船舶操縱的控制技術發(fā)展綜述

1、船舶操縱的控制技術發(fā)展綜述摘要介紹與比較了船舶操縱的各種自動舵控制方法,船舶自動舵可分為4個發(fā)展階段,即機械舵、PID舵、自適應舵和智能舵,其中智能舵為目前最先進的自動舵,它分為專家系統(tǒng)、模糊舵和神經(jīng)網(wǎng)絡舵. 關鍵詞船舶操縱;自動舵;PID控制;自適應控制;智能控制分類號TP273.2;U666.153Overview on the Development and Comparisonof the Control Techniques on Ship ManeuveringCheng QimingWan Dejun(Department of Instrument Science and En

2、gineering, Southeast University, Nanjing 210096)Abstract:The control methods of ship maneuvering autopilot are described and compared. The ship autopilots contain four developmental stages, that is, mechanical, PID, adaptive and intelligent control autopilot. The intelligent autopilot is now the mos

3、t advanced autopilot, its control methods can be divided into expert system, fuzzy control and neural network.Key words:ship maneuvering; autopilot; PID control; adaptive control; intelligent control船舶操縱的自動舵1,2是船舶系統(tǒng)中不可缺少的重要設備,隨著對航行安全及營運需求的增長,人們對自動舵的要求也日益提高. 本世紀20年代,美國的Sperry和德國的Ansuchz在陀螺羅徑研制工作取得實質(zhì)進

4、展后分別獨立地研制出機械式的自動舵3,它的出現(xiàn)是一個里程碑,使人們看到了在船舶操縱方面擺脫體力勞動實現(xiàn)自動控制的希望,這是第1代自動舵. 機械式自動舵只能進行簡單的比例控制,為了避免振蕩,需選擇低的增益,它只能用于低精度的航向保持控制. 本世紀50年代,隨著電子學和伺服機構理論的發(fā)展及應用,集控制技術和電子器件的發(fā)展成果于一體的、更加復雜的第2代自動舵問世了,這就是著名的PID舵4. 自然PID舵比第1代自動舵有長足進步,但缺乏對船舶所處的變化著的工作條件及環(huán)境的應變能力,因而操舵頻繁,操舵幅度大,能耗顯著. 到了60年代末,由于自適應理論和計算機技術得到了發(fā)展,人們注意到將自適應理論引入船舶

5、操縱成為可能,瑞典等北歐國家的一大批科技人員紛紛將自適應舵從實驗室裝到實船上,正式形成了第3代自動舵518. 自適應舵在提高控制精度、減少能源消耗方面取得了一定的成績,但物理實現(xiàn)成本高,參數(shù)調(diào)整難度大,特別是因船舶的非線性、不確定性,控制效果難以保證,有時甚至影響系統(tǒng)的穩(wěn)定性,盡管存在這些困難,熟練的舵手運用他們的操舵經(jīng)驗和智慧,能有效地控制船舶,為此,從80年代開始,人們就開始尋找類似于人工操舵的方法,這種自動舵就是第4代的智能舵1929. 此外,80年代前船舶上安裝的自動舵一般只能進行航向控制,它可把船舶控制在事先給定的航向上航行. 隨著全球定位系統(tǒng)(GPS)等先進導航設備在船舶上裝備,人

6、們開始設計精確的航跡控制自動舵,這種自動舵能把船舶控制在給定的計劃航線上. 1PID控制直到70年代早期,自動舵還是一個簡單的控制設備,航向偏差給操舵設備提供修正信號,此時控制方程為式中,e分別為舵角信號和航向偏差信號;K為比例常數(shù),它應被整定以適應載重和環(huán)境要求,為避免振蕩,K應取較低值. 對于穩(wěn)定低速航行的船舶,式(1)控制效果基本上是令人滿意的,但對不穩(wěn)定的船舶,式(1)是不合適的. 一個更為先進的控制系統(tǒng)應包含航向誤差導數(shù)項,它的形式為當存在由橫向風引起的下風或上風力矩干擾時,為使航向保持不變,應加入航向偏差的積分項,此時方程式變?yōu)檫@就是經(jīng)典的PID控制器結構. 根據(jù)Mort的論文4,

