舰船科学技术  2022, Vol. 44 Issue (14): 61-64    DOI: 10.3404/j.issn.1672-7649.2022.14.014   PDF    
干扰环境下航向的智能自适应参数调节算法
尚晓峰     
大连理工大学 城市学院, 辽宁 大连 116100
摘要: 在船舶运动过程中,航向控制是关键技术,不但与船舶的航行安全性密切相关,而且还关系到船舶的油耗。正因如此,使得航向控制成为船舶领域研究的重点课题之一。随着无人操控船舶及智能航运技术的快速发展,对船舶航行控制提出全新挑战,要求船舶具备较高的智能化程度,航行过程需要多元推进,以此来实现航行的灵活性与自主性。船舶在海面上行驶时,不可避免会受到环境的干扰,可能会造成偏离既定航向的情况。为避免这一问题的发生,可运用航向智能自适应参数调节算法,对航向加以控制。
关键词: 船舶     航向     干扰环境     自适应     调节算法    
An intelligent adaptive parameter adjustment algorithm for heading in interference environment
SHANG Xiao-feng     
City Institute, Dalian University of Technology, Dalian 116100, China
Abstract: In the process of ship motion, heading control is a key technology, which is not only closely related to the navigation safety of the ship, but also related to the fuel consumption of the ship. Because of this, heading control has become one of the key topics in the field of ship research. With the rapid development of unmanned ships and intelligent shipping technology, new challenges are brought to ship navigation control, requiring ships to have a high degree of intelligence, and the navigation process requires multiple advancements to achieve flexibility and autonomy in navigation. When a ship travels on the sea, it will inevitably be disturbed by the environment, which may cause deviation from the intended course. In order to avoid this problem, the heading intelligent adaptive parameter adjustment algorithm can be used to control the heading.
Key words: ship     course     interference environment     self-adaptation     adjustment algorithm    
0 引 言

现阶段,在保证船舶安全航行的前提下,实现节能减排的目标是航运领域研究的重点,与之相关的核心技术为航向控制。对于远洋船舶而言,其航向控制具有变速慢、调节频繁等特点。为满足干扰环境下,船舶稳定航行的要求,在航向保持控制中,应用智能自适应参数调节算法,对航向进行控制。本文就干扰环境下航向的智能自适应参数调节算法展开研究。

1 船舶航向自适应协同控制方法 1.1 航向控制

本文研究的主要目的是航向自适应控制,与常规不同的是,不以船首向作为航向控制的目标。这是因为船舶在海面上航行的过程中,如果不受外界干扰,传统的控制方法可行,而受到外界风浪等因素的干扰时,船舶的航向可能不再与船首同向,以船舶的运动方向作为航行方向最为合理。当舵的位置处于零点时,在海面风浪的作用下,船舶会产生一定的移速,可以用V表示,它的存在对船首向的运动方向产生一定程度的影响。通常情况下,控制航向的自动舵会产生偏转,以此来抵消风浪对船舶的干扰,从而使船首保持在预先给定的航向上。风浪本身具有不确定的特性,加之控制系统本身自带的过渡特性,使得船舶在干扰环境下航行时,舵机需要频繁调节来保持航向稳定,由此导致船舶的阻力增大,油耗随之增多。航向控制的最终目标是使船舶始终保持给定航向,通过自适应参数调节算法的合理运用,使航向保持阶段,自动舵不工作,侧推器工作,以此达到调节船首方向的目的。船舶在海面上航行的过程中,通过对首侧推器的控制实现航向保持,使舵机的位置始终保持在零点,能够减少舵机的调节频率,达到节油的效果。

