0 引　言

船舶在海上航行过程中，因海上航行环境中存在海浪与海风等诸多环境因素扰动，导致船舶出现偏离预设航行航向的现象^[1]。为确保船舶能够按照预定的航线安全、稳定航行，减少船舶在航行过程中的航向偏差，需对船舶航行中的航向实施精确控制，以此实现对船舶航行的控制^[2]。

目前，针对此方面的研究有Sivaraj，Sivaraman等^[3]研究的静水波航向控制方法，运用船舶的航向、位置等状态信息及舵角调整指令等创建静水波航行环境模型，运用模型信息构建深度Q网络（Deep Q-Network，DQN）网络模型，学习后得到不同航行状态下的最优动作，实现静水航向控制。DQN算法对环境的适应性有限，当航行环境发生波浪、风速等显著变化时，控制效果会受到影响。刘志全等^[4]研究的船舶航向自适应控制方法，结合漂角与Nomoto模型，创建漂角-航向状态空间模型，运用扩张状态观测器（Extended State Observer，ESO）对该模型的未测状态及扰动实施预估，依据预估结果设计自适应控制器，实现船舶舵角的控制。在极端海洋环境下，ESO的性能会受到限制，导致预估结果精度下降，控制效果不佳。刘训文等^[5]研究的船舶航向保持控制方法，建立船舶航向运动的数学模型，运用自适应神经网络调整PI控制器参数，采用参数调整后PI控制器根据船舶的实际航向与预定航向的偏差，得到控制指令，实现航向保持控制。尽管自适应神经网络能够逼近船舶系统的不确定性，但在极端外部扰动（如大风浪、急流等）下，其性能可能会受到限制，导致最终控制效果下降。储瑞婷等^[6]研究的船舶航向滑模控制方法，建立船舶航向运动的数学模型，采用有限时间扩张状态观测器（Finite Time Extended State Observer，FTESO）估计船舶的漂角，依据所得漂角设计滑模控制律，修正船舶航向偏差，完成航向控制。在航行环境出现大风浪、急流等扰动时，FTESO的性能会受到限制，导致预估漂角误差，航向控制结果精度不高。

可编程逻辑控制器（Programmable Logic Controller，PLC）使用嵌入式微处理器作为核心，通过编程实现对各种自动化设备和过程的控制^[7]。在安全性与可靠性方面，PLC嵌入式技术以其稳定性和抗干扰能力，为船舶在复杂多变的海洋环境中提供了坚实的保障。同时PLC嵌入式技术所支持的远程监控和管理功能，使得船员能够实时了解船舶状态，及时进行调整和优化，进一步提高了运营效率。为此，本文运用PLC嵌入式技术，设计船舶航行自动控制系统，实现船舶航行中航向的智能精准操控，保障船舶应对不同复杂环境扰动下安全稳定航行。该系统实现了船舶航行的精准控制，其创新点如下：

1）通过系统的设备层实时采集船舶航行的位置、舵角、航向等数据，意味着该系统能够持续、不间断地监控船舶状态，提供更为精确和及时的信息，为后续的智能决策提供了丰富的信息基础。

2）将采集的数据传入嵌入式控制层，该层调用其嵌入式微处理器存储与处理此类数据；有助于提高系统的集成度和响应速度。

3）调用其所嵌入的BP神经网络PID控制器，以预设的船舶航行舵角为控制目标，对船舶的舵机实施控制，降低舵角偏差，达到船舶航行航向控制目的。实现了更为智能和灵活的控制策略，提高了船舶航行的稳定性。

1 船舶航行自动控制系统研究 1.1 系统整体框架设计

为实现船舶航行的自动控制，在此以PLC嵌入式技术为核心，构建包含设备层、嵌入式控制层及应用层的船舶航行自动控制系统。

该系统的各关键层功能如下：

1）设备层。该层主要包括速度传感器、舵角指示器与舵角传感器、GPS定位系统、执行器等硬件设备，负责采集船舶航行过程中的速度、舵角、位置等航行数据，并将此类航行数据传输给嵌入式控制层。同时，设备层还接收来自嵌入式控制层的控制信号，并经由该层的执行器执行控制信号所对应的舵机舵角调整动作。

