斜舵船舶垂荡和纵摇装置智能自适应控制方法制造方法及图纸

本发明专利技术提供的是一种船舶斜舵减垂荡和纵摇装置（斜舵船舶垂荡与纵摇装置）智能自适应控制方法。利用测量系统测出斜舵船舶垂荡与纵摇装置的状态参数信息；换成数字信号经过滤波器后，送给控制器；控制器选择最优的斜舵船舶垂荡和纵摇装置智能自适应系统的控制输入；控制器所产生的控制信号经过数字／模拟转换器产生模拟信号并经过信号放大器增强后输出给执行机构；执行机构按指令执行，将整个系统变化到指定的工况下。本发明专利技术的优点在于适用于斜舵船舶垂荡和纵摇装置这样具有严重的非线性、耦合性、时变性的系统，控制精度高，鲁棒性好。

【技术实现步骤摘要】

本专利技术涉及的是一种控制方法，具体的说是一种船舶斜舵减垂荡和纵摇装置先进控制方法。
技术介绍
斜舵船舶垂荡和纵摇装置多变量系统，由于非线性、强耦合性、时滞性和参数不确定等特性，使其控制系统的设计具有一定的挑战性。 船舶减纵摇至今还没有得到很好的解决，如果能够找到有效的减纵摇方法，对于舰载飞机起降、船舶的适居性和航行性及安全性等都是十分有意义的。 目前减横摇方面已取得不少研究成果。在船舶减纵摇方面，研究成果较少.双体船的纵摇控制获得了较好的效果.在常规船型中，通过加装减摇组合附体这种被动纵摇减摇装置也获得了较好效果.虽然采用双体、多体船型或增大排水量的方法可以得到较好的减纵摇运动性能，但其价格过于昂贵.在纵摇减摇技术的研究过程中还出现了艏鳍、艉鳍等纵摇减摇装置，但由于振动、渗气、空化或减纵摇效果不明显等原因，这些装置无法进入实用。 舵减摇可以利用船上现有的舵和操纵系统，只需增添控制仪，传感器等少数小功率部件，即可以在船舶上应用，并且减摇效果可以达到45％～70％.既经济又实用，有着极其广阔的应用前景，目前还在不断发展中。前提是船舶对象是双舵或者是多舵。 通过多年对舵减横摇的研究发现，在模型方面，船舶运动模型的不确定性问题成为左右舵减摇技术应用成败的关键因素之一。在我国减摇控制器应用于船模效果很好而应用于实船则效果欠佳，就是源于建模不准确和模型不确定性。这清楚地表明设计一个具有适当鲁棒品质的舵减摇控制器来消除船舶运动模型不确定性的影响的必要性。在控制方法方面，由于船舶本身存在的非线性、滞后及风浪流干扰的随机性造成明显的不确定性，使许多新发展的控制算法存在鲁棒性问题。因而进入20世纪90年代以来，国外在舵减摇方面的控制方法研究集中在改进控制算法以提高控制器的鲁棒性来抑制船舶模型不确定性对减摇效果的影响。广义预测控制在线计算方便，采用多步预测、滚动优化和反馈校正，因此能在一定程度上克服不确定性的影响。 文献“刘忠信等，基于T-S模型的模糊广义预测控制.南开大学学报(自然科学).2000，33(4)114-119”对非线性系统建立T-S模糊模型，并且用正交最小二乘法(OLS)对T-S模糊模型的规则后件参数进行辨识。之后，在每一个采样点，用辨识好的模糊规则对系统进行局部动态线性化，得到系统的线性化模型，然后基于线性化的模型设计广义预测控制器并对非线性对象进行控制，提供了一种非常有效而实用的对非线性系统建模、辩识和控制的方法，能够对复杂的非线性过程实施有效控制。但是该控制系统的模糊评价规则表是根据已有的经验和技术知识构造的一系列语言规则，且规则数较多，不能够根据实际情况增加或删减模糊规则。基于广义动态模糊神经网络对非线性系统建立T-S模糊模型，完全通过在线自适应学习算法构建非线性和不确定部分。 广义动态模糊神经网络(Generalized dynamic fuzzy neural network，GD-FNN)是利用一种基于扩展径向基神经网络、在线自组织的学习算法，其功能相当于Takagi-Sufeno-Kang模糊系统，该学习算法在开始时，系统没有模糊规则，通过学习在线产生和修剪模糊规则。其参数的调整和结构辨识同时进行。这一方法能够提高运算效率，不会出现维数灾难，而且精度也很高。 该斜舵船舶垂荡和纵摇控制方法采用45°倾斜安装的襟翼舵，可以实现横摇、纵摇的解耦控制，提高舵升力系数，并且纵摇减摇时不产生偏航控制力矩；引入广义动态模糊神经网络与动态线性CARMA相结合的集成预测模型，基于预测模型进行动态优化，并引入广义预测控制理论，建立斜舵船舶垂荡和纵摇先进控制性能评价表，通过智能自适应神经网络(模型)广义预测控制选择最优输入量，实现了滚动优化准则的预测控制。减小了控制系统输出波动的幅度，取得了更好的控制性能。从而保证了斜舵船舶垂荡和纵摇装置的安全可靠的运行。