1.2 协同控制

当船舶起航之后,船上所有的控制系统都会进入到初始化状态,与此同时,完成信息赋值,包括航线的起始点、终点及中间点等。船舶航行过程中,在不受干扰的情况下,会选择船首航向控制模式,当遇到干扰环境时,船舶会选择航行控制模式,即保持质心运动轨迹始终处于预先设定好的航线上,推力与干扰力的合理矢量为航线控制。对于在海面上行驶的船舶而言,航行控制是重要环节,其关键在于干扰力大小及作用方向的检测,尤其是横向力的作用。通过计算,可以调节首向与航线之间的夹角,从而使合理矢量保持在预先设定好的航线上,利用首侧推微调,使船舶航向保持稳定,并将舵产生的附加阻力消除。在不超过主机负荷的情况下,调节主机的工作状态,可以适应干扰力的变化。

2 基于干扰环境下的船舶航向智能自适应参数调节控制 2.1 参数辨识

在干扰环境下研究船舶航向的控制问题时,需要获取船舶的特性参数,其中池水模式为满负荷状态,巡航速度为恒定,航向变化为20°,干扰环境下船舶特性参数分布曲线如图1所示。

图 1 干扰环境下船舶特性参数分布曲线 Fig. 1 Distribution curve of ship characteristic parameters in interference environment

本次研究是在Z型操舵试验下,获取船舶的速度及航向响应特性。通常情况下,新造的船舶在试航前,要做Z型操舵试验,通过该试验可以得到与船舶操纵性能有关的参数,包括舵角、航向、稳定性、转向能力等。为降低干扰,Z型操纵试验需要在晴朗天气和良好海况下开展,并且水深应在百米以内。船舶在海上航行的过程中,会受到诸多因素的干扰,如风浪、池水、船速、水深等,当上述干扰叠加后,会使船首向特性发生变化。对于航向变化而言,主要分为2种情况:一种是驾驶员设定的航向给定值变化,另一种是由外界干扰造成的航向给定值变化。当载荷发生变化后,船舶响应特性也会随之发生变化,由于无法对每一种吃水情况的控制参数进行设置,所以要为推进模式设置最佳的控制参数。

2.2 参数调节算法

选择适用于航向控制的船舶模型,舵角响应式表示为:

$ G(s) = \frac{{{K_s}}}{{s(1 + s{T_s})}} 。$

式中: $ G(s) $ 为舵角大小;T为船舶的时间常数; $ {K_s} $ 为船舶增益。在海面上行驶的船舶会受到各种外界因素的影响,为确保船舶能够顺利抵达目的地,需要保持航向正确,由此使得航向控制成为重中之重。控制航向实质上是对航向的定值有效控制,船舶上安装的自动舵基本上能够满足良好海况下的航行控制要求。但必须指出的是,海况不可能始终良好,恶劣的海况时有发生,在恶劣海况下,对船舶航向控制时,可运用自适应参数调节算法。将船舶的惯性作为相关系数,并在微分中加入低通滤波装置,以此来改善恶劣海况下,船舶航向控制系统的动态特性。

通过取消积分作用的方法,能够使航向控制系统启停时引起的超调和振荡问题得到有效解决,而在航向无限接近于给定值时,积分的作用得到充分发挥,静差随之消除。当航向控制在某个方向上存在偏差时,为避免舵机进入饱和区,要判断相关的参数是否超限。在超调及饱和问题的解决中,可以运用变速积分法,利用航向偏差改变积分速度。为使恶劣海况对航向的影响问题得到有效解决,可在控制系统中加入死区控制与天气调节等功能。将天气参数设定为D,取值范围为1~9的自然数,恶劣海况下S的取值为1+ $ {D_f} $ ,其中 $ {D_f} $ 代表1 min内船舶航向穿越给定值的振荡次数,在此前提下,不灵敏区域的范围逐步增大,航向控制稳定性随之提高,舵机频繁调节引起的振荡问题得到消除。船舶转向归属于内部扰动的范畴,具体而言是改变给定值,转向控制主要包括2种情况,一种是程序控制,另一种是随机控制。

