基于BP神經(jīng)網(wǎng)絡(luò)的船舶自動(dòng)舵自適應(yīng)控制研究

蔡建邦

摘要：最常規(guī)的自動(dòng)舵是PID自動(dòng)舵，其設(shè)計(jì)參數(shù)是根據(jù)船舶自身的航速、船長(zhǎng)、船寬、滿載吃水、方形系數(shù)、重心距離、舵葉面積以及航行海況來(lái)確定的，這種調(diào)節(jié)方式對(duì)船舶所處環(huán)境發(fā)生變化的適應(yīng)能力較差。因此嘗試用先進(jìn)的智能控制理論結(jié)合常規(guī)PID算法進(jìn)行船舶自動(dòng)舵的設(shè)計(jì)，提高船舶自動(dòng)舵對(duì)環(huán)境變化的適應(yīng)能力，以實(shí)現(xiàn)非線性控制、動(dòng)態(tài)響應(yīng)快、魯棒性強(qiáng)、超調(diào)小等特點(diǎn)，提高控制性能。

關(guān)鍵詞：自動(dòng)舵 模糊PID控制 BP神經(jīng)網(wǎng)絡(luò)

一、常規(guī)自動(dòng)舵

PID控制方法是最廣為應(yīng)用的控制方法，針對(duì)不同控制對(duì)象在基于反饋環(huán)節(jié)的閉環(huán)控制下均有較好的控制效果，是各種控制器的核心，被成熟地運(yùn)用到船舶自動(dòng)舵的控制中，使自動(dòng)舵控制得以長(zhǎng)足的發(fā)展，盡管產(chǎn)生的年代已久仍以其成熟可靠的性能以及相對(duì)低廉的造價(jià)被大多數(shù)海船采納使用。其中，r（t）為期望值，y（t）為實(shí)際輸出值，e（t）=r（t）-y（t），e（t）為偏差值，u（t）則為e（t）經(jīng)過(guò)PID控制運(yùn)算后的控制輸出，u（t）用數(shù)學(xué)語(yǔ)言可表示為：

其中，Kp，Ki和Kd是比例系數(shù)，積分系數(shù)和微分系數(shù)。

關(guān)于比例系數(shù)Kp，系統(tǒng)的超調(diào)量隨著Kp的增加而增加，糸統(tǒng)響應(yīng)速度隨Kp的增加而增加，但系統(tǒng)的穩(wěn)定性由于Kp的增加而惡化。對(duì)于積分因子Ki，系統(tǒng)的過(guò)沖隨著Ki的增加而減小，并且系統(tǒng)的響應(yīng)速度隨著Ki的增加而減速。關(guān)于微分系數(shù)Kd，系統(tǒng)的超調(diào)量隨著Kd的增加而增加，并且響應(yīng)速度隨著Kd的增加而減小。

二、模糊自適應(yīng)自動(dòng)舵

模糊控制是通過(guò)PID自動(dòng)控制規(guī)律作為船舶模型的輸入，將獲取的船舶航向偏差和偏差變化率作為模糊控制的輸入。比例系數(shù)Kp，積分系數(shù)Ki和微分系數(shù)Kd根據(jù)預(yù)設(shè)的模糊規(guī)則進(jìn)行調(diào)整，PID系統(tǒng)由模糊控制來(lái)完成參數(shù)在線修正，以此實(shí)現(xiàn)對(duì)船舶模型的自適應(yīng)控制。其控制原理如圖l所示。

在模糊控制器的作用下，每個(gè)模糊控制器在模糊化環(huán)節(jié)之前具有量化因子，最后經(jīng)過(guò)解模糊并乘以比例因子以得到最終輸出。因?yàn)槠詈较蜃鳛槟：刂戚斎氲奈锢碚撚蚴窃诓粩嘧兓模炕蜃雍捅壤蜃佑质怯晌锢碚撚蚝湍：撚蚬餐瑳Q定的，所以固化的量化因子和比例因子設(shè)置不當(dāng)過(guò)程過(guò)于粗糙會(huì)導(dǎo)致控制器震蕩甚至失去平衡，影響系統(tǒng)精度和穩(wěn)態(tài)性能，產(chǎn)生超調(diào)和震蕩，因此并不能良好地滿足控制精度的要求，需要根據(jù)環(huán)境情況對(duì)量化因子和比例因子進(jìn)行在線調(diào)整。

