[发明专利]基于神经网络优化的综合船舶路径跟踪与舵减摇控制方法

说明书

本发明提供基于神经网络优化的综合船舶路径跟踪与舵减摇控制方法，包括：舵减摇模型预测控制(Model Predictive Control，MPC)模块，终端代价函数模块，神经动态优化模块。所述模型预测控制模块通过视线制导(Line of Sight,LOS)方法将船舶路径跟踪的输出转化为跟踪误差以及艏向角误差，降低控制输出的维度，并基于模型预测控制算法设计控制器，提高了舵减摇算法的鲁棒性；所述终端代价函数模块利用终端代价函数，保证了控制系统的闭环稳定性；所述神经动态优化模块利用递归神经网络具有的并行计算架构解决了传统的模型预测控制算法中计算量大、计算速度慢的问题，可以使船舶能够更好地应对多变的外界环境。

技术领域

本发明涉及神经网络优化技术领域，具体而言，尤其涉及基于神经网络优化的综合船舶路径跟踪与舵减摇控制方法。

背景技术

中国专利CN 201410122987.4公开了一种船舶舵减横摇的控制方法。该发明主要涉及一种船舶舵减横摇的控制方法，其特征在于：对船舶舵减横摇运动进行数学描述；船舶横摇运动模型所输出的横摇角信号输入至高增益观测器，高增益观测器输出横摇角速度信号反馈输入至解析模型预测控制器；解析模型预测控制器输出指令舵角信号，实现船舶舵减横摇。该发明仅着重考虑了舵减摇的效果，但对船舶运动控制来说，仅仅保证良好的舵减摇效果是不够的，应深入研究船舶路径跟踪与舵减摇的综合控制问题，提高算法的鲁棒性和稳定性，从而提高船舶的自动化程度和智能性。

发明内容

根据上述提出的技术问题，而提供基于神经网络优化的综合船舶路径跟踪与舵减摇控制方法。本发明主要利用基于神经网络优化的综合船舶路径跟踪与舵减摇优化控制方法，其特征在于，包括：(1)在舵减摇模型预测控制模块中，通过视线制导方法将船舶路径跟踪的输出转化为跟踪误差以及艏向角误差，降低控制输出的维度，并基于模型预测控制算法设计控制器，提高舵减摇算法的鲁棒性；(2)在终端代价函数模块中，将终端代价函数引入模型预测控制的目标函数中，从而保证控制系统的闭环稳定性；(3)在神经动态优化模块中，针对引入终端代价函数后的目标函数，利用递归神经网络具有的并行计算架构进行快速求解，从而使得船舶在航行时能够更快地对多变的环境做出反应。

所述舵减摇模型预测控制模块通过视线制导方法将船舶路径跟踪的输出转化为跟踪误差以及艏向角误差，降低控制输出的维度。将简化后的舵减摇控制器设计模型概述为：

式中，e表示跟踪误差，ψ_s表示LOS角度，ψ表示艏向角，表示艏向角误差，φ表示横摇角，v表示横向速度，p表示横摇角速度，r表示转艏角速度，δ表示舵角，a_ij和b_i分别表示控制器模型的参数，i＝1,2,3,j＝1,2,3,4。

将式(1)改写为矩阵形式：

式中，状态变量控制输出控制输入为舵角δ，

通过给定适当的采样时间h_t，可以将上式(2)转化为下式(3)的离散形式：

式中，k为采样时间点，为离散后的舵减摇控制系统参数矩阵。

对式(3)等式两边同时差分，可得到：

重新定义系统的状态变量和控制输入：

因此式(4)可以改写为下述形式：

同理，对等式两边同时取差分可以得到：