尚凱林,張華軍
大型船舶運(yùn)動(dòng)方程辨識(shí)方法研究
尚凱林,張華軍
(武漢理工大學(xué)自動(dòng)化學(xué)院,武漢430070)
針對(duì)大型船舶水面二階運(yùn)動(dòng)方程參數(shù)辨識(shí)問題,提出了一種舵效參數(shù)K與時(shí)間參數(shù)T獨(dú)立辨識(shí)的方法。該方法利用恒舵角機(jī)動(dòng)來辨識(shí)舵效參數(shù)K,在船舶恒舵角機(jī)動(dòng)完成后,再進(jìn)一步利用零舵角運(yùn)動(dòng)來辨識(shí)時(shí)間參數(shù)T,通過某型船舶的實(shí)驗(yàn)測(cè)試驗(yàn)證了所提出的辨識(shí)算法的有效性。
船舶 運(yùn)動(dòng)方程 參數(shù)辨識(shí)
大型船舶由于噸位較大而具有較大的慣性,其操舵響應(yīng)需要較長(zhǎng)時(shí)間才能通過航向體現(xiàn),且船舶運(yùn)行過程中舵效隨著速度而變化,因此大型船舶航向控制系統(tǒng)多 以準(zhǔn)確的船舶參數(shù)為基礎(chǔ)進(jìn)行控制器設(shè)計(jì)[1]。為了適應(yīng)各種海況航行要求,諸如自適應(yīng)控制[2-4]、滑??刂芠5, 6]、反步法[7-9]、神經(jīng)網(wǎng)絡(luò)[10-12]、模糊控制[13, 14]等技術(shù)分別在船舶航行控制系統(tǒng)中得到應(yīng)用,通過在線學(xué)習(xí)的方法直接調(diào)整控制器參數(shù)而規(guī)避了對(duì)船舶模型的辨識(shí)。雖然上述各種先進(jìn)控制算法具有較好的控制效果,但是考慮到運(yùn)行安全和穩(wěn)定問題,實(shí)際應(yīng)用中多采用變PID控制技術(shù),以不同運(yùn)行階段系統(tǒng)參數(shù)為基礎(chǔ)設(shè)計(jì)多個(gè)PID控制器,根據(jù)船舶運(yùn)行狀態(tài)動(dòng)態(tài)切換各種控制器以獲得最佳的控制效果。鑒于大型船舶實(shí)際航行的安全性和穩(wěn)定性要求,船舶運(yùn)動(dòng)方程辨識(shí)是系統(tǒng)設(shè)計(jì)必不可少的環(huán)節(jié)。
將式(6)按照式(7)形式進(jìn)行變換,可得其受力分析形式:
為了驗(yàn)證本文提出的大型船舶運(yùn)動(dòng)方程辨識(shí)方法的準(zhǔn)確性,本文針對(duì)某型船舶在靜水域不同航速情況下,利用測(cè)量的航向、舵角數(shù)據(jù)進(jìn)行了模型參數(shù)的辨識(shí),辨識(shí)結(jié)果如表1所示。
分析辨識(shí)結(jié)果可以發(fā)現(xiàn),隨著航速?gòu)? kn增加到24 kn,系統(tǒng)參數(shù)值逐漸增大,而值逐漸減小。參數(shù)代表舵效大小,由于低航速時(shí)水流對(duì)舵葉的作用力較小,所以舵葉產(chǎn)生的轉(zhuǎn)艏推力也較小,從而導(dǎo)致參數(shù)較??;而以高航速前進(jìn)時(shí),由于水流對(duì)舵葉的壓力增大,相同的舵角能夠產(chǎn)生更大的轉(zhuǎn)艏推力,從而導(dǎo)致舵效系數(shù)增大。參數(shù)代表系統(tǒng)質(zhì)量(慣性)大小,高航速前進(jìn)時(shí)系統(tǒng)實(shí)際質(zhì)量并沒有發(fā)生變化,但舵效相對(duì)于低航速時(shí)增大,此時(shí)相同的舵角在高航速時(shí)能夠產(chǎn)生更大的轉(zhuǎn)艏推力而更快改變航向,于是高航速相對(duì)于低航速可等效認(rèn)為是系統(tǒng)質(zhì)量減小而易于進(jìn)行航向機(jī)動(dòng)。
圖1 航速6kn時(shí)實(shí)際航向與預(yù)測(cè)航向曲線
圖2 航速12kn時(shí)實(shí)際航向與預(yù)測(cè)航向曲線
圖3 航速18kn時(shí)實(shí)際航向與預(yù)測(cè)航向曲線
圖4 航速24kn時(shí)實(shí)際航向與預(yù)測(cè)航向曲線
針對(duì)大型船舶水面二階線性K-T運(yùn)動(dòng)方程參數(shù)辨識(shí)問題,本文所提出的分離型辨識(shí)方法能夠準(zhǔn)確獲得不同運(yùn)行狀態(tài)下的參數(shù)值,實(shí)船物理實(shí)驗(yàn)驗(yàn)證了所提出方法的有效性。
[1] 薛國(guó)威,包蕓,陳禮建,等. 船舶自動(dòng)舵控制技術(shù)的發(fā)展[J]. 中國(guó)水運(yùn), 2016, 37(7): 47-48.
