析船舶所受外力情况，建立三自由度船舶状态空间方程。针对不可观测状态，采用总扰动的思想解耦模型，分别设计纵摇自抗扰控制器和横艏摇预测观测器。横艏摇预测观测器在传统自抗扰的基础上尽可能多的保留原有的系统模型特性，只把状态耦合项、模型未知项、外部扰动等价为总扰动，单独考虑延迟问题。再利用强化学习不断地将系统的测量状态与模型的预测信息进行比较，并实时地修改预测模型和控制器参数，保证预测输出的准确度。最后利用二次规划求解舵角鳍角控制律。所述方法跟踪精度高，超调量小，减摇效果好。减摇效果好。

【技术实现步骤摘要】
一种舵鳍系统的预测自抗扰减摇控制方法


[0001]本专利技术属于船舶减摇领域，具体涉及一种舵鳍系统的预测自抗扰减摇控制方法。

技术介绍

[0002]由于测量噪声、外部干扰和复杂动力学过程的存在，船舶系统的输出不能被及时地观测并补偿，会影响船舶的运行状态。为了解决模型不确定性和时变扰动等控制难题，自抗扰控制引起了人们的广泛关注，在很多方面已经取得了成功应用，但传统自抗扰控制器忽略了模型原有的特性，不能很好的体现被控对象的特点，因此针对舵鳍系统，尝试在保留大部分模型特性的基础上进行控制器设计，将观测延迟、状态耦合脱离总扰动来单独考虑。
[0003]自抗扰对延迟处理的方法大致分为三类，第一类方法是近似延迟：论文《双入双出延迟系统模型辅助自抗扰控制研究》提出了忽略时延或一阶Pade法对时延环节进行传递函数逼近，采用泰勒展开式来近似延迟项，该方法提高了输入时滞多变量过程的鲁棒性，但控制器带宽和观测器带宽仍然相当有限，导致暂态和扰动抑制响应缓慢；第二类是输出预测：论文《On comparison of modified ADRCs for nonlinear uncertain systems with time delay》对输入和输出信号进行预测，通过使用预测方法来获得无延迟的输出反馈，但是预测需要基于精确的模型，一旦模型失配获得的预测值会与实际值之间存在一定偏差，影响控制效果。最后是模型辨识：论文《多变量逆解耦自抗扰控制及其在精馏塔过程中的应用》研究了模型辨识的方法，通过阶跃信号作用系统，检测输出信号得到延迟时间，但应用受到大部分高阶系统的限制，只适合对一二阶系统能够完成辨识。综上所述，研究一种既能检测系统延迟又能补偿系统不确定性的预测控制方法尤为重要。
[0004]论文《舵鳍联合自抗扰主从控制策略设计》提供的方法有以下问题：
[0005](1)设计的舵鳍自抗扰控制器，完全将模型间的耦合、非线性、延迟等价为扰动，忽略了横艏摇与纵摇之间的状态耦合；
[0006](2)未考虑船舶航向时由于外部复杂扰动造成输出测量存在延迟的问题。
[0007]专利CN 06842916 B《一种三维位置伺服系统的预测自抗扰控制方法》存在以下问题：未考虑预测模型发生变化时，控制器参数不在适应系统，不能保证预测的准确度。

