原文传递
基于智能模型的船舶横向运动控制研究
| 论文题名： | 基于智能模型的船舶横向运动控制研究 |
| 关键词： | 船舶运动智能模型;减摇控制;自适应LQG控制框架;自组织控制系统 |
| 摘要： | 海洋占地球表面的三分之二,具有重要军事战略价值,与国家的安全、发展息息相关。海洋经济是世界经济的重要支柱,当今世界贸易约90％的货物总量,约70％的价值总量是由船舶海运行业运送的。提高船舶航行的安全性是这一领域恒久不变的重点。在海面航行的船舶受风浪干扰产生六自由度的复杂运动,危害航行安全,其中横摇和艏摇运动最易发生且危害最大。对横摇和艏摇运动进行减摇控制是提高航行安全性的重要方法。然而船舶模型在不同航行环境下的不确定性始终是减摇控制的难题。本文以“十一五”国防科研基金课题为背景,重点研究模型不确定的船舶横摇和艏摇运动控制。 全文分析了两类船舶模型不确定的减摇控制问题。针对第一类可以通过水池实验获得部分模型信息的船舶,独创地提出了基于智能模型的自适应LQG(LinearQuadratic Gaussian)控制框架。其核心思想是充分发掘已有的模型信息,离线建立完备的水动力参数模型库,根据当前的航行环境调取相应的模型,对特定模型设计随即最优控制器。文中利用RBF神经网络和水池实验数据建立了一个基于航速、海情、航向同水流方向遭遇角的三维空间完备的船舶水动力参数模型库。根据实验数据对海浪扰动建模,扩充船舶模型使其包含海浪扰动信息,根据卡尔曼滤波和分离原理设计最优估计和最优控制器。根据航行传感器测得的航速、海情、遭遇角信息,从离线建立的智能模型库中调取对应的水动力参数,进行最优控制。 针对第二类无法进行水动力实验、没有先验模型信息的船舶,独创地提出了基于智能模型的自组织控制系统的框架。其核心思想是通过实际系统和虚拟系统两个闭合的回路将建模、训练控制器和实际控制三种工作分开,使三者并行自组织地进行。文中针对横摇运动,以及横摇和艏摇耦合运动设计了自组织神经网络控制系统,利用反馈神经网络和RTRL算法在线模拟船舶前行模型,利用nprKF算法和基于参数的EKF算法在线训练控制器。 仿真结果表明,针对模型不确定的船舶,基于智能模型的自适应LQG控制系统和自组织控制系统各有优势,两种方法均可有效控制横摇艏摇运动,两种控制系统对其它模型不确定的动态系统控制也有指导意义。 |
| 作者： | 杨雪晶 |
| 专业： | 系统工程 |
| 导师： | 赵希人 |
| 授予学位： | 博士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