2）嵌入式控制层。该层的核心部分为PLC嵌入式控制器，使用嵌入式微处理器与BP神经网络PID控制器作为核心，对设备层采集的船舶航行数据实施存储与处理后，实现对船舶航行中舵角的有效控制，降低船舶的航向偏差，令船舶按规划航向航行。

3）应用层。该层主要应用上位机发送控制与调整指令，并将控制与调整结果呈现给操作员。

1.2 嵌入式控制层结构设计

嵌入式控制层作为整个船舶航行自动控制系统的核心层，其整体结构设计尤为关键。在此以嵌入式微处理器与BP神经网络PID控制器为其核心部分，设计包含中央控制模块与扩展控制模块的嵌入式控制层整体结构，如图1所示。

该层中的2个关键模块通过控制接口相连，各关键模块描述如下：

1）中央控制模块由PLC程序编译、PLC程序存储、PLC程序执行子模块组成，PLC程序编译、PLC程序存储子模块的船舶航行数据存储与处理功能通过嵌入式微处理器实现，PLC程序执行子模块的船舶舵角控制功能通过BP神经网络PID控制器实现。

2）扩展控制模块主要包括模拟量输入输出子模块、调整量输入输出子模块、光耦隔离子模块以及A/D、D/A转换子模块。其中，模拟量输入输出子模块经由控制接口接收来自中央控制模块所输出的船舶航行舵角控制数字信号，经2个转换子模块转换为电信号后，得到船舶航行舵角的实际待调整量输入到调整量输入输出子模块内；光耦隔离子模块的作用是避免扩展控制模块的内、外部电路间的直接电气连接，降低外部电气的干扰；调整量输入输出子模块转换所接收的船舶航行舵角待调整量为控制信号后，操控设备层的执行器调节船舶的左右舵调节阀，有效调整船舶的航行舵角，实现船舶航行控制。

1.3 BP神经网络PID控制器设计与实现

BP神经网络PID控制器作为系统中核心层—嵌入式控制层的关键部分，是实现船舶航行中航行舵角调整、航行航向控制的关键。该控制器以预先设定的船舶航行舵角作为控制目标，通过调整其比例、积分及微分3个关键参数，降低船舶航行的舵角偏差，即降低航向偏差，令船舶按照规划的航向航行，达到自动控制船舶航行的目的。

该控制器对船舶航行舵角的控制过程为：

步骤1　假设$\alpha$为预先设定的船舶航行舵角；$\varepsilon$为船舶航行舵角偏差值；K_p、K_i、K_d分别为PID控制器的比例、积分及微分参数。将预设船舶航行舵角$\alpha$输入到BP神经网络PID控制器内，BP神经网络PID控制器通过对其3个关键参数的调节得到控制率$s$，运用所得控制率控制船舶舵机，得到控制后的船舶航行舵角输出。其中，$t$时刻下PID控制率s(t)的运算式为：

$\begin{gathered}s\left(t\right)=s\left(t-1\right)+K_p\left[\varepsilon\left(t\right)-\varepsilon\left(t-1\right)\right]+ \\ K_i\varepsilon\left(t\right)+K_d\left[\varepsilon\left(t\right)-2\varepsilon\left(t-1\right)+\varepsilon\left(t-2\right)\right]。\\ \end{gathered}$

(1)

