CN106773741A - 一种无人船动力定位***及方法 - Google Patents
一种无人船动力定位***及方法 Download PDFInfo
- Publication number
- CN106773741A CN106773741A CN201710118812.XA CN201710118812A CN106773741A CN 106773741 A CN106773741 A CN 106773741A CN 201710118812 A CN201710118812 A CN 201710118812A CN 106773741 A CN106773741 A CN 106773741A
- Authority
- CN
- China
- Prior art keywords
- unmanned boat
- control
- thrust
- dynamic
- ship
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 230000033001 locomotion Effects 0.000 claims description 23
- 239000002245 particle Substances 0.000 claims description 20
- 230000004807 localization Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 10
- 230000004308 accommodation Effects 0.000 abstract description 3
- 230000001141 propulsive effect Effects 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 238000005299 abrasion Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005342 ion exchange Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- UZVHFVZFNXBMQJ-UHFFFAOYSA-N butalbital Chemical compound CC(C)CC1(CC=C)C(=O)NC(=O)NC1=O UZVHFVZFNXBMQJ-UHFFFAOYSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人船动力定位***及方法,所述***包括传感器测量***、控制***、动力和推进***;所述方法包括:建立无人船在多因素作用下的水动力模型,实现无人船控制标准化描述;由无人船装备的各种传感器测量出船运动的位置和航向,通过计算机进行复杂的实时计算,利用多矢量推力控制技术,进行动力定位***解耦控制,达到推力、转速和螺距角度协同控制的目的,进而控制无人船的推力装置产生推进力和力矩去抵抗由外界环境引起的干扰力,实现无人船保持目标船位和船艏向的方法。
Description
技术领域
本发明涉及一种无人船动力定位方法及***,尤其涉及一种基于智能控制的无人船动力定位方法及***。
背景技术
随着我国创新驱动发展战略的实施,水面无人运输工具、水面无人监测***、水面无人作业平台等无人船技术,在物联网、大数据、云计算、人工智能的有力推动下暂露头角,无人船领域已然成为下一片产业蓝海,具有广阔的研究和应用空间。
无人船在海洋上航行时会遇到风浪流等外部环境的干扰,如果要使无人船与海面上某基准线保持一定位置,船必须有产生反向力和力矩的能力。目前,在有人船领域,若想要使船舶对某一特定的位置保持船位时,船舶的泊锚索或者推力器可以有效地产生反向力和力矩去抵抗外界的干扰力。一般有人船采用泊锚索对船舶进行定位时,锚索从船体向四周抛出,但是由于随着水深的增加,这就要求锚索***具有大的重量,随着锚索***的重量增加,抛锚的困难性会加大。在实际中,若达到一定的水深时,锚索***会完全无用。锚索***不适用在无人船上。
推进器与锚泊***不同,它可以在任意水深的时候提供推力和力矩来抵抗外界的环境扰动,从成本上来说,锚泊***的成本会随水深的增加而增加,而推进器的成木却与水深没有太大的关系。所以应用推进器来产生力和力矩去抵抗外界环境的干扰,从而保持船的位置和航向是一种理想的办法。所以,在无人船上使用动力定位方法及***可行性很高。
