[发明专利]一种新型具有实时性的船舶综合自动驾驶系统

权利要求书

1.一种新型具有实时性的船舶综合自动驾驶系统，其特征在于，包括以下步骤：

S1：建立船舶自动驾驶系统的控制器设计模型，获取船舶自动驾驶控制系统；

S2：基于模型预测控制原理，将传统船舶航向跟踪控制问题转化为考虑能量消耗与控制性能相结合的优化控制问题，在具有执行器约束即舵机饱和下利用滚动优化原理设计具有鲁棒性的预测控制器；

S3：基于递归神经网络，求解具有执行器约束的最优控制舵角命令，从而得到所述船舶综合自动驾驶系统。

2.根据权利要求1所述的一种新型具有实时性的船舶综合自动驾驶系统，其特征在于：

建立所述的船舶自动驾驶系统的控制器设计模型：

式中，δ表示输入舵角，r表示舵角变化率，a、b表示所述模型参数；

则上述的模型可以改写为如下形式：

x_t(t)＝A_tx_t+B_tu_t

y_t＝C_tx_t

式中，

x_t＝[ψ r]^T,C_t＝[1 0],u_t＝δ

通过给定采样时间，将状态空间表达式离散化之后可以得到：

x(k+1)＝Ax(k)+Bu(k)

y(k)＝Cx(k)

式中，x∈R^2×1，A∈R^2×2，B∈R^2×1，C∈R^1×2，y∈R^1×1，k表示采样时刻；x(k)表示第k个采样时刻系统的状态向量；x(k+1)表示第k+1个采样时刻系统的状态向量；u(k)表示第k个采样时刻系统的输入矩阵；y(k)表示第k个采样时刻系统的输出矩阵；A、B、C分别为离散化后对应的参数矩阵。

3.根据权利要求1所述的一种新型具有实时性的船舶综合自动驾驶系统，其特征在于：

所述系统的状态向量x(k)表示当前采样时刻的信息，定义N_p为预测时域，N_c为控制时域，则系统未来预测时域中的状态向量能够通过将当前采样时刻k处已知的状态信息x(k)和舵角输入u(k)输入到一个确定的预测模型(本发明采用的x(k+1)＝Ax(k)+Bu(k))顺序计算得到：

x(k+1|k)＝Ax(k)+Bu(k)

x(k+2|k)＝Ax(k+1|k)+Bu(k+1)＝A²x(k)+ABu(k)+Bu(k+1)

式中，x(k+i|k)i＝1,2,3,...,N_p表示使用在采样时刻k处测量得到的x(k)预测的系统未来的状态向量x(k+i)；

所述系统未来控制时域内的输出响应同样可以通过将x(k)和舵角输入u(k)输入到一个确定的预测模型顺序计算得到：

y(k+1|k)＝CAx(k)+CBu(k)

y(k+2|k)＝CA²x(k)+CABu(k)+CBu(k+1)

式中，y(k+i|k)i＝1,2,3,...,N_p表示使用在采样时刻k处测量得到的x(k)预测的系统未来的输出响应y(k+i)；

则输出向量Y和控制输入向量U为：

将预测输出转换为下述紧凑形式：

Y＝Λx(k)+ΦU

式中，

综上，将船舶自动控制问题转化为考虑能量消耗的优化控制问题，得到下述的目标代价方程：

J＝Y^TQY+U^TRU

式中，Y^TQY表示对控制误差偏离的目标调节，U^TRU表示对能量消耗的调节；Y表示上述的输出向量；U表示上述的控制输入向量；Q，R分别表示权重矩阵；

根据实际船舶可知，目标代价方程的舵角约束条件为：

u_min≤u≤u_max。

4.根据权利要求1所述的一种新型具有实时性的船舶综合自动驾驶系统，其特征在于：

通过投影递归神经网络建立如下动态神经系统并行求解上述目标代价方程：

式中，λ表示标量参数调节神经网络系统的收敛速度，P_U(U)表示投影算子。