7、積分項的加入可能會降低舵的響應速度,這會使船舶反應遲鈍,為抵消這種影響,可再加入一個加速項,這樣控制方程又成為整定好控制參數(shù)K1K4的式(3)或式(4)能得到較好的操縱性能. 對海浪高頻干擾,PID控制過于敏感,為避免高頻干擾引起的頻繁操舵,常采用“死區(qū)”非線性天氣調(diào)節(jié),但死區(qū)會導致控制系統(tǒng)的低頻特性惡化,產(chǎn)生持續(xù)的周期性偏航,這將引起航行精度降低,能量消耗加大. 此外,當船舶的動態(tài)特性(速度、載重、水深、外型等)或外界條件(風、浪、流等)發(fā)生變化時,控制參數(shù)需連續(xù)地進行人工整定,控制參數(shù)不合適的控制器將導致差的控制效果,如操舵幅度大、操舵頻繁等,而人工整定參數(shù)很麻煩,為此,人們提出了自適應控

8、制方法. 2自適應控制任何自適應系統(tǒng)都應能連續(xù)地自動辨識(整定)PID算法的控制參數(shù),以適應船舶和環(huán)境條件的動態(tài)特性. 目前提出的方法主要有自適應PID設計法、隨機自適應法、模型參考法、基于條件代價函數(shù)的自校正法、最小方差自校正法、線性二次高斯法、H控制法、變結構法等,這些自適應方法都有各自的優(yōu)缺點,并且自適應法還處于不斷的發(fā)展過程中. Sugimoto等5提出的自適應PID設計法把自適應思想引入到PID控制設計中,此法著重解決使用自適應函數(shù)的波浪條件的識別問題,這個函數(shù)根據(jù)波浪條件信號、船速和載重情況選擇最佳控制參數(shù),此最佳參數(shù)值被送給控制器和卡爾曼濾波器. 此法采用海洋分析器測量波浪,測量

9、的結果用于計算波浪條件指標. Merlo等6的隨機自適應法包含一個參數(shù),此參數(shù)由海浪自回歸滑動平均模型中的海浪功率譜決定,此法包括一個代價函數(shù),它的形式為也就是假定代價函數(shù)J是航向偏差y(n)和舵操作u(n)的均方加權函數(shù),此法的目標是使J值為最小. 此法與Motora7提出的方法不同,Motora的代價函數(shù)形式為式中,為航向偏差;為舵角;取為8(Norrbin8建議取為4),最優(yōu)控制的代價函數(shù)究竟采用何種形式還沒有完好的評判標準. Akaike9,10提出了多變量隨機系統(tǒng)的辨識方法,此法是在Ohtsu等11提出的方法基礎上發(fā)展起來的,它的模型取決于最小Akaike信息標準,它的代價函數(shù)依賴于

10、被控變量的偏差、控制信號大小(舵角)和控制信號變化率的補償值. Amerogen12的模型參考自適應法的應用前提為過程是線性、階次和結構已知,且無隨機擾動. Dennis13通過假定船舶是線性、常系數(shù)、無限工作系統(tǒng),提出了船舶線性疊加原理,此原理把船舶對不規(guī)則海況的響應用對構成這種海況的規(guī)則分量響應的線性累加來表示. 由于船舶實際上是一個含有噪聲的非線性系統(tǒng),因此,在平靜的天氣和“完美”的條件下,此法設計的系統(tǒng)工作很好,但在較差海況及載重變化的條件下,這種系統(tǒng)的控制效果變差. Lim等14使用Clarke等15提出的基于條件代價函數(shù)的自校正方法,此法的控制器輸出被明確地加到性能標準公式中. 自