[2] 林榮智. 利用克隆選擇進(jìn)行船舶航向自適應(yīng)控制優(yōu)化[J]. 艦船科學(xué)技術(shù), 2017, 39(14): 16-18.
[3] 張洪飛,閆守成. 自適應(yīng)智能航向控制方法研究[J]. 艦船科學(xué)技術(shù), 2016, 38(2): 76-78.
[4] Mitra P, Venayagamoorthy G K. An adaptive control strategy for DSTATCOM applications in an electric ship power system[J]. IEEE Transactions on Power Electronics, 2010, 25(1): 95-104.
[5] 袁雷. 船舶航向非線性系統(tǒng)的多滑模自適應(yīng)模糊控制[J]. 智能系統(tǒng)學(xué)報(bào), 2010, 5(04): 308-312.
[6] Chang W J, Chang K Y. Multivariable performance‐constrained sliding mode control for ship yaw‐motion systems with perturbations [J]. International Journal of Adaptive Control & Signal Processing, 2015, 14(4): 393-409.
[7] 潘永平,黃道平,孫宗海. 欠驅(qū)動(dòng)船舶航跡Backstepping自適應(yīng)模糊控制[J]. 控制理論與應(yīng)用, 2011, 28(07): 907-914.
[8] 陳永利,蘭洋. Backstepping在船舶航向自適應(yīng)魯棒非線性控制器設(shè)計(jì)中的應(yīng)用簡(jiǎn)[J]. 艦船科學(xué)技術(shù), 2016, 38(22): 55-57.
[9] 銀少海. 濾波反步法在船舶航向自適應(yīng)控制中的應(yīng)用[J]. 艦船科學(xué)技術(shù), 2017, 39(14): 28-30.
[10] 蘇娜,曲美紅. RBF神經(jīng)網(wǎng)絡(luò)在船舶航向保持非線性控制中的應(yīng)用[J]. 艦船科學(xué)技術(shù), 2017, 39(10): 94-96.
[11] 王欣,劉正江,李鐵山,等. 船舶航向離散非線性系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2016, 37(1): 123-126.
[12] Tang J, Deng C, Huang G B, et al. Compressed-domain ship detection on spaceborne optical image using deep neural network and extreme learning machine[J]. IEEE Transactions on Geoscience & Remote Sensing, 2014, 53(3): 1174-1185.
[13] 甘世紅. 基于遺傳算法的模糊控制型船舶自動(dòng)駕駛儀研究[J]. 中國(guó)造船, 2011, 52(01): 173-179.
[14] Yuan L, Wu H S. Terminal sliding mode fuzzy control based on multiple sliding surfaces for nonlinear ship autopilot systems[J]. Journal of Marine Science & Application, 2010, 9(4): 425-430.
Research on Parameter Identification of Kinematical Equation for Large Vessel
Shang Kailin, Zhang Huajun
(Wuhan University of Technology, Wuhan 430070, China)
TP 274
A
1003-4862(2017)11-0025-04
2017-10-16
湖北省自然科學(xué)基金(2016CFB502,2015CFB586)
尚凱林(1990-),男,碩士研究生。研究方向:運(yùn)動(dòng)控制系統(tǒng)設(shè)計(jì)。