技术实现思路

[0008]为解决常规舵鳍系统存在不确定扰动、状态耦合和输出延迟的问题，本专利技术提出了一种舵鳍系统的预测自抗扰减摇控制方法，所述方法允许在线和连续地执行控制、优化和模型校正，只需进行最少的操作，可用于解决工业过程中的测量延迟、模型不确定问题，操作简单、实用性强。
[0009]为实现上述目的，本专利技术采用以下技术方案：
[0010]一种舵鳍系统的预测自抗扰减摇控制方法，具体包括舵鳍三自由度状态空间模型建立及解耦、纵摇自抗扰控制器搭建、横艏摇预测观测器搭建、强化学习修正模型和控制器参数和舵角鳍角控制律分配。首先分析船舶所受外力情况，建立三自由度船舶状态空间方
程。针对系统存在不可观测状态，采用总扰动的思想将纵摇和横艏摇进行模型解耦，分别设计纵摇自抗扰控制器和横艏摇预测观测器。纵摇自抗扰控制器(ADRC)包括TD、ESO和NESLF三部分，可实现对期望输出的快速跟踪。横艏摇预测观测器在传统自抗扰的基础上尽可能多的保留原有的系统模型特性，只把状态耦合项、模型未知项、外部扰动等价为总扰动，对系统输出进行预测。再利用强化学习不断地将系统的测量状态与模型的预测信息进行比较，并实时地修改预测模型参数，保证预测输出的准确度，并将预测输出替代实际输出，解决系统输出延迟的问题。最后利用二次规划求解舵角鳍角控制律。具体包括以下步骤：
[0011]S1、舵鳍三自由度状态空间模型建立
[0012]S1.1、水动力分析与建模
[0013]S1.2、舵鳍力分析与建模
[0014]S1.3、风流浪力分析与建模
[0015]S1.4、模型解耦
[0016]充分利用上述已知的模型信息，并考虑航行时系统模型失配问题，将模型不确定性等问题视为系统输入端的时变扰动f
d
(k)。定义k时刻的输入u(k)＝[α δ]，α和δ分别为舵角、鳍角；状态y,v,φ,p,r分别是纵摇角、纵摇角速度、横摇角及角速度、艏摇角及角速度；输出构建的舵鳍三自由度状态空间模型如下：
[0017][0018]式中，τ是延迟时间，M,A,B,C分别是状态导数矩阵、状态矩阵、输入矩阵和输出矩阵。
[0019]由能观判据可知矩阵A不满秩，系统部分状态可观测，不能完全设计全维观测器。对于不可观测状态(纵摇角)的处理是采用自抗扰的思想分离模型。将系统状态解耦成两个子系统，分别设计控制器。纵摇系统采用标准的自抗扰设计流程，对于纵摇角及角速度以外的变量都等价为扰动，横艏摇系统在传统自抗扰的基础上尽可能多的保留已知的系统模型信息，基于精确化的模型设计控制器，只把状态耦合项、模型未知项、外部扰动等价为总扰动，单独考虑输出延迟的问题。
[0020]解耦后的纵摇系统扰动模型如下：
[0021][0022]式中，u1是由舵角和鳍角组成的纵摇控制律，b是常数。f1是由模型内部耦合项组成，包括艏摇角、横摇角及角速度等对纵摇的干扰。L
r
,N
f
,β分别为舵产生的升力、鳍产生的阻力和鳍的初始倾斜角，sin()是正弦函数。m,x
G
为船的质量和船舶重心坐标，u,d1为横荡
速度和内部未知扰动。Y
ur
,Y
|u|v
,Y
φuu
,为水动力各变量系数。
[0023]横艏摇系统输出延迟模型如下：
[0024][0025]式中，p代表横艏摇系统变量，x
p
(k),u
p
(k),y
p
(k)为k时刻横艏摇系统状态、输入和输出，x
p
(k
‑
τ)为k
‑
τ时刻的状态。f2(k)是纵摇角和角速度对横摇和艏摇状态的干扰。M
p
,A
p
,B
p
,C
p
是横艏摇系统系数矩阵。
[0026]S2、纵摇自抗扰控制器搭建
[0027]针对纵摇系统(2)设计的纵摇自抗扰控制器(ADRC)包括TD、ESO和NLSEF三个环节，通过合理的调节参数，可以实现对纵摇角的快速跟踪，对扰动的鲁棒性较强。
[0028]S2.1、纵摇状态和扰动观测
[0029]对纵摇设计如下ESO对总扰动和状态进行观测：