11、校正自動舵能用每個取樣時刻的Ricatti方程穩(wěn)態(tài)解的計算值來設計,航向保持和航向改變采用不同的性能標準. 對一個未知參數(shù)的系統(tǒng)來說,由于波浪會使船舶動態(tài)特性發(fā)生變化,因而需用在線辨識技術識別動態(tài)參數(shù). 此法主要問題是波浪系統(tǒng)建模引起的偏差,以及Ricatti方程的求解計算時間較長. Katebi等16的線性二次高斯法使用公式表示動態(tài)代價函數(shù),并在用多項式表示的隨機結構中優(yōu)化代價函數(shù),此法與風和浪的測量和計算有關,波浪的模型被用作控制函數(shù),以便使輸出信號的變化為最小. 風力由平均風速和擾動組成,平均風速只用作建模,系統(tǒng)的誤差將隨風、浪的測量和建模出現(xiàn). Messer等17的H控制法采用橫搖與舵

12、角之間關系式作為船舶運動模型,前向速度的影響包含在頻率項中,航跡偏差表示成航向和實際船位的函數(shù),用假定的橫搖/偏航動態(tài)特性來確定航跡偏差與需要的航向之間要求的關系. Papoulias等18提出的船舶操縱變結構(滑模)控制采用偽線性變換將船舶操縱非線性系統(tǒng)近似地化為線性可控正則型系統(tǒng),以簡化控制設計并保證較大工作范圍內(nèi)的控制性能與精度,然后,對線性化系統(tǒng)設計了一種連續(xù)的變結構控制,以適應較大范圍的干擾變化,完全抑制抖振,并得到理想的精度. 總之,自適應控制技術不僅與代價函數(shù)的估計值有關,而且也與精確地建立擾動模型有關,在船舶所遇到的復雜的工作臺條件下,自適應自動舵并不能提供完全自動的最優(yōu)操作.

13、 3智能控制對有限維、線性和時不變的控制過程,傳統(tǒng)控制法是非常有效的,如果這樣的系統(tǒng)是充分已知的,那么,它們能用線性分析法表示、建模和處理,但實際船舶系統(tǒng)常具有不確定性、非線性、非穩(wěn)定性和復雜性,很難建立精確的模型方程,甚至不能直接進行分析和表示,而人工操作者通過他們對所遇情況的處理經(jīng)驗和智能理解與解釋,就能有效地控制船舶航行. 因此,人們很自然地開始尋找類似于人工操作的智能控制方法19. 目前已提出3種智能控制方法,即專家系統(tǒng)、模糊控制和神經(jīng)網(wǎng)絡控制. 專家系統(tǒng)的關鍵技術是知識經(jīng)驗的獲取與表示. Brown等20采用了模仿人工操作的專家系統(tǒng)方法,而并沒有直接使用船舶的數(shù)學模型,通過研究人工操

14、作與普通自動舵控制之間的差異,建立了規(guī)則庫以便修正自動舵的特性,也就是自動舵與基于規(guī)則的專家系統(tǒng)之間進行交互作用. 例如,舵手把兩次連續(xù)的轉(zhuǎn)彎當作一次長的轉(zhuǎn)彎來處理,這種措施及其它類似措施都可在修正后的自動舵上實現(xiàn). 此文還論述了這種模擬人工操作的自動舵構造方法,當然,這里的舵手是選擇對不同船舶、工作條件、環(huán)境及可能發(fā)生的情況很有處理經(jīng)驗的人. 這種的自動舵專家系統(tǒng)與船舶操縱模型無關. 模糊控制不需建立被控對象的精確數(shù)學模型,它的算法簡單,便于實時控制. Amerongen等21提出的船舶航向模糊控制系統(tǒng)由模糊化、模糊推理決策、反模糊化三部分組成,此系統(tǒng)取得了較好的控制效果,但由于受船舶控制過

15、程的非線性、高階次、時變性以及隨機干擾等因素影響,造成原有的模糊控制規(guī)則粗糙或不夠完善,影響了控制效果. 為克服這些缺點,模糊控制器向著自適應、自組織、自學習方向發(fā)展,使得模糊控制參數(shù)或/和規(guī)則在控制過程中自動地調(diào)整、修改和完善,從而使系統(tǒng)的控制性能不斷改善,達到最佳的控制效果. Sutton等22提出了船舶航向的自組織模糊控制器,它是在簡單模糊控制器的基礎上,增加性能測量、控制量校正和控制規(guī)則修正3個功能塊而構成的一種模糊控制器. Jeffery等23提出了一種船舶航向的模型參考模糊自適應控制系統(tǒng),此法中利用參考模型表示船舶在轉(zhuǎn)向時的性能要求,然而其控制器及自適應功能是利用模糊控制技術實現(xiàn)的