基于EKF-DRNN算法的转向前馈控制模型由输入层、隐含层及输出层等部分组成,因建模过程的不确定性较大,加之噪声多为非高斯噪声,所以无法通过噪声协方差方程来描述。为辨识并补偿神经网络,在本文研究中,运用EKF对DRNN在线更新,基于EKF优化的DRNN自适应模型原理为:当初始值设计好以后,通过调整网络权值,能够实现网络有效学习的目标,如果对该模型函数及网络权系数同时调整,能够使网络精度得到大幅度提升。

2.3 仿真分析

以某型船舶作为研究对象,并对观测器参数进行如下取值: $ \alpha_1=6 $ $ \alpha_2 =11 $ $ \alpha_3 =8$ β=80, $ c_1=50 $ $ c_2=30 $ 。船舶自动舵克服水面正弦波浪扰动的操舵角变化观测结果如图2所示,船舶航向正弦扰动下的转向速率估计结果如图3所示。

图 2 船舶自动舵克服水面正弦波浪扰动的操舵角变化观测结果 Fig. 2 Observation results of steering angle change of ship autopilot overcoming sinusoidal wave disturbance on water surface

图 3 船舶航向正弦扰动下的转向速率估计结果 Fig. 3 Estimation results of steering rate under sinusoidal disturbance of ship course

可知,智能自适应观测器可以得到与船舶舵角及航向有关的具有平滑性特征的估计结果,从而使控制稳定性得到进一步提升。在神经网络中,连接圈的初始值是随机数,它的范围在(0, 1)之间,其中2个关键参数的初始取值全部位于0.5附近,一个参数是学习速率,另外一个参数是惯性系数。除上述参数外,还需要应用高斯函数参数,它的初始取值在网络输入的映射范围内,所有参数的调整策略全部为同一种方法,即梯度下降法。EKF-DRNN算法在航向自适应控制的应用中,基于高斯函数可以使算法结果无限逼近非线性函数,由此使得算法在船舶航向保持控制中具有良好的适用性。在船舶航向控制评价中,复合误差是需要遵守的基本准则,这里的复合误差由航向误差与舵角2个部分组合而成,前者与航向的控制精度有关,后者与舵的操控有关。船舶在干扰环境下航行实际舵角的效果情况如图4所示。

图 4 船舶在干扰环境下航行实际舵角的效果情况 Fig. 4 Effect of actual rudder angle of ship sailing in interference environment

船舶在水面上航行时,受到外界环境的干扰,为使航向控制始终保持在给定值上,要对舵角频繁整定,以此来达到平衡外界作用力的目的。在这一过程中,船舶航向的复合控制舵角会随着外界干扰的大小来调节,并通过PID控制算法进行修正,无法达到平滑过渡的效果,该情况会对舵机产生不利影响。

对于船舶而言,它的航向控制具有开环、可控的特征,可用FOLPD模型近似这个控制过程。通过对船舶进行Z操纵试验,能够获得静态增益,用Ks表示,它是稳态输出与输入的比,当达到稳态值63%左右,此时的过渡时间为常数,用Ts表示,而滞后时间可以用 $ \tau $ 表示。J(k)表示评价准则误差函数,当它的值为0时,表明此时的船舶航向偏差在允许范围以内,如果舵角为0,则船舶航行能够降低燃油消耗。EKF-DRNN算法由输入层、回归层、输出层组成,三者之间连接权的初始值为随机数,而PID的初始值为给定值,在这一前提下,船舶航向保持反馈控制的仿真结果如图5所示。

图 5 EKF-DRNN算法下船舶航向保持控制效果示意图 Fig. 5 Schematic diagram of ship course keeping control effect under ekf-drnn algorithm

借助EKF-DRNN算法去除陀螺传感器输出信号中的噪声,估计出操舵产生一定程度的转向率,逐步趋于稳定状态,并未出现频繁调节的现象。由此说明,船首侧推的补偿作用达到节油的效果。而当航向角及舵角受到噪声干扰后,使得调整频率随之增加,船舶的航行油耗进一步增大。因航向超调比较大,加之舵角发生振荡,造成油耗增加,稳定时间延长。干扰环境下EKF-DRNN算法转向控制效果如图6所示。

