基于LSTM深度神經(jīng)網(wǎng)絡的自動移船預測控制

周重云 李宗華 曾祥富 鐘世位 馬文杰

摘 要：針對鋪排船施工要求能夠滿足順水、逆水、垂直水流，甚至與水流方向成任意角度的鋪設工藝，控制策略滿足順水鋪排工藝有時難以保證垂直水流鋪排工藝，導致時常出現(xiàn)航跡誤差較大，影響鋪排精度的問題，本文提出基于LSTM深度神經(jīng)網(wǎng)絡的預測控制方法來實現(xiàn)鋪排船的自動移船控制。論文設計了LSTM模型結構和輸入輸出數(shù)據(jù)組成，采集了鋪排船作業(yè)的歷史數(shù)據(jù)，經(jīng)預處理后對LSTM模型進行訓練，采用訓練后的LSTM模型構建自動移船預測控制系統(tǒng)，應用于長雁2號和22號鋪排船。實際鋪排施工作業(yè)航跡航向數(shù)據(jù)顯示，本文提出的LSTM預測控制算法是有效的。

關鍵詞：鋪排船;自動移船;LSTM深度神經(jīng)網(wǎng)絡;預測控制

1引言

為了解決RNN模型訓練梯度消失和梯度爆炸的問題，在RNN的基礎上，發(fā)展了一種長短時記憶神經(jīng)網(wǎng)絡（Long Short Term Memory Network，簡稱LSTM），它是一種時間遞歸神經(jīng)網(wǎng)絡，該神經(jīng)網(wǎng)絡具有特殊的結構設計，可以有效保留歷史信息，靈活適應網(wǎng)絡學習任務的特征。LSTM網(wǎng)絡已經(jīng)成為當前應用最為廣泛的一種循環(huán)神經(jīng)網(wǎng)絡（Recurrent neural network，RNN）模型，在眾多預測任務如語音識別、文字預測、艦船姿態(tài)預測等前沿領域中成功應用[1-4]。

長江航道鋪排船是一種長江航道整治對現(xiàn)有堤壩進行護堤、護坡、護底作業(yè)的普遍使用的工程船舶，由于其無自航能力，施工作業(yè)的時候移船和鋪排主要靠控制錨絞車收放錨繩來實現(xiàn)。因此，鋪排自動作業(yè)的控制包含了錨絞車恒張力控制、船舶姿態(tài)控制和卷筒與移船船速的協(xié)調(diào)控制等，在控制策略上重慶航道工程局與武漢理工大學自動化學院長期校企合作，從常規(guī)的PID控制、超前-滯后控制到智能控制中的模糊PID控制、專家控制、遺傳算法和粒子群優(yōu)化算法等不斷研發(fā)并應用于鋪排船控制系統(tǒng)，滿足了鋪排船從6錨到8錨，從22米卷筒到40米卷筒等的船舶結構變化[5-8]，達到了鋪排船自動鋪排作業(yè)的精度要求。隨著內(nèi)河航道治理工程要求越來越高，作業(yè)水域越來越多樣，作業(yè)方式也從只在江河流域中間或者沿邊緣順水流地段鋪設軟體排，發(fā)展到要求能夠滿足順水、逆水、垂直水流，甚至與水流方向成任意角度的鋪設工藝。多次作業(yè)發(fā)現(xiàn)滿足順水鋪排時的控制策略有時就難以滿足垂直水流鋪排工藝要求，導致鋪排船的航跡和航向偏差增大，鋪排精度難以滿足施工作業(yè)要求。本文嘗試將LSTM神經(jīng)網(wǎng)絡的預測能力應用于自動鋪排控制，經(jīng)實船作業(yè)航向和航跡的數(shù)據(jù)顯示，獲得較好的鋪排效果。

2基于LSTM的自動移船預測控制設計

2.1 控制系統(tǒng)設計

鋪排船作業(yè)綜合自動化系統(tǒng)應用了多種先進技術，包括高精度的動態(tài)實時DGPS定位技術、分布式PLC控制系統(tǒng)、現(xiàn)場總線技術、多傳感器信息融合技術、智能控制技術、可視化用戶軟件的開發(fā)技術等。通過自動化系統(tǒng)的測量系統(tǒng)、PLC控制網(wǎng)絡和上位自動監(jiān)控軟件在基本無人干預的情況下，可以實現(xiàn)自動完成軟體排鋪設作業(yè)，同時可繪出鋪排完工圖紙、操作日志報表、報警歷史報表等工程資料。自動移船鋪排的控制系統(tǒng)的結構框圖如圖1所示，其中發(fā)揮核心作用的是智能控制器。操作人員根據(jù)施工工程的要求編制施工計劃（預定工作線），自動化系統(tǒng)通過多源傳感器系統(tǒng)檢測鋪排船各類信息，經(jīng)監(jiān)控主機融合處理后形成鋪排船當前的船位、船姿、速度、航向、施工區(qū)域水下地形等實時多源信息，智能控制器則根據(jù)當前信息與施工計劃的偏差作為合理的控制輸出量，經(jīng)PLC（可編程序控制器）控制網(wǎng)絡送液壓機構執(zhí)行動作，協(xié)調(diào)控制船艏、舯、艉多臺移船絞車、鋪排卷筒機構動作，自動完成一個鋪排周期。圖1中控制器的輸入量——航跡偏差是根據(jù)計劃的航跡線與GPS定位系統(tǒng)的測量值估算而得。