16、,其控制器為基本模糊控制器借助于對象的模糊逆模型得到用于自適應修正的校正量. 神經(jīng)網(wǎng)絡具有非線性映射(逼近)能力以及自學習、自組織、自適應、分布存貯、聯(lián)想記憶、并行計算等能力. 它的缺點是理論不成熟、實時性差、硬件實現(xiàn)成本高等. 目前的神經(jīng)網(wǎng)絡控制器還處于軟件仿真模擬階段. Witt等24提出了一種神經(jīng)網(wǎng)絡控制船舶航跡保持的方法,它用GPS精確決定船舶位置,在-45+45范圍內(nèi)它能產(chǎn)生隨機變化航向的一系列給定航線,它采用PD控制器作為船舶的數(shù)學模型,在給定航線的每一部分,通過使PD舵控制信號與神經(jīng)舵控制信號之間差值最小,來離線訓練神經(jīng)控制器,一旦差值最小,神經(jīng)控制器就被認為已學習到了PD控制器

17、的工作特性,此后,神經(jīng)控制器就可取代PD控制器. Witt等使用100種給定航線集合訓練神經(jīng)網(wǎng)絡,并假定通過這100種不同航線學習得到的知識可處理任何新選擇的航線,仿真結果表明對未學習過的任意航線,PD控制器和神經(jīng)控制器的控制效果基本相同. Burn25采用更復雜的最優(yōu)控制器進行離線學習,這篇文章主要工作是訓練神經(jīng)網(wǎng)絡,使它與最優(yōu)船舶控制系統(tǒng)具有相同的性能,訓練后的神經(jīng)控制器能識別出不同的前向速度,或操縱情況怎樣改變船舶的動態(tài)特性. 原則上,六自由度船舶運動模型和舵機模型的組合可得到狀態(tài)矩陣,當辨識出最優(yōu)控制系統(tǒng)的特性后(對不同的前向速度),影響舵機的狀態(tài)變量被輸入到最優(yōu)控制系統(tǒng)和三層前向神經(jīng)

18、網(wǎng)絡,兩系統(tǒng)計算各自的舵令,兩舵令差值用于訓練神經(jīng)網(wǎng)絡,訓練采用BP算法. 對每種選定的前向速度的每種方案,使用20萬個采樣數(shù)據(jù)來訓練神經(jīng)網(wǎng)絡. 神經(jīng)網(wǎng)絡的隱層和每層神經(jīng)元最佳數(shù)以及反向傳播學習法的學習速率和動量因子的最佳值都采用試探法確定,最后仿真比較了最優(yōu)控制器和神經(jīng)控制器所產(chǎn)生的航跡偏差大小. 在上述的2種方法中,一旦被選用的傳統(tǒng)控制器和神經(jīng)控制器的控制作用誤差足夠小,就可認為神經(jīng)控制器已訓練好了,從而可用神經(jīng)控制器取代傳統(tǒng)控制器. Hearn等26,27提出一種在線訓練的船舶神經(jīng)控制系統(tǒng),此法只要知道船舶操作的一般定性知識,就可完全去除船舶動態(tài)特性的數(shù)學模型辨識過程,此法還不需要“教師

19、”進行監(jiān)督學習. 此法BP學習算法中的誤差函數(shù)對權值的偏導數(shù)采用它們本身的符號函數(shù)來近似表示,舵機執(zhí)行器輸出的脈動變化和飽和問題通過選擇暫時的訓練目標并建立模糊規(guī)則表來解決,仿真表明此法控制器優(yōu)于PID控制器的控制效果. 4國內(nèi)研究狀況國內(nèi)在自動舵方面研究工作開展較早和研究水平較高的單位主要有大連海事大學輪機系、哈爾濱船舶工程學院自控系、上海交通大學儀器系、清華大學儀器系、華東船舶工程學院自控系、武漢海軍工程學院、華東理工大學造船系、廈門集美大學航海學院、中國船舶總公司船舶系統(tǒng)工程部、中國船舶總公司707所九江分部等. 他們發(fā)表了大量自動舵控制方法的論文,其研究成果基本上都處于理論仿真階段,還