动力定位***是自动控制船舶位置和航向的***,该***只依赖自身的推进***。由自身装备的各种传感器测量出船舶运动的位置和航向,利用计算机进行复杂的实时计算,进而控制船舶的推力装置产生推进力和力矩去抵抗由外界环境引起的干扰力,使船舶保持目标的船位和船舶向。船舶利用动力定位***,可以在锚泊***不起作用的深水区域进行操作。动力定位***能使船舶固定在一定的位置,还可以根据实时的风浪流的方向自动地调节船舶的蹭向到最优的期望位置。
无人船水上作业环境复杂多变,不同水环境的水流状态、水底地貌、水面气象迥异,风阻力、静水阻力、波浪阻力等向无人船施加阻力的综合作用,影响动力定位准确性和航行稳定性。无人船作业任务种类繁多,作业过程中,由于船上设备和作业对象的移动及旋转,重心、吃水、艏向等状态时刻变化,浮性、稳性等关键航行性能受到牵制,危害无人船动力定位稳定性和航行可靠性。研究无人船在多因素作用下的水动力模型,明确单因素作用效果和多因素综合效应,形成无人船水动力模型一般标准,是无人船研究的关键性工作。与此同时,无人船作为全新的水面运输工具,涉及智能网络测控、最佳路径规划、实时航行决策、无线网络通信等多学科问题,具有高度关联性和耦合性,对包含环境感知、动力推进、解耦算法等在内的无人船推进及控制技术提出巨大挑战。传统船舶操纵上十分依赖船舶班组的航行经验,不宜用于无人船在复杂作业环境下的动力定位。加快无人船新型推进***和推力控制方法革命,在无人船核心关键器件与控制算法首先取得突破,形成持续性的自主创新能力和研发积累效应,是从深度和广度两个角度引领产业发展的要义。
发明内容
为解决上述中存在的问题与缺陷,本发明提供了一种无人船动力定位***及方法。
本发明是通过以下技术方案实现的:
一种无人船动力定位***,包括:传感器测量***、控制***、动力和推进***;
所述传感器测量***,包括导航定位模块、环境感知模块和内部监测模块;
所述导航定位模块、环境感知模块和内部监测模块分别集成于相应的传感器,并都通过CAN总线连接到核心控制模块进行数据的处理;
所述控制***,包括高层控制和底层控制;用于控制船舶位置和航向角的一个多变量的反馈控制***;
所述动力和推进***,包括输电设备、推进器和动力机械及辅助***,用于提供控制器输出的力和力矩。
一种无人船动力定位方法,包括以下步骤:
步骤A建立一个无人船水动力模型;
步骤B将测量机构测出的无人船位置和舶向角信息进行处理,得出实际的无人船位置和艏向角;
步骤C将期望的位置和艏向角信号与实际值进行比较,得出实际值与期望值的偏差信号;
步骤D设计无人船动力定位的控制算法,计算出抵抗位置偏移以及外界干扰的恢复力和力矩,使偏差的平均值减小到最小;
步骤E利用多矢量推力最优分配算法,将推进器的推力和方位角以及舵角等控制的指令分配到各个推进器。
本发明提供的技术方案的有益效果是:
在无人船动力定位方法及***上,针对带有模型参数不确定和外界风浪流干扰的动力定位无人船,提出一种动力定位无人船全速域自适应模糊控制器。采用三个独立的控制器分别控制无人船在三个方向上的运动,从而简化了控制规则的设计和缩短了执行时间。针对带有非线性约束条件的推力分配优化问题,对动态的等式约束进行等份离散,在传统的粒子群算法中进行了改进,加入了改进的惯性因子,改进的比较准则和改进的干扰算子,将改进后的粒子群算法应用到推力分配策略中。
附图说明
图1是本发明无人船动力定位***原理图;
图2是本发明无人船动力定位***基本框架图;
图3是本发明无人船动力定位方法流程图;
图4是本发明无人船水动力定位***模型框图;
图5是本发明无人船动力定位方法中自适应模糊控制***;
图6是本发明动力定位方法的模糊控制规则;
图7是本发明动力定位方法的分级模糊控制。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本实施例提供了一种无人船动力定位***,其中,
参见图1,该******包括:传感器测量***、控制***、动力和推进***。
传感器测量***,主要包括导航定位模块、环境感知模块、内部监测模块,各个模块集成相应的传感器,最终全部通过CAN总线连接到核心控制模块进行数据的处理。
控制***,是控制船舶位置和航向角的一个多变量的反馈控制***,主要包括:高层控制,这个部分包括控制器和推力分配;底层控制。
动力和推进***,基本作用是提供控制器输出的力和力矩,这个***主要由输电设备、推进器和动力机械以及其他的辅助***组成。