原有的智能控制算法，包含基于模糊邏輯的PID控制器、專家控制等，在任意鋪設角度和水流的影響下，軟體排的實際著（河）床位置與估算值之間可能存在較大的偏差，由此得到的多絞車協(xié)調(diào)控制指令的移船效果就無法保證鋪設搭接精度的要求?；贚STM的預測模型可以實現(xiàn)下一個時刻或者多個時刻的航向航跡偏差，提前控制收放錨纜速度，實現(xiàn)順水、逆水、垂直水流等施工方式的船舶姿態(tài)的迅速調(diào)整，從而達到期望的航向和航跡偏差范圍。

2.2 基于LSTM的預測控制器設計

自動鋪排作業(yè)過程中，核心是控制各移船錨絞車的收放纜速度，而各移船錨絞車收放纜速度的集合構成一連串時間序列。因此，本文利用LSTM神經(jīng)網(wǎng)絡在處理時序數(shù)據(jù)預測方面效果最佳的特點，學習各移船錨絞車收放纜速度的特征，建立深度學習的速度預測模型，從而實現(xiàn)對自動鋪排作業(yè)的預測控制。在t時刻，取前k個時間序列作Xt-k，Xt-k+1，...，Xt為輸入，其中Xt表示移船錨絞車的速度以及鋪排船的航跡和航向偏差，以Xt+1作為預測值Yt ，表示t時刻各移船錨絞車的預測速度以及預測航跡、航向偏差，其中t=1，2，...T。通過DGPS定位可以準確地獲取鋪排船的運動軌跡，包括航向差以及航跡差。將鋪排船施工過程中記錄下來的歷史軌跡數(shù)據(jù)以及各移船錨絞車的收放速度作為LSTM預測模型的訓練數(shù)據(jù)。LSTM網(wǎng)絡構建的預測模型訓練算法主要步驟如下：

①鋪排船歷史作業(yè)中各移船絞車的速度以及航跡、航向偏差數(shù)據(jù)作為樣本序列，選取M個歷史數(shù)據(jù)，進行數(shù)據(jù)預處理后，將70%作為訓練樣本，30%作為測試樣本;

②在t時刻，取前k個時刻的時序數(shù)據(jù)Xt-k，Xt-k+1，...，Xt作為輸入，Xt+1作為預測值Yt，t=1，2，...T。對樣本建立輸入序列X=（x1，x2，...xT）和輸出預測序列Y=（y1，y2，...yT），其中輸入為各移船絞車的速度以及航跡、航向偏差，輸出仍然為各移船絞車的速度以及航跡、航向偏差;

③設計N層LSTM網(wǎng)絡結構，隨機給定初始網(wǎng)絡參數(shù)，包括各層連接權值等，選擇合適的優(yōu)化器，設置優(yōu)化器函數(shù)、batch大小、迭代次數(shù)等參數(shù);

④訓練模型，使用BPTT算法訓練網(wǎng)絡，主要包括三個步驟：前向計算每個神經(jīng)元的輸出值、反向計算每個神經(jīng)元的誤差值、根據(jù)相應的誤差項，計算每個權重的梯度，更新權重和偏置參數(shù)，使代價函數(shù)最小。代價函數(shù)為：

⑤模型測試，模型訓練完成后，用預先劃分好的30%測試樣本進行模型測試，檢驗LSTM預測模型的預測效果。

3實船實驗結果及分析

將本文設計的LSTM預測控制算法應用于長江重慶航道工程局的長雁2號和長雁22號鋪排船的控制系統(tǒng)中，比較本文設計的LSTM預測控制算法與模糊PID控制算法的性能。

3.1垂直水流鋪排施工

以江西省九江市蔡家渡附近拋擲五錨垂直水流鋪排時兩天的施工情況分析為例，一天的鋪排量為40×100m2，分別選擇在前后兩天施工時啟用模糊PID控制和LSTM預測控制兩種控制算法控制鋪排船鋪排，將兩種控制算法下航跡與航向變化繪制于同一圖中，曲線如下圖2與圖3所示：

