0 引　言

随着科技的不断进步和海洋资源的日益开发，船舶作为重要的海上交通工具，其航行安全性与效率性越来越受到人们的关注。传统的船舶航行控制方法往往依赖于人工操作，不仅工作量大，而且容易受到人为因素的影响^[1]，导致航行过程中的不稳定性和安全隐患。因此，研究和开发一种新型的船舶航行自动控制技术显得尤为迫切。目前也有相关学者研究船舶航行自动控制方法，如秦华阳等^[2]提出的非线性超空泡航行体纵向控制方法；白涛等^[3]提出的基于强化学习的航行体控制方法。以上2种方法均通过设计控制器来实现船舶航行控制，但受船舶航行环境复杂，且并未对控制器参数进行优化，导致2种方法实际应用效果不佳。数字信号处理器（DSP）作为一种高效、快速的数据处理芯片，具有强大的计算能力和灵活的编程特性，为船舶航行自动控制提供了有力的技术支持^[4]。基于DSP的船舶航行自动控制研究，旨在通过集成先进的控制算法和传感器技术，实现对船舶航行状态的实时监测与精准控制，从而提高船舶的航行稳定性、安全性和自动化水平。这一研究不仅有助于提升船舶的性能和效率，还能为海洋资源开发、海上救援等领域提供有力的技术支撑。因此，基于DSP的船舶航行自动控制研究具有重要的理论价值和实践意义。

1 船舶航行自动控制方法 1.1 船舶航行非线性数学模型构建

船舶在海面上航行时，受海风、海浪以及洋流影响做六自由度运动，对于船舶航行自动控制来说，仅对其横摇、纵摇和艏摇进行控制即可。因此在建立船舶航行非线性数学模型时，将船舶的惯性矩阵和阻尼矩阵看作已知数，且该数值不会随着时间的变化而变化，当船舶航行速度过低时，忽略船舶航行的二次项^[5]。在上述假设条件下，建立船舶航行非线性数学模型，其表达公式如下：

$ \left\{ \begin{gathered} \dot \eta = R(\psi )v ，\\ M\dot v + Dv = \tau 。\\ \end{gathered} \right. $

(1)

式中：$ \eta = {\left[ {x,y,\psi } \right]^{\mathrm{T}}} $表示船舶北向、东向位置和船首方向角；$ v = {\left[ {u,v,r} \right]^{\mathrm{T}}} $表示在船舶坐标系中，船舶的纵向、横向速度和船首角速度；$ \eta $和$ v $顶部的“.”表示一阶求导；$ R(\psi ) $、$ M $、$ D $分别为坐标系旋转变换矩阵、船舶惯量矩阵和阻尼矩阵；$ \tau $为控制力与力矩矩阵，以上参数计算公式如下：

$ R(\psi ) = \left[ \begin{gathered} \cos \psi\quad - \sin \psi\quad 0 \\ \sin \psi\quad\;\; \cos \psi\quad\;\; 0 \\ \;\;\;0\qquad\quad 0\qquad\;1 \\ \end{gathered} \right]，$

(2)

$ M = \left[ \begin{gathered} {m_{11}}\quad 0\qquad\quad 0 \\ 0\qquad {m_{22}}\qquad 0 \\ 0\qquad 0\qquad {m_{33}} \\ \end{gathered} \right]，$

(3)

$ D = \left[ \begin{gathered} {d_{11}}\quad\;\; 0\qquad \quad0 \\ 0\qquad {d_{22}}\qquad {d_{23}} \\ 0\qquad {d_{32}}\qquad {d_{33}} \\ \end{gathered} \right] ，$

(4)

$ \tau = {\left[ {{\tau _X},{\tau _Y},{\tau _N}} \right]^{\mathrm{T}}}。$

(5)

式中：$ {\tau _X} $、$ {\tau _Y} $分别为坐标$ X $、$ Y $方向的控制力；$ {\tau _N} $表示力矩。

将式（2）～式（5）代入到式（1）中，可得到船舶在海上航行的横摇、纵摇和艏摇三自由度数据，依据该数据方可实现船舶航行自动控制。

1.2 基于DSP的船舶航行控制器设计

DSP具备高速的运算能力和信号处理能力，本文以DSP为基础，设计船舶航行控制器，该控制器结构如图1所示。在基于DSP的船舶航行控制器内，使用电源为DSP提供稳定的5 V电压供应，用户通过船舶用户PC端连接DSP后，使用仿真器里连接船舶航行非线性数学模型，将船舶航行横摇、纵摇和艏摇三自由度数据通过JTAG和GAP/QEP接口传输到DSP逻辑处理模块内，使用逻辑处理模块内的基于PID优化算法和CMAC算法获取船舶航行控制参数后，通过PWM模块对船舶航行控制参数进行脉宽调制，再使用ADC转换模块将船舶航行参数控制信号转换成数字控制信号后，输入到船舶航行驱动模块内，该模块接收到控制参数后，依据该参数执行控制指令，同时船舶航行驱动模块通过保护电路与整流电路与DSP相连，获取稳定电压供应。经过上述过程，实现船舶航行的自动控制。