参见图2,无人船动力定位***基本框架图,该***包含上位机***和下位机***。上位机***具有友好的人机交互界面,供总监测平台工作人员观测和记录航速信息,舵角信息,位置信息,航行姿态信息和环境信息等实时数据;下位机***以船载核心控制器为中心,由导航定位***,环境感知***,通信***和动力推进***组成。
如图3所示,本实施例还提供了一种无人船动力定位方法,包括:
步骤10建立一个无人船水动力模型;
步骤20将测量机构测出的无人船位置和艏向角信息进行处理,得出实际的无人船位置和艏向角;
步骤30将期望的位置和艏向角信号与实际值进行比较,得出实际值与期望值的偏差信号;
步骤40设计无人船动力定位的控制算法,计算出抵抗位置偏移以及外界干扰的恢复力和力矩,使偏差的平均值减小到最小;
步骤50设计多矢量推力最优分配算法,将推进器的推力和方位角以及舵角等控制的指令分配到各个推进器。
参见图4,上述步骤10还包括:
针对船舶运动模型,拟基于Balchen模型对无人船的低频运动和高频运动分别建立数学模型。对低频运动中与船运动影响较大的水动力项从噪声项中作显化处理,以减小噪声误差,改善对船舶运动的估计。在高频运动中,利用船模在规则波中及不同浪向角条件下进行试验,获得规则波下无人船高频运动的幅值响应和相位响应,再根据波浪谱计算相应的浪向角下的遭遇谱,然后由不规则波的浪谱计算高频运动响应,以此确定高频运动模型中的相关项。
针对环境扰动力模型,考虑到风浪流随机特性造成的动态不确定性,引入随机过程进行描述,分别对风流浪的载荷及变化情况进行分析,建立随机微分方程描述的环境扰动力模型。探索随机环境扰动力模型下随机系数的估计方法,并仿真分析该随机微分动力学***对实际动态不确定海况下的船舶运动响应的刻画程度。
针对推进器模型,采用扩展推力的概念,建模成在不同舵角下与主推进器推力的百分比关系,通过模型试验或Fluent计算得到船舶在低航速下推力与舵的来流速度的关系,得到在不同舵角下和螺距下舵桨组合的推进器推力模型。
上述步骤20具体包括:利用集成传感器技术,将北斗/GPS***、水声定位***以及雷达***等集成到无人船上,进行精确测量获得无人船位置、艏向、航姿等可测量的状态信息,实现传感器测量***快速、准确、稳定地估计出船舶新的运动状态和不可测量的外界干扰力。
上述步骤30具体包括:利用卡尔曼滤波器与模糊自适应方法结合,充分利用卡尔曼滤波算法的线性滤波和处理大规模动态数据的优势,进行异类多传感器数据融合,实现无人船动力定位控制***中不可测干扰力的识别和新运动状态的估计
由于无人船动力定位***主要关心船在水平面内三个自由度的运动即纵荡、横荡和艏摇运动。考虑到低速情况下船舶三个自由度运动之间的耦合较小,拟采用了三个独立的控制器分别控制无人船在三个方向上的运动,从而简化了控制规则的设计和缩短了执行时间。图5所示为自适应模糊控制***在无人船动力定位中的应用原理示意图,它的核心部分为模糊控制器,如图中虚线框所示。模糊控制器的设计包括以下几项内容:确定模糊控制器的输入变量和输出变量(即控制量);设计模糊控制器的控制规则;确立模糊化和非模糊化(又称清晰化)的方法;选择模糊控制器的输入变量及输出变量的论域并确定模糊控制的参数(如量化因子、比例因子);编制模糊控制算法的应用程序。
无人船动力定位方法采用模糊控制时,为了获得良好的控制效果,必须要求模糊控制具有较完善的控制规则。这些控制规则是对被控过程认识模糊信息的归纳和操作经验的总结。然而,由于无人船所处海洋环境的复杂性,会造成模糊控制规则或者粗糙或者不够完善,都会不同程度地影响控制效果,为了弥补这个不足,考虑到模糊控制器应向着自适应、自组织、自学习方向发展,使得模糊控制参数和规则在控制过程中自动地调整、修改和完善,达到更佳的控制效果。因此,在此模糊控制动力定位***设计中,利用自适应模糊控制器,其在简单模糊控制器的基础上,增加了自适应项而构成的一种模糊控制器,结果如图5所示。图中上面虚线框内即为增加的部分:测量模块用于测量实际输出特性与期望特性的偏差以便为控制规则的修正提供信息;校正模块将输出相应的校正量通过修改控制规则来实现。
模糊控制器的输入变量可以是一个,也可以是二个或多个,通常将模糊控制器输入变量的个数视为模糊控制的维数。一维模糊控制的动态性能不佳,目前广泛采用二维模糊控制器,以误差和误差的变化率为输入变量,如图4所示。对于无人船动力定位控制***,所需要控制的是船舶位置,因此对于每个方向来说,控制器以该方向上无人船实际位置与定位点之间的偏差e和偏差的变化率e'作为输入变量。