20、沒有形成過硬的自動舵產(chǎn)品. 目前國外市場上有多種成熟的航向舵、航跡舵產(chǎn)品,但控制方法大多為比較成熟的自適應控制,近幾年發(fā)展起來的智能控制及其它近代控制在自動舵上應用處于方案可行性論證階段. 國內(nèi)自動舵生產(chǎn)廠家也很多,如九江、上海、廣州、錦州等航海儀器廠或儀表廠,其產(chǎn)品以落后的模擬式航向舵為主,航跡舵基本上還處于研制階段. 我校1995年開始進行自動舵開發(fā)與研究工作,此課題得到中國船舶工業(yè)國防科技應用、基礎研究基金項目“艦船航行智能控制技術”和九江儀表廠委托開發(fā)項目“數(shù)字式航跡操舵儀”等資助. 目前我們開發(fā)的自動舵樣機已通過廠家驗收,現(xiàn)正做進一步的完善工作,力爭早日鑒定并生產(chǎn),此外,我們在自動舵

21、的理論研究方面也取得了一些成果,現(xiàn)已在核心刊物上發(fā)表了多篇論文. 5結論本文簡單介紹了船舶操縱自動舵的控制方法發(fā)展過程及各種控制方法,控制方法可分為機械控制、PID控制、自適應控制和智能控制4個發(fā)展階段,文中還比較了這些方法的優(yōu)缺點. 由于這些方法都有各自的優(yōu)點,因此,近年來自動舵的控制方法正向組合集成型方向發(fā)展,如PID與模糊控制結合、PID與神經(jīng)控制結合、模糊控制與神經(jīng)控制結合28、模糊控制與遺傳算法結合29、神經(jīng)控制與遺傳算法結合等.船舶操縱的控制技術發(fā)展綜述船舶操縱的控制技術發(fā)展綜述*程啟明萬德鈞摘要介紹與比較了船舶操縱的各種自動舵控制方法,船舶自動舵可分為4個發(fā)展階段,即機械舵、PI

22、D舵、自適應舵和智能舵,其中智能舵為目前最先進的自動舵,它分為專家系統(tǒng)、模糊舵和神經(jīng)網(wǎng)絡舵. 關鍵詞船舶操縱;自動舵;PID控制;自適應控制;智能控制分類號TP273.2;U666.153Overview on the Development and Comparisonof the Control Techniques on Ship ManeuveringCheng QimingWan Dejun(Department of Instrument Science and Engineering, Southeast University, Nanjing 210096)Abstract:T

23、he control methods of ship maneuvering autopilot are described and compared. The ship autopilots contain four developmental stages, that is, mechanical, PID, adaptive and intelligent control autopilot. The intelligent autopilot is now the most advanced autopilot, its control methods can be divided i

24、nto expert system, fuzzy control and neural network.Key words:ship maneuvering; autopilot; PID control; adaptive control; intelligent control船舶操縱的自動舵1,2是船舶系統(tǒng)中不可缺少的重要設備,隨著對航行安全及營運需求的增長,人們對自動舵的要求也日益提高. 本世紀20年代,美國的Sperry和德國的Ansuchz在陀螺羅徑研制工作取得實質(zhì)進展后分別獨立地研制出機械式的自動舵3,它的出現(xiàn)是一個里程碑,使人們看到了在船舶操縱方面擺脫體力勞動實現(xiàn)自動控制的希望