技术实现思路
本专利技术的目的在于提供一种能获得良好的动态控制性能的。 本专利技术的目的是这样实现的 (1)利用测量系统测出斜舵船舶垂荡和纵摇装置的状态参数信息； (2)通过模拟/数字转换器将得到的状态参数转换成数字信号、数字信号在经过滤波器后，送给广义动态模糊神经网络，通过广义动态模糊神经网络来辨识动态线性CARMA模型； (3)控制器中包含的智能自适应模型广义预测控制算法在参考控制量作用下，智能自适应集成模型的多步预估器预测被控系统的未来输出，根据滚动优化准则，得到控制性能评价指标，依据该控制性能评价指标评价控制量的控制效果，并依据对控制效果的性能评价来修改当前的控制量，最后选择最优的斜舵船舶垂荡和纵摇装置的控制输入； (4)控制器所产生的控制信号经过数字/模拟转换器产生模拟信号并经过信号放大器增强后输出给执行机构； (5)执行机构按指令执行，将斜舵船舶系统变化到指定的工况下。 本专利技术的斜舵船舶垂荡和纵摇智能自适应控制方法还可以包括 1、所述的斜舵船舶垂荡和纵摇装置的状态参数信息包括垂荡位移和纵摇角位移。 2、所述的测量系统是位移传感器、陀螺仪。 3、所述的多步预估器是基于智能自适应集成模型的预估器。 4、所述的智能自适应模型是指利用广义动态模糊神经网络对非线性系统建立T-S模糊模型，然后在每一个采样点对系统进行局部动态线性化，得到动态线性CARMA模型；结合广义预测控制器并对非线性斜舵船舶垂荡和纵摇对象进行控制。 5、所述的T-S模糊模型是通过学习在线产生和修剪模糊规则，其参数的调整和结构辨识同时进行。 本专利技术的工作原理是本专利技术的核心部分是斜舵船舶垂荡和纵摇智能自适应先进控制系统的设计。此系统是斜舵船舶垂荡和纵摇装置智能自适应集成模型与广义预测控制策略的结合。 本专利技术的优点在于适用于斜舵船舶垂荡和纵摇装置这样具有严重的非线性、耦合性、时变性的系统，控制精度高，鲁棒性好。 附图说明 图1为斜舵船舶垂荡和纵摇装置智能自适应控制系统的结构框图； 图2为智能自适应集成模型的结构框图； 图3为广义动态模糊神经网络(GD-FNN)结构图； 图4为广义动态模糊神经网络(GD-FNN)的学习算法流程图； 图5为船舶纵摇角智能自适应模型仿真曲线(规则数为9)； 图6为船舶纵摇角智能自适应模型仿真根均方误差曲线(规则数为9)； 图7为船舶垂荡位移智能自适应模型仿真曲线(规则数为5)； 图8为海情4级航速18节航向角120度时改进广义预测控制(JGPC)结果曲线； 图9为纵摇角规则适用度(规则数为9)； 图10为纵摇角后件参数值(规则数为9)； 图11为垂荡规则适用度(规则数为5)； 图12为垂荡后件参数值(规则数为5)； 图13为船舶纵向JGPC控制效果相对值。 具体实施例方式 下面结合附图举例对本专利技术做更详细地描述 斜舵船舶垂荡和纵摇装置智能自适应控制系统是基于智能自适应集成模型的多步预估器在参考控制量作用下被控系统的未来输出，根据滚动优化准则，结合广义预测控制策略，得到控制性能评价指标，依据该控制性能评价指标评价控制量的控制效果，并依据对控制效果的性能评价来修改当前的控制量，最后选择最优的斜舵船舶垂荡和纵摇装置的控制输入。如图1所示，本专利技术斜舵船舶垂荡和纵摇智能自适应先进本文档来自技高网...

【技术保护点】
一种斜舵船舶垂荡和纵摇装置智能自适应控制方法，其特征是：（１）利用测量系统测出斜舵船舶垂荡和纵摇装置的状态参数信息；（２）通过模拟／数字转换器将得到的状态参数转换成数字信号、数字信号在经过滤波器后，送给广义动态模糊神经网络，通过广义动态模糊神经网络来辨识动态线性ＣＡＲＭＡ模型；（３）控制器中包含的智能自适应模型广义预测控制算法在参考控制量作用下，智能自适应集成模型的多步预估器预测被控系统的未来输出，根据滚动优化准则，得到控制性能评价指标，依据该控制性能评价指标评价控制量的控制效果，并依据对控制效果的性能评价来修改当前的控制量，最后选择最优的斜舵船舶垂荡和纵摇装置的控制输入；（４）控制器所产生的控制信号经过数字／模拟转换器产生模拟信号并经过信号放大器增强后输出给执行机构；（５）执行机构按指令执行，将斜舵船舶系统变化到指定的工况下。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈虹丽，王辉，郑微，王岩，代铭，齐红芳，李少阳，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：93[中国|哈尔滨]