模糊控制器的输入变量误差、误差变化率的实际范围称为这些变量的基本论域,显然基本论域的量为精确量,将精确量转换为模糊量的过程成为模糊化(Fuzzification)或称为模糊量化,一般采用精确量离散的方法。然后,模糊控制器在模糊集中给每一个变量赋予一个置信度。模糊控制器的控制决策通过模糊控制规则(FAM)把模糊输入集和输出集联系起来,模糊控制规则可以用自然语言来表达,通常采用if-then语句,由此可以建立无人船动力定位***的模糊控制规则(如图6所示)。
采用分级模糊控制方法,在原模糊控制器的基础上分别又添加一个模糊控制器,这样在大误差范围内,实行粗模糊控制;在小误差范围内实行细模糊控制。通过设定误差阈值,实现控制的切换,如图7所示。采用分级模糊控制将使***在具有良好的动态性能同时也拥有很好的稳态性能。
设计多矢量推力最优分配算法,主要包括三个重要组成因素:目标函数,不等式约束和等式约束,可以将其考虑成带有非线性约束的单目标动态优化问题。针对推力分配问题,在群智能算法中,采用操作简单、收敛快的粒子群算法。推力分配问题的目标函数主要包括:推力器磨损最小、耗能最小、避免奇异性等。
推力分配策略使推进器方位角变化的过程中就会造成推进器磨损,所以在目标函数中就应该加入推进器推力变化速率项和方位角变化速率项,防止推进器过快的磨损。在推力分配策略中,要考虑到推力器输出能耗的经济性,可以将推力器输出的力大小作为目标函数的一项。动力定位的无人船一般装有多个推进器,当推进器***不能满足由控制器发出的期望的控制力和力矩时,该***是奇异的。对于安装有全回转的动力定位船舶,由于推力角速率的限制,很容易造成***奇异结构,此时船舶会失去操作性。然而由海洋环境引起的干扰力和力矩是缓慢变化的,当推力器的方向和干扰力的方向是同向的时候,推力器的能耗是最小的,为此应该将其加入到优化的目标函数中。
假设动力定位无人船有n个推进器,则各个推进器产生的推力和方向角分别为xi,ai。推力分配的约束条件主要包括满足期望的控制力和力矩、推进器角度限制、推进器推力限制等。满足期望的控制力和力矩该限制条件以等式的形式给出,包括纵向、横向和舫摇的力和力矩平衡,等式约束如下:
式中,τ=[Fx,Fy,FN]为控制器输出的力和力矩指令;lyi和lxi分别为推进器到船
舶旋转中心的纵向和横向坐标。
为了减少推进器间的相互作用,保证各个推进器相互间的影响最小,应对推进器的角度进行限制。各个推进器的最大推力是有限的,应对推进器的推力进行限制。
综上,推力分配的数学模型如下所示:
Tmin≤xi≤Tmax
amin≤ai≤amax
目标函数的第一项表示推进器消耗的总能量,P为权值,用来调节消耗能量在目标函数中权重。第二项表示推力变化速率项,x0代表前一个时刻的推力值,xi代表当前时刻的推力值,Q为权值,用来调节该项在目标函数中的权重。第三项表示推进器角度变化速率项,a0代表前一个时刻的推进器的角度,ai代表当前时刻的推进器的角度,W为权值,用来调节该项在目标函数中的权重。第四项表示避免推进器***奇异结构,式中ε>0是个很小的数,避免分母为0,δ>0为权值系数,δ占越大,无人船操纵性越好,B(a)是推进器的位置结构矩阵,如下所示:
式中,lyi和lxi分别为推进器到无人船旋转中心的纵向和横向坐标。
约束条件中的前三个是等式约束,其中是时间(环境)变量,可以看出前两个等式为依赖于时间的动态非线性约束。通过以上分析可知推力分配问题可以看做动态单目标非线性约束的优化问题。
针对非线性单目标优化问题,提出了一种新的扰动算子,该算子可以使粒子偏于当前种群中约束违背的度数小的或者目标函数值小的粒子。定义了改进的粒子群进化方程,利用该方程更新粒子的位置和速度,可以有效地避免早熟收敛问题。思路是:对Y进行一次扰动后的点为式中λ∈(0,1)为点Y沿着所走的距离。其中Φ(Xi)是粒子Xi违背约束的度数,C是正常数,C-Φ(Xi)>0。可以看出,点Y的移动方向是群体中所有粒子决定的,且该方向是目标函数值较小或者约束违背的度数较小的粒子位置。加上这个扰动算子,很可能寻找到最优的粒子。
算法流程如下:
Step1:对推力分配问题的时间变量区间[t0,ts]进行等份分割,不妨设所得的环境为t1,...,ts,令t=ti。
Step2:在环境ti(i=1,...,s)下,给定种群规模N,在定义的范围内随机选取初始粒子的位置和速度,产生初始粒子群pop0(ti)。