1.3 基于PID优化算法与CMAC的船舶自由控制

为更准确地实现船舶航行自动控制，在此使用遗传算法改进PID算法同时结合CMAC神经网络模型算法实现船舶自用控制，其运算过程为将船舶航行非线性数学模型输出的船舶在海上航行的横摇、纵摇和艏摇三自由度数据输入到PID控制算法内，通过PID控制算法得到船舶航行自动控制初始参数，同时将该初始参数与船舶在海上航行的横摇、纵摇和艏摇三自由度数据输入CMAC神经网络模型，通过该神经网络模型记忆、映射等运算后，利用CMAC函数获得船舶航行自动控制最终参数，进而实现船舶航行自动控制，其详细实现过程如下：

PID控制算法属于一种线性的控制器，其依据船舶航行参数的给定值和实际输出值之间的偏差和PID自身控制参数生成控制律^[6]，y(t)表示PID控制船舶航行的控制律，其表达公式如下：

$ y(t) = {K_p}(et) + {K_i}\int_e^T {e(t){\rm{d}}t} + {K_d}\frac{{{\rm{d}}\left[ {e(t)} \right]}}{{{\rm{d}}t}}。$

(6)

式中：y(t)表示PID控制算法输出的船舶航行初始控制参数；K_p、K_t、K_d分别表示比例、微分和积分系数；e(t)表示船舶航行误差信号。

由于PID控制算法适用于线性控制，而船舶的航行行为呈现非线性特点，因此需要依据船舶航行实际参数对PID控制算法内的比例、微分和积分进行整定处理。在此运用遗传算法对PID控制参数进行优化处理，其详细步骤为：

步骤1　将PID比例、积分和微分参数看作染色体，记录当前PID参数染色体位置。

步骤2　将所有PID参数染色体看作一个种群，按照可分准则对该种群实施初始化处理。

步骤3　依据该函数计算PID参数染色体个体的适应度。

步骤4　设置交叉概率和遗传概率，依据该2个概率对PID参数染色体种群进行交叉和遗传操作得到新的PID参数染色体种群。

步骤5　计算新PID参数染色体种群适应度数值，当其适应度满足停止迭代条件时，输出适应度数值最大的染色体对应的PID参数，该参数即为PID算法最优参数。

经过上述步骤，使用PID优化算法得到船舶航行自由控制的初始参数后，将该初始参数与船舶在海上航行的横摇、纵摇和艏摇三自由度数据同时输入到CMAC神经网络模型内。CMAC神经网络模型由输入层、AC杂散编码层、AP映射层和输出层组成，初始控制参数与船舶在海上航行的横摇、纵摇和艏摇三自由度数据经过CAMC神经网络模型处理后，输出船舶航行自动控制最终参数。

当船舶在初始航行时，运用PID优化算法对其进行自动控制，后续则运用CMAC神经网络模型对船舶航行进行控制。

2 结果分析

以某货运船舶作为实验对象，其载重28000 t，总长120 m，宽度和型深分别为24 m和12 m，满载的情况下该船舶吃水为9 m，航速为14 kn。使用本文方法对该船舶航行实施自动控制，分析验证本文方法在实际中的应用效果。在实验过程中，选择的DSP型号为ADSP-21060，其详细参数如表1所示。

首先运用本文方法建立的船舶航行非线性数学模型获得船舶航行的横摇、纵摇和艏摇三自由度数据，以实验对象的船首方向角作为衡量指标，测试本文方法建立船舶航行非线性数学模型能力，结果如图2所示。分析可知，使用本文方法建立的船舶航行非线性数学模型得到的船首方向角数值与其实际数值较为吻合，仅在船首方向角曲线波峰位置存在约0.15°差值，该差值较小。上述结果表明，本文方法建立的船舶航行非线性数学模型可有效获取船舶航行三自由度数据，为船舶航行自动控制提供数据基础。

验证本文方法对船舶航行的自动控制能力，对本文方法进行方波跟踪测试，其中方波周期为200 s，预设的船舶舵角度为±25°，测试结果如图3所示。分析可知，本文所提出的方法在一个方波周期内展现出了出色的航行自动控制能力。通过该方法，船舶的舵角能够精确而有效地达到预设的±25°数值，这表明该方法不仅具有强大的控制能力，还具备较高的检测精度。这一显著的应用效果验证了本文方法在实际航行中的有效性和实用性，为船舶航行的安全性和稳定性提供了有力保障。

进一步验证本文方法对船舶航行的自动控制能力，以某次控制船舶航向作为衡量指标，绘制本文方法控制船舶航行的阶跃响应曲线，分析本文控制船舶航行的灵敏性。为使实验结果更加充分，同时使用文献[2]的非线性超空泡航行体纵向控制方法和文献[3]的基于强化学习的航行体控制方法同时展开测试，测试结果如图4所示。分析可知，实验的3种方法均可有效实现船舶航行自动控制，但其中本文方法在自动控制船舶航向时，其仅在6 s左右即可使减缓航向达到期望值，且其超调量约为2.5°，超调量数值最小，结果表明，本文方法对船舶航行自动控制的灵敏性最佳，未来可在船舶控制领域广泛应用。

3 结　语

基于DSP的船舶航行自动控制技术，为现代船舶的安全、高效航行提供了有力保障。通过DSP的高速处理能力，实现对航行参数的实时采集、处理与反馈，确保船舶在各种复杂海况下都能保持稳定的航行状态。此外，DSP的灵活编程性使得船舶航行控制策略得以快速优化与升级，适应不断变化的航行需求。经过对本文方法进行充分验证，从验证结果中得知本文方法对船舶航行自动控制效果较佳，未来可在船舶领域广泛应用。