三、基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)自動(dòng)舵

這里，添加BP神經(jīng)網(wǎng)絡(luò)以調(diào)整量化因子和比例因子。期望的方向是BP神經(jīng)網(wǎng)絡(luò)的輸入，輸出是模糊控制器的量化因子和比例因子，以實(shí)現(xiàn)對(duì)船模型的進(jìn)一步自適應(yīng)控制。其控制原理圖如圖2所示。量化因子和比例因子的變化總趨勢(shì)不會(huì)有太大的改變，將大量人工整定好的量化因子和比例因子作為訓(xùn)練數(shù)據(jù)，訓(xùn)練所設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)如圖2所示。

利用Simulink模型窗口進(jìn)行了控制模型的搭建，利用nomoto模型進(jìn)行舵角控制仿真。為在一定程度上模擬風(fēng)浪流帶來(lái)的影響，使得仿真過(guò)程的更加真實(shí)有效符合實(shí)際需求，設(shè)仿真中所加的干擾為y=2+sin（0.1×t）+randn（-0.5，0.5），包括一個(gè)定常干擾、一個(gè)正弦波和一個(gè)高斯隨機(jī)信號(hào)，干擾信號(hào)如圖3所示。

對(duì)第二章所述船舶模型，以常規(guī)PID控制器、模糊PID控制器和基于神經(jīng)網(wǎng)絡(luò)的模糊PID控制器分別進(jìn)行仿真。設(shè)船舶的初始航向?yàn)?00。，期望航向010。，仿真時(shí)間為400s。量化因子設(shè)為Ke=0.01，Kec=0.1，比例因子Kul=4，Ku2=0.003，Ku3=80，PID控制的初始值為Kp=15，Ki=0.001，Kd=120。

常規(guī)PID控制、基于模糊自適應(yīng)整定的PID控制和基于神經(jīng)網(wǎng)絡(luò)的模糊PID控制單獨(dú)進(jìn)行過(guò)程仿真，其航向和舵角的變化圖分別如圖5和圖6所示。

根據(jù)圖5和圖6及實(shí)驗(yàn)情況，我們得到了以下數(shù)據(jù)如表l所示。對(duì)比表中的數(shù)據(jù)可以看出，本文所設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)PID自動(dòng)舵的航向超調(diào)量更小達(dá)到穩(wěn)定的時(shí)間相對(duì)更短相對(duì)更有利于船舶操作，也能夠減小舵機(jī)因轉(zhuǎn)舵產(chǎn)生的磨損，仿真過(guò)程中，仿真耗時(shí)有所增加。具體可參見(jiàn)表1中的數(shù)據(jù)。

五、結(jié)論與展望

本文基于上述模糊控制理論和神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)了船?？刂品椒āＪ紫?，為了調(diào)整傳統(tǒng)PID自動(dòng)駕駛儀的比例積分微分環(huán)節(jié)參數(shù)，采用模糊控制理論，使自動(dòng)舵具有適應(yīng)環(huán)境變化的能力。模糊控制器的模糊化環(huán)節(jié)的量化因子和比例因子是BP神經(jīng)網(wǎng)絡(luò)來(lái)調(diào)整的，使量化因子和比例因子可變可以提高整個(gè)船舶自動(dòng)舵的環(huán)境適應(yīng)能力，能增強(qiáng)自適應(yīng)控制的魯棒性。最后通過(guò)仿真，將仿真結(jié)果進(jìn)行對(duì)比，觀察船舶舵角和航向的變化，可發(fā)現(xiàn)本文所設(shè)計(jì)的基于神經(jīng)網(wǎng)絡(luò)的模糊PID自動(dòng)舵相比常規(guī)的PID自動(dòng)舵和本文所述的模糊PID自動(dòng)舵進(jìn)行控制時(shí)的超調(diào)量和穩(wěn)定時(shí)間方面都具有一定的進(jìn)步，在時(shí)效性還有所欠缺需要進(jìn)一步研究來(lái)獲取性能更優(yōu)的控制策略。

參考文獻(xiàn)：

[1]嚴(yán)張凌，代茂.船舶自動(dòng)舵自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制算法研究，艦船科學(xué)技術(shù)，2017（12）：55-57

[2]智能優(yōu)化算法及其應(yīng)用[M].清華大學(xué)出版社，王凌著，2001

[3]肖成，譚立新，神經(jīng)網(wǎng)絡(luò)在智能控制領(lǐng)域中的應(yīng)用研究.江蘇科技信息，2017（20）：57-59

[4]杜加寶，李敬東，王仁強(qiáng)，基于遺傳優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)的船舶航向控制.廣州航海學(xué)院學(xué)報(bào)，2017，25（4）：20-23.