Step3:将粒子的Pbest(ti)设置为当前位置,Gbest(ti)设置为初始粒子群中最优位置。
Step4:对于第k代粒子群popk(ti)所有粒子,执行如下操作:
(1)随机产生r属于[0,1],如果r<pr,则对个体极值Pbest(ti)或全局极值Gbest(ti)按照扰动算子进行扰动,否则不扰动。
(2)根据常规的粒子位置和速度更新方程产生在环境ti下新一代粒子群popk+1(ti),令k=k+1。
Step5:按照新的比较准则更新全局极值和个体极值。
Step6:如果k=K且ti<ts,则如ti=ti+1转step2;如果k=K且ti=ts,停止,输出Gbest(ti);如果k<K,转Step4。
从常规的粒子群算法的数学模型可以看出,在固定的时间ti下,粒子群中的每个粒子在解空间中的“飞行”方向主要由粒子所经历的最好位置和群体的最好位置所决定。另外,惯性因子的改进,使其随着自身的迭代次数自适应调整,这样更有利地对解空间进行局部和全局的自适应搜索。扰动算子可以对粒子群的个体极值和全局极限进行扰动,可以使目前的最优粒子沿着目标函数值较小或片约束违背的度数较小的粒子方向移动,这样有效地维护了群体的多样性,又避免了粒子群的早熟现象。
本发明解决类似领域的共性问题,可广泛应用于一般有人船、海上石油平台及工程船、运输船、水下机器人等复杂海上作业复杂中。主要有如下以下特点:构造模糊控制算法,设计自适应模糊控制器,模糊控制具有自适应、自组织、自学习性,使模糊控制参数和规则在控制过程中自动地调整、修改和完善,达到更佳的控制效果。
在无人船运动中,实际速度是不可直接获得的,通过无人船速度观测器,可以从无人船的实际位置和航向角的测量中获得船舶速度的估计值,从而实现船舶动力定位输出反馈控制。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种无人船动力定位***,其特征在于,所述***包括:传感器测量***、控制***、动力和推进***;
所述传感器测量***,包括导航定位模块、环境感知模块和内部监测模块;所述导航定位模块、环境感知模块和内部监测模块分别集成于相应的传感器,并都通过CAN总线连接到核心控制模块进行数据的处理;
所述控制***,包括高层控制和底层控制;用于控制船舶位置和航向角的一个多变量的反馈控制***;
所述动力和推进***,包括输电设备、推进器和动力机械及辅助***,用于提供控制器输出的力和力矩。
2.一种无人船动力定位方法,其特征在于,所述方法包括以下步骤:
步骤A 建立一个无人船水动力模型;
步骤B 将测量机构测出的无人船位置和艏向角信息进行处理,得出实际的无人船位置和艏向角;
步骤C 将期望的位置和艏向角信号与实际值进行比较,得出实际值与期望值的偏差信号;
步骤D 设计无人船动力定位的控制算法,计算出抵抗位置偏移以及外界干扰的恢复力和力矩,使偏差的平均值减小到最小;
步骤E 设计多矢量推力最优分配算法,将推进器的推力和方位角以及舵角等控制的指令分配到各个推进器。
3.根据权利要求2所述的一种无人船动力定位方法,其特征在于,所述步骤A还包括:
A1 拟基于Balchen模型对无人船的低频运动和高频运动分别建立数学模型;
A2 考虑到风浪流随机特性造成的动态不确定性,引入随机过程进行描述,分别对风流浪的载荷及变化情况进行分析,建立随机微分方程描述的环境扰动力模型;
A3 采用扩展推力的概念,建模成在不同舵角下与主推进器推力的百分比关系,通过模型试验或Fluent计算得到船舶在低航速下推力与舵的来流速度的关系,得到在不同舵角下和螺距下舵桨组合的推进器推力模型。
4.根据权利2要求所述的一种无人船动力定位方法,其特征在于,所述步骤B主要包括:
利用集成传感器技术,将北斗/GPS***、水声定位***以及雷达***等集成到无人船上,进行精确测量获得无人船位置、艏向、航姿等可测量的状态信息,实现传感器测量***快速、准确、稳定地估计出船舶新的运动状态和不可测量的外界干扰力。
5.根据权利要求2所述的一种无人船动力定位方法,其特征在于,所述步骤C还包括:
利用卡尔曼滤波器与模糊自适应方法结合,利用卡尔曼滤波算法的线性滤波和处理大规模动态数据的优势,进行异类多传感器数据融合,实现无人船动力定位控制***中不可测干扰力的识别和新运动状态的估计。
6.根据权利要求2所述的一种无人船动力定位方法,其特征在于,所述步骤D还包括:
构造模糊控制算法,设计自适应模糊控制器,该模糊控制器通过测量模块测量实际输出特性与期望特性的偏差以便为控制规则的修正提供信息;通过校正模块将输出相应的校正量通过修改控制规则来实现。