在同一區(qū)域施工時，前后兩天風、浪、流的影響大致相近，由圖2和圖3可見，在垂直水流工況下基于LSTM的預測控制航跡偏差控制精度在0～0.45米，航向偏差控制精度0～6度，而基于模糊PID控制航跡偏差控制精度在0～0.5米，航向偏差0～6度，顯然預測控制的控制精度相對更高。在鋪排船位姿矯正效率及船舶穩(wěn)定性上面，可以看出基于LSTM的預測控制調(diào)節(jié)船舶姿態(tài)更迅速，到達穩(wěn)態(tài)時的震蕩也要小一些，只是由于江面上風、浪、流的影響，在個別時刻預測控制會出現(xiàn)船體姿態(tài)的突變，總體而言鋪排時更加穩(wěn)定且精度更高。這是因為基于LSTM深度神經(jīng)網(wǎng)絡的預測控制算法調(diào)整航跡航向偏差時不僅學習了船長的操船經(jīng)驗，而且在制排的間隙可以依據(jù)歷史的船舶位姿數(shù)據(jù)更新控制參數(shù)，進而可以對下一個時刻或者多個時刻進行預測控制調(diào)節(jié)偏差。因而利用預測控制進行偏差調(diào)節(jié)時，船舶姿態(tài)修正更快，且呈現(xiàn)平穩(wěn)前進的趨勢。

3.2 順水流鋪排施工

以江西省九江市陸家咀附近六錨順水鋪排時兩天的施工情況分析為例，一天的鋪排量為40×100m2，分別選擇在前后兩天施工時啟用模糊PID控制和LSTM預測控制兩種控制算法控制鋪排船鋪排，將兩種控制算法下航跡與航向變化繪制于同一圖中，曲線如圖4與圖5所示。

在同一區(qū)域施工時，前后兩天風、浪、流的影響大致相近，由圖4和圖5可以得知，在順水流工況下基于LSTM的預測控制航跡偏差控制精度在0～0.48米，航向偏差控制精度0～5度，而基于模糊PID航跡偏差控制精度在0～0.55米，航向偏差0～6度，兩種控制方案都能滿足鋪排精度要求，但控制精度預測控制仍然相對更高。在鋪排船位姿矯正效率及船舶穩(wěn)定性上面，可以看出基于LSTM的預測控制調(diào)節(jié)船舶姿態(tài)更迅速，在船舶施工穩(wěn)定性上模糊PID控制稍優(yōu)，這是由于在順水鋪排工況下，拋擲的錨會多，并且水流對船體影響較小。而拋擲的錨越多，移船時船舶受到風、浪、流的影響會更小，更有利于增加模糊PID控制器對船舶修正時的穩(wěn)定性。而預測控制在調(diào)整船舶位姿方面表現(xiàn)更突變。

4結語

本文基于對深度神經(jīng)網(wǎng)絡LSTM模型的研究和分析，提出一種基于LSTM神經(jīng)網(wǎng)絡模型的鋪排船自動移船預測控制算法?；阡伵糯瑲v史作業(yè)數(shù)據(jù)的收集，對LSTM模型進行訓練后應用于長雁2號和長雁22號鋪排船的移船自動控制系統(tǒng)中，經(jīng)過實船使用結果表明：基于LSTM神經(jīng)網(wǎng)絡的預測控制算法，可以使鋪排船在順水和垂直水流施工中的航向差與航跡差均保持在較小的誤差范圍內(nèi)，達到了良好的鋪排精度指標，顯示了深度神經(jīng)網(wǎng)絡在鋪排船工程應用上的成功。

參考文獻：

[1]余莉萍，梁鎮(zhèn)麟，梁瑞宇.基于改進LSTM的兒童語音情感識別模型[J].計算機工程，2020，46（06）：40-49.

[2]張新峰，閆昆鵬，趙珣.基于雙向LSTM的手寫文字識別技術研究[J].南京師大學報（自然科學版），2019，42（03）：58-64.

[3]侯永康，鄒勁，董超，劉蔚，談果戈.基于LSTM的三體滑行艇航態(tài)預測與航速控制器設計[J].艦船電子工程，2020，40（01）：40-45+98.

[4]王國棟， 韓斌， 孫文赟. 基于LSTM的艦船運動姿態(tài)短期預測[J]. 艦船科學技術， 2017， 39（13）：69-72.

[5]黃珍， 王永驥， 劉清. 非自航工程船舶智能定位系統(tǒng)的開發(fā)研究[J]. 武漢理工大學學報（交通科學與工程版）， 2006， 30（2）：191-193.

[6]黃珍. 錨泊移位型工程船舶系統(tǒng)建模與控制研究[D]. 華中科技大學， 2010.

[7]楊傳將. 微粒群算法研究及其在鋪排船智能控制中的應用[D]. 武漢理工大學， 2009.

[8]王麗. 智能控制在鋪排船自動作業(yè)監(jiān)控系統(tǒng)中的研究與應用[D]. 武漢理工大學， 2008.

[9]Shin S Y， Cha J H. Human Activity Recognition System Using Multimodal Sensor and Deep Learning Based on LSTM[J]. Transactions of the Korean Society of Mechanical Engineers - A， 2018， 42（2）：111-121.