[发明专利]基于极限学习机的船舶动力定位自抗扰控制方法

权利要求书

1.一种基于极限学习机的船舶动力定位自抗扰控制方法，其特征在于：包括以下步骤：

步骤S1：建立含有环境干扰的船舶定位控制系统的数学模型；

步骤S2：设计船舶动力定位ADRC控制系统；船舶动力定位ADRC控制系统包括若干个动力定位控制器；

步骤S3：选取动力定位控制系统的参数；

步骤S4：设计一ELM模块；

步骤S5：将ELM模块嵌入到ADRC控制系统中，形成具有ELM的动力定位控制器；

步骤S4包括以下步骤：

步骤S41：收集ESO的输出数据(Z₁,Z₂,Z₃)，将其作为ELM的训练样本数据：

{(Z_1i，Z_2i，Z_3i)|Z_1i，Z_2i∈R^d，Z_3i∈R^m，i＝1，…，N}；

步骤S42：确定隐层输出函数和隐层节点个数L；

步骤S43：随机生成隐层节点参数

步骤S44：计算隐层输出矩阵H；

步骤S45：求解网络输出权值β：β＝H^÷T，其中H^÷＝(H^TH)^-1H^T；

T为训练输出矩阵，即T＝[Z₃₁,Z₃₂…Z_3i]^T，i＝1,2,…N；

步骤S4将调试好的ADRC动力定位控制器借助MATLAB进行运行仿真，并分别收集三个ESO各自的三维数据，Z₁(k)，Z₂(k)，Z₃(k)；

选定好ELM中所含神经元的个数，将Z₁(k)，Z₂(k)设为训练的输入，Z₃(k)设定为训练输出，进行训练，具体训练如下：

确定隐层输出函数和隐层节点个数L；

随机生成隐层节点参数

计算隐层输出矩阵H；

求解网络输出权值β：β＝H^÷T(其中H^÷＝(H^TH)^-1H^T)；

经过不断的调试神经元个数，测试后得到较好的ELM模块；

步骤S5将训练好的ELM模块分别嵌入到对应的ESO模块。

2.根据权利要求1所述的基于极限学习机的船舶动力定位自抗扰控制方法，其特征在于：步骤S1包括以下具体步骤：将海洋环境干扰分为风、浪、流干扰；采用船舶低速运动模型，研究船舶在纵荡、横荡和艏摇三个自由度的运动，以此建立这三个自由度的船舶定位控制系统数学模型；外加风、浪、流三扰动；最终形成含有环境干扰的船舶定位控制系统的数学模型。

3.根据权利要求1所述的基于极限学习机的船舶动力定位自抗扰控制方法，其特征在于：步骤S2包括以下步骤：

步骤S21：所述船舶定位控制系统的数学模型由三个自由度数学模型组成，设计含有三个船舶动力定位控制器分别对三个自由度控制的船舶动力定位ADRC控制系统；

步骤S22：每个船舶动力定位控制器由二阶的跟踪微分器TD、三阶的扩张状态观测器ESO、及非线性状态误差反馈单元NLSEF构成；

步骤S23：TD输出V₁和V₂，V₁为跟踪输入信号V_(t)，V₂为输入信号V_(t)的微分；ESO输出Z₁，Z₂和Z₃；Z₁，Z₂为各变量观测量，Z₃为扩张变量观测量；生成俩误差信号：e₁＝V₁-Z₁和e₂＝V₂-Z₂；NLSEF将俩误差信号进行非线性组合。