25、,這是第1代自動舵. 機械式自動舵只能進行簡單的比例控制,為了避免振蕩,需選擇低的增益,它只能用于低精度的航向保持控制. 本世紀50年代,隨著電子學和伺服機構理論的發(fā)展及應用,集控制技術和電子器件的發(fā)展成果于一體的、更加復雜的第2代自動舵問世了,這就是著名的PID舵4. 自然PID舵比第1代自動舵有長足進步,但缺乏對船舶所處的變化著的工作條件及環(huán)境的應變能力,因而操舵頻繁,操舵幅度大,能耗顯著. 到了60年代末,由于自適應理論和計算機技術得到了發(fā)展,人們注意到將自適應理論引入船舶操縱成為可能,瑞典等北歐國家的一大批科技人員紛紛將自適應舵從實驗室裝到實船上,正式形成了第3代自動舵518. 自適應

26、舵在提高控制精度、減少能源消耗方面取得了一定的成績,但物理實現(xiàn)成本高,參數(shù)調(diào)整難度大,特別是因船舶的非線性、不確定性,控制效果難以保證,有時甚至影響系統(tǒng)的穩(wěn)定性,盡管存在這些困難,熟練的舵手運用他們的操舵經(jīng)驗和智慧,能有效地控制船舶,為此,從80年代開始,人們就開始尋找類似于人工操舵的方法,這種自動舵就是第4代的智能舵1929. 此外,80年代前船舶上安裝的自動舵一般只能進行航向控制,它可把船舶控制在事先給定的航向上航行. 隨著全球定位系統(tǒng)(GPS)等先進導航設備在船舶上裝備,人們開始設計精確的航跡控制自動舵,這種自動舵能把船舶控制在給定的計劃航線上. 1PID控制直到70年代早期,自動舵還是

27、一個簡單的控制設備,航向偏差給操舵設備提供修正信號,此時控制方程為式中,e分別為舵角信號和航向偏差信號;K為比例常數(shù),它應被整定以適應載重和環(huán)境要求,為避免振蕩,K應取較低值. 對于穩(wěn)定低速航行的船舶,式(1)控制效果基本上是令人滿意的,但對不穩(wěn)定的船舶,式(1)是不合適的. 一個更為先進的控制系統(tǒng)應包含航向誤差導數(shù)項,它的形式為當存在由橫向風引起的下風或上風力矩干擾時,為使航向保持不變,應加入航向偏差的積分項,此時方程式變?yōu)檫@就是經(jīng)典的PID控制器結構. 根據(jù)Mort的論文4,積分項的加入可能會降低舵的響應速度,這會使船舶反應遲鈍,為抵消這種影響,可再加入一個加速項,這樣控制方程又成為整定好

28、控制參數(shù)K1K4的式(3)或式(4)能得到較好的操縱性能. 對海浪高頻干擾,PID控制過于敏感,為避免高頻干擾引起的頻繁操舵,常采用“死區(qū)”非線性天氣調(diào)節(jié),但死區(qū)會導致控制系統(tǒng)的低頻特性惡化,產(chǎn)生持續(xù)的周期性偏航,這將引起航行精度降低,能量消耗加大. 此外,當船舶的動態(tài)特性(速度、載重、水深、外型等)或外界條件(風、浪、流等)發(fā)生變化時,控制參數(shù)需連續(xù)地進行人工整定,控制參數(shù)不合適的控制器將導致差的控制效果,如操舵幅度大、操舵頻繁等,而人工整定參數(shù)很麻煩,為此,人們提出了自適應控制方法. 2自適應控制任何自適應系統(tǒng)都應能連續(xù)地自動辨識(整定)PID算法的控制參數(shù),以適應船舶和環(huán)境條件的動態(tài)特性

29、. 目前提出的方法主要有自適應PID設計法、隨機自適應法、模型參考法、基于條件代價函數(shù)的自校正法、最小方差自校正法、線性二次高斯法、H控制法、變結構法等,這些自適應方法都有各自的優(yōu)缺點,并且自適應法還處于不斷的發(fā)展過程中. Sugimoto等5提出的自適應PID設計法把自適應思想引入到PID控制設計中,此法著重解決使用自適應函數(shù)的波浪條件的識別問題,這個函數(shù)根據(jù)波浪條件信號、船速和載重情況選擇最佳控制參數(shù),此最佳參數(shù)值被送給控制器和卡爾曼濾波器. 此法采用海洋分析器測量波浪,測量的結果用于計算波浪條件指標. Merlo等6的隨機自適應法包含一個參數(shù),此參數(shù)由海浪自回歸滑動平均模型中的海浪功率譜