[0030][0031]式中，ε1是观测误差，z为误差增益。为纵摇角观测值、纵摇角速度观测值和纵摇扰动观测值。β
01
,β
02
,β
03
为观测器参数。fal()是非线性函数，a1,a2,a3,ξ1为常值。
[0032本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种舵鳍系统的预测自抗扰减摇控制方法，其特征在于，包括以下步骤：S1、舵鳍三自由度状态空间模型建立S1.1、水动力分析与建模S1.2、舵鳍力分析与建模S1.3、风流浪力分析与建模S1.4、模型解耦充分利用上述建立的模型信息，并考虑航行时系统模型失配问题，将模型不确定性等问题视为系统输入端的时变扰动f
d
(k)，定义k时刻的输入u(k)＝[α δ]，α和δ分别为舵角、鳍角；状态鳍角；状态分别是纵摇角、纵摇角速度、横摇角及角速度、艏摇角及角速度；输出构建的舵鳍三自由度状态空间模型如下：式中，τ是延迟时间，M,A,B,C分别是状态导数矩阵、状态矩阵、输入矩阵和输出矩阵；由能观判据可知矩阵A不满秩，系统部分状态可观测，不能完全设计全维观测器，对于不可观测状态(纵摇角)的处理是采用自抗扰的思想分离模型，将系统状态解耦成两个子系统，分别设计控制器；解耦后的纵摇系统扰动模型如下：式中，u1是由舵角和鳍角组成的纵摇控制律，b是常数，f1是由模型内部耦合项组成，包括艏摇角、横摇角及角速度等对纵摇的干扰，L
r
,N
f
,β分别为舵产生的升力、鳍产生的阻力和鳍的初始倾斜角，sin()是正弦函数，m,x
G
为船的质量和船舶重心坐标，u,d1为纵荡速度和内部未知扰动，为水动力各变量系数；横艏摇系统输出延迟模型如下：式中，p代表横艏摇系统变量，x
p
(k),u
p
(k),y
p
(k)为k时刻横艏摇系统状态、输入和输出，x
p
(k
‑
τ)为k
‑
τ时刻的状态，f2(k)是纵摇角和角速度对横摇和艏摇状态的干扰，M
p
,A
p
,B
p
,C
p
是横艏摇系统系数矩阵；S2、纵摇自抗扰控制器搭建
针对纵摇系统(2)设计的纵摇自抗扰控制器(ADRC)包括TD、ESO和NLSEF环节，通过合理的调节参数，可以实现对纵摇角的快速跟踪，对扰动的鲁棒性较强；S2.1、纵摇状态和扰动观测对纵摇设计如下ESO对总扰动和状态进行观测：式中，ε1是观测误差，z为误差增益，为纵摇角观测值、纵摇角速度观测值和纵摇扰动观测值，β
01
,β
02
,β
03
为观测器参数，fal()是非线性函数，a1,a2,a3,ξ1为常值；S2.2、非线性反馈控制律设计接收TD和ESO的期望输出和观测信息，设计的包含总扰动和期望输出误差的非线性反馈控制律如下：式中，y
ref
,v
ref
为TD环节输出的纵摇角期望值和纵摇角速度期望值，e1,e2分别为纵摇角期望误差和纵摇角速度期望误差，μ1,μ2为误差比例因子，a
′1,a
′2,ξ
′1,ξ
′2为常值；S3、横艏摇预测控制器搭建设计了一种改进的强化学习预测观测器(DDPG
‑
PO)，强化学习可不断地将过程的测量状态与模型的预测信息进行比较，并实时地修改预测模型参数和控制器参数，保证预测输出的准确度，并将预测输出替代实际输出，解决系统输出延迟的问题；S3.1、横艏摇状态和扰动预测针对横艏摇模型设计如下预测观测器：式中，为横艏摇状态预估值，为横艏摇扰动预估值，为横艏摇输出预估值，A
e
,B
e
,C
e
,B
d
为系统参数矩阵，a3,ξ3为待调参数，L
e
＝[l
1 l
2 l
3 l4]
T
为反馈增益矩阵，l1,l2,l3,l4是反馈增益，通过引入观测器带宽ω0来进行参数整定，即：|λI
‑<...

【专利技术属性】
技术研发人员：孙明晓，张文玉，栾添添，袁晓亮，李小岗，付强，谭政纲，甄立强，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：