式中：s(t−1)为t−1时刻的PID控制率；ε(t)、ε(t−1)、ε(t−2)分别为$t$时刻、t−1时刻及t−2时刻控制器控制后的船舶航行舵角偏差值。

步骤2　因K_p、K_i、K_d 3个参数的最优化调整是实现船舶航行舵角精准控制的关键，本文运用兼具自适应与自学习性能的BP神经网络它们实施最优化调整，获得各个参数不同组合的最优解。先对BP神经网络各层的神经元数量与连接权重实施初始化，赋予(−1,1)区间值。以$t - i$时刻的船舶航行舵角偏差值作为初始化后BP神经网络的输入层输入，经BP神经网络优化调整PID控制器的K_p、K_i、K_d参数。

步骤3　将BP神经网络优化调整后的最优参数输入到PID控制器内，结合式 (1)得到优化后的PID控制率。运用控制率控制船舶舵机，得到控制后的船舶实际航行舵角$\alpha '$输出。选取BP神经网络PID控制器的输出舵角误差的二次方指数作为评估其控制性能的指标函数，其运算式为：

$\bar{\varepsilon}(t)=\left[\alpha-\alpha^{\prime}\right]^{2} / 2。$

(2)

当该指标函数$\bar \varepsilon \left( t \right)$不高于预先设定的船舶航行舵角偏差值时，BP神经网络PID控制器结束运算过程，并将所输出的船舶航行舵角$\alpha '$转化成控制信号，传送至设备层执行器执行船舶的舵角调节任务；反之，则继续运用控制后的船舶航行舵角偏差值ε(t)重复上述过程，直至不超出设定舵角偏差为止。

2 结果分析

选取New-Panamax集装箱船（MNPX）作为实验对象，将本文系统应用到该船舶上，对其在不同航行环境扰动下的航向实施自动控制，通过控制结果检验本文系统的实际应用效果。

设定实验船舶的初始状态为：船舶位置为（3.5 m，2.6 m），船舶速度为15.3 kn，船舶航向角为0°，舵角为0°。实验中所设定的2种航行环境（A₁，A₂）为：A₁—风速为10.2 m/s，风向为30°；A₂—风速为18.5 m/s，风向为50°。2种船舶航行环境的二维风场图如图2所示。

选取DQN控制方法、ESO控制方法、自适应神经网络PI控制方法、FTESO的滑模控制方法作为对比方法，本文系统及各对比方法控制后的实验船舶航行舵角与预设舵角的对比情况如图3所示。可以看出，在A₁航行环境下，实验船舶的预设航行舵角变化趋势较为平缓，A₂航行环境下，实验船舶的预设航行舵角变化趋势波动较大，面对这2种航行环境的变化下，本文系统均能够实现有效的控制，控制后实验船舶的舵角仅在开始时刻与预设值存在明显偏差，之后可快速消除舵角偏差，几乎能够完全吻合舵角预设值，控制效果十分理想；而其他4种对比方法在针对这2种存在明显变化的航行环境时，控制效果稍差，控制后的船舶舵角与预设舵角存在的偏差较为明显，控制效果不理想。

在本文系统与各对比方法的控制下，2种航行环境中实验船舶的航向变化情况及实际预设航行情况（见图4）。分析可知，在A₁航行环境下，实验船舶的预设航向在0～100 s时间内逐渐加大，之后逐渐趋于平稳。而在A₂航行环境下，实验船舶的预设航向在0～240 s时间内逐渐加大，之后几乎趋于稳定，针对2种不同航行环境中的航向预设情况，各个对比方法控制船舶舵角后，船舶的航向依然存在明显偏差。本文系统对实验船舶的舵角实施控制后，能够令实验船舶的航向快速精准地吻合预设航向值，使船舶在应对不同航行环境时依然能够按照预设航向。

3 结　语

本文设计基于PLC嵌入式技术的船舶航行自动控制系统。通过实验得到如下结论：

1）面对不同风力与风速的变化，本文系统均能够实现有效控制，且控制效果十分理想；

2）本文系统对实验船舶的舵角实施控制后，能够令实验船舶的航向快速精准地吻合预设航向值，几乎达到舵角零偏差，使船舶在应对不同航行环境时依然能够按照预设航向。