30、決定,此法包括一個代價函數(shù),它的形式為也就是假定代價函數(shù)J是航向偏差y(n)和舵操作u(n)的均方加權函數(shù),此法的目標是使J值為最小. 此法與Motora7提出的方法不同,Motora的代價函數(shù)形式為式中,為航向偏差;為舵角;取為8(Norrbin8建議取為4),最優(yōu)控制的代價函數(shù)究竟采用何種形式還沒有完好的評判標準. Akaike9,10提出了多變量隨機系統(tǒng)的辨識方法,此法是在Ohtsu等11提出的方法基礎上發(fā)展起來的,它的模型取決于最小Akaike信息標準,它的代價函數(shù)依賴于被控變量的偏差、控制信號大小(舵角)和控制信號變化率的補償值. Amerogen12的模型參考自適應法的應用前提為過

31、程是線性、階次和結構已知,且無隨機擾動. Dennis13通過假定船舶是線性、常系數(shù)、無限工作系統(tǒng),提出了船舶線性疊加原理,此原理把船舶對不規(guī)則海況的響應用對構成這種海況的規(guī)則分量響應的線性累加來表示. 由于船舶實際上是一個含有噪聲的非線性系統(tǒng),因此,在平靜的天氣和“完美”的條件下,此法設計的系統(tǒng)工作很好,但在較差海況及載重變化的條件下,這種系統(tǒng)的控制效果變差. Lim等14使用Clarke等15提出的基于條件代價函數(shù)的自校正方法,此法的控制器輸出被明確地加到性能標準公式中. 自校正自動舵能用每個取樣時刻的Ricatti方程穩(wěn)態(tài)解的計算值來設計,航向保持和航向改變采用不同的性能標準. 對一個未

32、知參數(shù)的系統(tǒng)來說,由于波浪會使船舶動態(tài)特性發(fā)生變化,因而需用在線辨識技術識別動態(tài)參數(shù). 此法主要問題是波浪系統(tǒng)建模引起的偏差,以及Ricatti方程的求解計算時間較長. Katebi等16的線性二次高斯法使用公式表示動態(tài)代價函數(shù),并在用多項式表示的隨機結構中優(yōu)化代價函數(shù),此法與風和浪的測量和計算有關,波浪的模型被用作控制函數(shù),以便使輸出信號的變化為最小. 風力由平均風速和擾動組成,平均風速只用作建模,系統(tǒng)的誤差將隨風、浪的測量和建模出現(xiàn). Messer等17的H控制法采用橫搖與舵角之間關系式作為船舶運動模型,前向速度的影響包含在頻率項中,航跡偏差表示成航向和實際船位的函數(shù),用假定的橫搖/偏航動

33、態(tài)特性來確定航跡偏差與需要的航向之間要求的關系. Papoulias等18提出的船舶操縱變結構(滑模)控制采用偽線性變換將船舶操縱非線性系統(tǒng)近似地化為線性可控正則型系統(tǒng),以簡化控制設計并保證較大工作范圍內(nèi)的控制性能與精度,然后,對線性化系統(tǒng)設計了一種連續(xù)的變結構控制,以適應較大范圍的干擾變化,完全抑制抖振,并得到理想的精度. 總之,自適應控制技術不僅與代價函數(shù)的估計值有關,而且也與精確地建立擾動模型有關,在船舶所遇到的復雜的工作臺條件下,自適應自動舵并不能提供完全自動的最優(yōu)操作. 3智能控制對有限維、線性和時不變的控制過程,傳統(tǒng)控制法是非常有效的,如果這樣的系統(tǒng)是充分已知的,那么,它們能用線性

