[发明专利]一种新型具有实时性的船舶综合自动驾驶系统

说明书

本发明提供一种新型具有实时性的船舶综合自动驾驶系统，包括以下步骤：建立船舶自动驾驶系统的控制器设计模型，获取控制系统；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；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。本发明在传统的MPC(模型预测控制)算法的基础上结合了RNN(递归神经网络)来对控制过程进行优化。在保证系统具有实时性的基础上，利用RNN强大的并行计算能力，快速求解具有执行器约束的最优控制舵角命令，减少控制过程中的计算时间,使自动舵能够对多变的海上环境做出更及时的反应。

技术领域

本发明涉及船舶自动驾驶技术领域，具体而言，尤其涉及一种新型具有实时性的船舶综合自动驾驶系统。

背景技术

现有技术中，有一种基于深度置信网络的船舶自动舵，其特征在于，根据所述船员考试数据信息建立深度置信网络模型，再将所述深度置信网络模型转换成普通神经网络模型，包括：采用对比散度算法对组成所述深度置信网络模型的受限波尔兹曼机进行逐层训练，得到所述深度置信网络模型的初始数据；将所述深度置信网络模型转换为所述普通神经网络模型；利用反向传播算法，并结合所述船员考试数据信息中操船成绩较好的历史数据，对所述普通神经网络模型进行微调。

但是因为海上环境多变，船舶经常会受到外界环境(风，浪，流等因素)的干扰，船舶运动具有惯性大、非线性强、时滞大的特点，所以，在海上船舶的运动控制过程中，会出现很多不确定的问题。现在船舶航向自动舵的发展现状是：一方面，虽然传统的PID控制算法难以适应船舶运动控制过程中的强不确定性和非线性，并且因为PID自动舵的控制过程是离线的，所以它对外界变化的应变能力较差，当外界环境发生变化时，控制参数需要人工整定，但是由于PID控制简单，所以仍然被广泛应用于工程实践；另一方面，一些新的控制理论和方法也在尝试应用于船舶控制领域，例如基于深度置信网络的船舶自动舵，但这些新的理论和方法往往会因为“计算量膨胀”、“维数灾难”以及算法本身复杂等问题的存在，而不适用于工程实践。此外，在系统控制船舶的过程中，作为系统输入的舵角是有约束条件的，这是一个很容易被大部分研究人员忽视的问题。

因为MPC算法具有在线计算能力，能提前针对控制器饱和进行调节，所以采用了该算法的船舶控制系统能够很好地解决输入舵角具有约束这个问题。虽然MPC算法近年来已经成功的应用于设计船舶跟踪控制器，但由于MPC算法会循环的用一个确定的预测模型去预估未来控制时域内的输出响应，加大了控制过程中的计算量。因此，仅采用传统MPC算法的船舶跟踪控制器不能对海上多变的环境做出及时的反应，降低了该控制器的实用性。

发明内容

根据上述提出的技术问题，而提供一种新型具有实时性的船舶综合自动驾驶系统。本发明主要利用一种新型具有实时性的船舶综合自动驾驶系统，包括以下步骤：

S1：建立简捷的船舶自动驾驶系统的控制器设计模型，获取易于实现，具有稳定性的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。

进一步地，所述建立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