详情

原文传递船舶参数横摇鳍桨联合神经网络逆控制

论文题名：	船舶参数横摇鳍桨联合神经网络逆控制
关键词：	船舶航行;纵浪条件;参数横摇;鳍桨联合非线性模型;神经网络;逆控制系统
摘要：	参数横摇是船舶纵浪或接近纵浪航行时，遭受到海浪等外部激励作用而引发的横摇运动共振现象，且横摇角的幅值增加很迅速，严重时会导致船舶倾覆。参数横摇抑制方法主要分为两种：一是改变航向或航速，规避参数横摇的发生，二是利用传统减摇装置减摇。　　本文研究的重点为构建参数横摇鳍桨联合非线性模型，以及鳍桨联合神经网络逆控制系统的设计，主要研究内容如下：　　首先分析了船舶参数横摇的原因与条件，基于Neves与Rodriguez提出的非线性三自由度（横摇、纵摇、垂荡）参数横摇模型，以某C-11集装箱船为例，通过仿真实验研究了规则海浪波中船舶遭遇频率与波高对参数横摇的影响效果，验证了参数横摇产生需要的条件。引入船舶纵荡自由度，并对船舶减摇鳍和螺旋桨建模，建立了四自由度船舶参数横摇运动模型，为进一步提出鳍桨联合抑制参数横摇的方案做准备。　　然后，针对鳍桨联合参数横摇抑制系统具有的多变量、非线性、强耦合等特性，采取逆控制方法实现系统的线性化与解耦，由于直接求取逆系统的解析表达式十分困难，因此利用神经网络的学习和函数逼近能力，构建神经网络逆系统，接下来重点研究鳍桨联合系统神经网络逆控制器设计：　　(1) 先进行鳍桨联合参数横摇系统的可逆性分析，然后设计BP神经网络的结构，经过训练得到精度最高BP神经网络逆系统，将其与原系统级联构成参数横摇鳍桨联合伪线性复合系统，并设计了线性附加减摇鳍和螺旋桨PID控制器，完成了闭环反馈控制。　　(2) 针对BP神经网络构建逆系统时，改变BP神经网络的结构对训练精度的提升不大的问题，且层数比较多的网络模型在训练时会引发梯度消失和爆炸现象，基于LSTM神经网络原理，建立了LSTM神经网络鳍桨联合伪线性复合系统，有效地提高了神经网络逆系统的精度，并选用同样的附加PID控制器实现闭环控制，进行仿真实验对比，结果表明LSTM神经网络逆控制的减摇率更高，对航速的调节更快更稳定。　　(3) 针对附加PID控制存在的参数整定困难与鲁棒性较差的问题，进一步提出LSTM神经网络逆附加内模控制，基于改进的二自由度内模控制原理，根据解耦后横摇和船速子系统的特点，分别设计减摇鳍与螺旋桨附加二自由度内模控制器，进一步提高系统的动态性能和抗干扰性，经过不同海况下的仿真实验，表明所设计的附加内模控制表现出了比附加PID控制更强的鲁棒性，在不改变控制器参数的前提下，附加内模控制能够更快跟踪期望航速，减摇率也更高。　　(4) 针对在航速控制达到稳定后出现了小幅度波动的问题，考虑到船舶处于纵浪航行状态时海浪的外部干扰阻力影响最大，构建非线性干扰观测器，对外部海浪扰动估计并进行补偿，进而提高控制的性能，仿真实验结果表明引入干扰观测器后航速输出曲线更加平滑。　　综上所述，本文构建了四自由度船舶参数横摇运动模型，对船舶参数横摇鳍浆联合神经网络逆控制进行研究。在BP神经网络构建的参数横摇鳍浆联合逆系统的基础上，提出LSTM神经网络来改善神经网络逆系统的精度；提出神经网络逆附加内模控制来解决控制器参数整定困难与鲁棒性较差的问题；并引入干扰观测器解决了海浪干扰对航速控制的影响。一步步地实现了控制优化，提高了系统的减摇率，最终使得船舶能够快速地抑制参数横摇，同时保证航速的控制精度。
作者：	徐涛
专业：	控制科学与工程
导师：	李晖
授予学位：	硕士
授予学位单位：	大连海事大学
学位年度：	2022