【技术实现步骤摘要】
一种基于极值搜索算法的海工栈桥模型预测控制方法
[0001]本专利技术涉及一种基于极值搜索算法的海工栈桥模型预测控制方法，属于海洋工程装备补偿控制
技术介绍
[0002]由于海洋环境的复杂多变，海上作业船舶受到风、海浪耦合影响，不可避免地产生升沉、摇摆、平移运动。虽然借助船舶的动力定位系统使得横摇、纵摇和艏摇在一定程度上得到控制，但对于船舶横荡、纵荡以及升沉方向上的运动仍难以有效控制。
[0003]海工栈桥通过运动姿态传感器实时监测船舶和执行机构的相对运动，对船舶的运动进行反向补偿，进而保证在船舶与海上平台之间的相对稳定，使海上人员转移变得更加安全方便，降低海上生产作业的成本，提高了作业效率。
[0004]针对海工栈桥扰动大、模型参数不确定、参数时变性强等特点，已有许多海工栈桥姿态补偿控制方法的相关研究。其中传统的模型预测控制方法，需要已知海工栈桥的精确模型。而由于模型参数的不确定性以及时变性，实际应用中难以建立海工栈桥的精确模型，因此，传统的模型预测控制难以取得良好的控制效果。
专利技术内...
【技术保护点】
【技术特征摘要】
1.一种基于极值搜索算法的海工栈桥模型预测控制方法，其特征在于，步骤如下：步骤（1），建立海工栈桥的动力学模型并将其进行线性化和离散化处理；步骤（2），基于海工栈桥的数学模型设计具有状态约束的模型预测控制器；步骤（3），针对模型参数不确定性，设计基于极值搜索算法的实时参数估计器。2.如权利要求1所述的基于极值搜索算法的海工栈桥模型预测控制方法，其特征在于，所述基于极值搜索算法的海工栈桥模型预测控制方法应用的海工栈桥包括回转机构、俯仰机构和伸缩机构，回转机构顶部设置有伸缩机构，回转机构与伸缩机构之间倾斜设置有俯仰机构，回转机构用于补偿横荡方向的船舶运动，俯仰机构用于补偿升沉方向的船舶运动，伸缩机构用于补偿纵荡方向的船舶运动。3.如权利要求2所述的基于极值搜索算法的海工栈桥模型预测控制方法，其特征在于，步骤（1）中，建立海工栈桥动力学模型：根据朗格朗日动力学，海工栈桥的拉格朗日函数表示为：（1）（2）（3）上式中，L为拉格朗日量，T为海工栈桥总动能，U为海工栈桥总势能，为回转机构的关节位移，为俯仰机构的关节位移，d3为伸缩机构的关节位移，为回转机构的关节速度，为俯仰机构的关节速度，为伸缩机构的关节速度；则海工栈桥的运动方程为:(4)(5)式中，τ1为回转机构的关节驱动力矩，τ2为俯仰机构的关节驱动力矩，τ3为伸缩机构的关节驱动力矩；对于海工栈桥，忽略外部干扰，通过式(4)可得系统的动力学模型为： (6)(7)式中，为回转机构的加速度，为俯仰机构的加速度，为伸缩机构的加速度，H
为惯性矩阵，V为离心力和哥氏力矩阵，G为重力矢量，f为摩擦力矢量；根据海工栈桥动力学方程式(6),取为系统的状态向量，则系统的状态空间方程可表示为：（8）式中，，；将系统状态空间方程式(8)在实时状态轨迹附近展开成泰勒级数，取采样时间为T，并使用一阶差分进行离散化，得到离散的状态空间方程：（9）其中：（10）（11）（12）（13）式中，N
p
为预测时域， x1为位移，x2为速度，x(k)表示在第k个采样时刻的预测输出，海工栈桥的控制变量即为驱动力矩u(k)，A为系统矩阵，B为控制矩阵，G
p
为干扰项，C为输出矩阵，T为采样时间，I为单位矩阵，O为零矩阵；将式(9)转化为具有不确定性的系统模型： (14)式中，为模型不确定性部分。
4.如权利要求3所述的基于极值搜索算法的海工栈桥模型预测控制方法，其特征在于，步骤（1）中，H为惯性矩阵，其表达式为：其中，h
nxn
为H的分量；V为离心力和哥氏力矩阵，其表达式为：其中，v
nxn
为V的分量，；G为重力矢量，其表达式为：（25）f为摩擦力矢量，其表达式为：（26）式中， m1，m2，m3分别为回转机构、俯仰机构和伸缩机构的关节质量，I
zz1
为回转机构在z方向的惯性矩，I
xx2
，I
yy2
，I
zz2
分别为俯仰机构在x，y，z方向的惯性矩，I
xx3
，I
yy3
，I
zz3
分...
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。