图 6 干扰环境下EKF-DRNN算法转向控制效果 Fig. 6 Steering control effect of ekf-drnn algorithm in jamming environment

可知,通过船尾方向舵与船首侧推的协同作用,使舵负荷有所减轻。将航向设定为高频干扰信号,在整定航向发生频繁的变化时,PID操舵仪对干扰比较敏感。而EKF-DRNN操舵仪由于输出变化比较缓慢,从而能够有效防止整定航向发生变化时引起的振荡,使船舶航向控制特性得到改善。EKF-DRNN控制具有较强的自学习能力,通过减少干扰,能够使船舶保持直线航行。当船舶与预定航向发生比较大的偏离,此时可以采用大舵角控制,并在角速度为0时,方向舵回0。在船舶轻载与重载条件一定时,操舵角的最佳值主要取决于负载条件。船舶在航行过程中,不可避免会受到外界干扰,如风浪、水深、载荷以及航速等,航向受到干扰,从而发生变化,采用PID控制时,需要船舶驾驶员对PID的参数进行调整来提高控制效果,上述干扰可以通过航向负荷控制估计算法予以消除。当航向受到海浪影响,导致船舶的惯性阻力增加时,操舵为无效舵。对此PID是借助天气调节消除偏航,而复合控制则是通过EKF滤波,利用前馈控制,使航向与轨迹匹配,这样基本上不会出现超调的情况。船舶主机转速曲线示意图如图7所示。

图 7 船舶主机转速曲线示意图 Fig. 7 Diagram of speed curve of ship main engine

通过船舶半实物模拟后得到主机的转速曲线,在智能自适应参数调节算法的控制下,船舶航向保持阶段,舵角基本处于中间位置,主机的转速与负荷变化范围相对较小,当航向发生转变时,舵角随之改变,此时的主机转速出现较大程度的变化。由此可见,借助自适应参数调节,能够在干扰环境下,提高船舶转向及航向保持性能,从而使船舶平稳航行。

3 结 语

船舶在海上航行的过程中,不可避免会受到外界因素的干扰,由此会导致航向偏离给定值。为使航向保持在给定值上,需要对航向进行控制。在这一过程中,可以引入智能自适应参数调节算法,经过仿真分析,验证了调节算法的可行性。

参考文献
[1]
辛博鹏, 刘顺, Yutaka WATANABE. 基于非线性反馈积分滑模控制的船舶航向自动舵设计[J]. 中国航海, 2022(1): 63-65, 72.
[2]
况阳, 郑帅, 戈亮. 基于Mamdani推理法的双体无人艇模糊控制器设计[J]. 中国海洋平台, 2021, 36(5): 71-75. DOI:10.12226/j.issn.1001-4500.2021.05.20210513
[3]
窦强. 双体槽道型双泵喷水推进无人艇航向控制算法研究[J]. 指挥控制与仿真, 2021, 43(4): 17-20. DOI:10.3969/j.issn.1673-3819.2021.04.004
[4]
谢佩军. 基于免疫遗传算法与变论域模糊PID的船舶航向控制研究[J]. 工业控制计算机, 2021, 34(6): 78-80. DOI:10.3969/j.issn.1001-182X.2021.06.029
[5]
包涛, 董早鹏, 张波, 等. 基于GD-FNN和参考模型的无人艇航向鲁棒自适应控制[J]. 船舶力学, 2021, 25(5): 598-606. DOI:10.3969/j.issn.1007-7294.2021.05.008
[6]
魏琼, 周刚, 金鹏, 等. 基于Backstepping的非线性无人船航向控制算法[J]. 湖北工业大学学报, 2021, 36(2): 1-4. DOI:10.3969/j.issn.1003-4684.2021.02.001
[7]
杨忠凯, 仲伟波, 冯友兵, 等. 基于改进的视线导引算法与自抗扰航向控制器的无人艇航迹控制[J]. 中国舰船研究, 2021, 16(1): 121-127+135. DOI:10.19693/j.issn.1673-3185.01842