34、分析法表示、建模和處理,但實際船舶系統(tǒng)常具有不確定性、非線性、非穩(wěn)定性和復雜性,很難建立精確的模型方程,甚至不能直接進行分析和表示,而人工操作者通過他們對所遇情況的處理經(jīng)驗和智能理解與解釋,就能有效地控制船舶航行. 因此,人們很自然地開始尋找類似于人工操作的智能控制方法19. 目前已提出3種智能控制方法,即專家系統(tǒng)、模糊控制和神經(jīng)網(wǎng)絡控制. 專家系統(tǒng)的關鍵技術是知識經(jīng)驗的獲取與表示. Brown等20采用了模仿人工操作的專家系統(tǒng)方法,而并沒有直接使用船舶的數(shù)學模型,通過研究人工操作與普通自動舵控制之間的差異,建立了規(guī)則庫以便修正自動舵的特性,也就是自動舵與基于規(guī)則的專家系統(tǒng)之間進行交互作用.

35、例如,舵手把兩次連續(xù)的轉(zhuǎn)彎當作一次長的轉(zhuǎn)彎來處理,這種措施及其它類似措施都可在修正后的自動舵上實現(xiàn). 此文還論述了這種模擬人工操作的自動舵構造方法,當然,這里的舵手是選擇對不同船舶、工作條件、環(huán)境及可能發(fā)生的情況很有處理經(jīng)驗的人. 這種的自動舵專家系統(tǒng)與船舶操縱模型無關. 模糊控制不需建立被控對象的精確數(shù)學模型,它的算法簡單,便于實時控制. Amerongen等21提出的船舶航向模糊控制系統(tǒng)由模糊化、模糊推理決策、反模糊化三部分組成,此系統(tǒng)取得了較好的控制效果,但由于受船舶控制過程的非線性、高階次、時變性以及隨機干擾等因素影響,造成原有的模糊控制規(guī)則粗糙或不夠完善,影響了控制效果. 為克服這些

36、缺點,模糊控制器向著自適應、自組織、自學習方向發(fā)展,使得模糊控制參數(shù)或/和規(guī)則在控制過程中自動地調(diào)整、修改和完善,從而使系統(tǒng)的控制性能不斷改善,達到最佳的控制效果. Sutton等22提出了船舶航向的自組織模糊控制器,它是在簡單模糊控制器的基礎上,增加性能測量、控制量校正和控制規(guī)則修正3個功能塊而構成的一種模糊控制器. Jeffery等23提出了一種船舶航向的模型參考模糊自適應控制系統(tǒng),此法中利用參考模型表示船舶在轉(zhuǎn)向時的性能要求,然而其控制器及自適應功能是利用模糊控制技術實現(xiàn)的,其控制器為基本模糊控制器借助于對象的模糊逆模型得到用于自適應修正的校正量. 神經(jīng)網(wǎng)絡具有非線性映射(逼近)能力以及

37、自學習、自組織、自適應、分布存貯、聯(lián)想記憶、并行計算等能力. 它的缺點是理論不成熟、實時性差、硬件實現(xiàn)成本高等. 目前的神經(jīng)網(wǎng)絡控制器還處于軟件仿真模擬階段. Witt等24提出了一種神經(jīng)網(wǎng)絡控制船舶航跡保持的方法,它用GPS精確決定船舶位置,在-45+45范圍內(nèi)它能產(chǎn)生隨機變化航向的一系列給定航線,它采用PD控制器作為船舶的數(shù)學模型,在給定航線的每一部分,通過使PD舵控制信號與神經(jīng)舵控制信號之間差值最小,來離線訓練神經(jīng)控制器,一旦差值最小,神經(jīng)控制器就被認為已學習到了PD控制器的工作特性,此后,神經(jīng)控制器就可取代PD控制器. Witt等使用100種給定航線集合訓練神經(jīng)網(wǎng)絡,并假定通過這100種不同航線學習得到的知識可處理任何新選擇的航線,仿真結果表明對未學習過的任意航線,PD控制器和神經(jīng)控制器的控制效果基本相同. Burn25采用更復雜的最優(yōu)控制器進行離線學習,這篇文章主要工作是訓練神經(jīng)網(wǎng)絡,使它與最優(yōu)船舶控制系統(tǒng)具有相同