7.根据权利要求2所述的一种无人船动力定位方法,其特征在于,所述步骤E包括:
设计多矢量推力最优分配算法,主要包括三个重要组成因素:目标函数,不等式约束和等式约束,可以将多矢量推力最优分配算法考虑成带有非线性约束的单目标动态优化问题;针对推力分配问题,在群智能算法中,采用操作简单、收敛快的粒子群算法。
8.根据权利要求2所述的一种无人船动力定位方法,其特征在于,在无人船运动中,实际速度是不可直接获得的,通过无人船速度观测器,可以从无人船的实际位置和航向角的测量中获得船舶速度的估计值,从而实现船舶动力定位输出反馈控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710118812.XA CN106773741A (zh) | 2017-03-02 | 2017-03-02 | 一种无人船动力定位***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710118812.XA CN106773741A (zh) | 2017-03-02 | 2017-03-02 | 一种无人船动力定位***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106773741A true CN106773741A (zh) | 2017-05-31 |
Family
ID=58960583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710118812.XA Pending CN106773741A (zh) | 2017-03-02 | 2017-03-02 | 一种无人船动力定位***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106773741A (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107499486A (zh) * | 2017-07-28 | 2017-12-22 | 安徽工程大学 | 一种定位用智能水上移动平台及其定位方法 |
CN107561940A (zh) * | 2017-09-01 | 2018-01-09 | 哈尔滨理工大学 | 一种基于t‑s模糊***的动力定位船舶控制方法 |
CN107554721A (zh) * | 2017-09-15 | 2018-01-09 | 南通如港船舶配套机械有限公司 | 一种船舶动力定位方法 |
CN107729641A (zh) * | 2017-10-10 | 2018-02-23 | 江苏科技大学 | 一种用于海洋工程领域的动力定位能力分析方法 |
CN107807069A (zh) * | 2017-10-25 | 2018-03-16 | 中国石油大学(华东) | 一种海面溢油的自适应跟踪控制方法及其*** |
CN108319276A (zh) * | 2017-12-26 | 2018-07-24 | 上海交通大学 | 基于布尔网络的水下机器人姿态调节控制装置及方法 |
CN108416152A (zh) * | 2018-03-18 | 2018-08-17 | 哈尔滨工程大学 | 基于电子海图的无人艇蚁群能耗最优全局路径规划方法 |
CN108490944A (zh) * | 2018-04-09 | 2018-09-04 | 四方继保(武汉)软件有限公司 | 一种基于喷水推进器的船艇矢量控制***及方法 |
CN108572550A (zh) * | 2018-03-16 | 2018-09-25 | 上海交通大学 | 一种基于机器学习的在线实时推力分配方法 |
CN108922088A (zh) * | 2018-07-05 | 2018-11-30 | 中国船舶重工集团公司第七六研究所 | 无人船防盗***及其控制方法 |
CN109062058A (zh) * | 2018-09-26 | 2018-12-21 | 大连海事大学 | 基于自适应模糊最优控制的船舶航向轨迹跟踪设计方法 |
CN109116838A (zh) * | 2018-04-13 | 2019-01-01 | 上海海事大学 | 一种用于小型船的自动停泊辅助控制方法 |
CN109188909A (zh) * | 2018-09-26 | 2019-01-11 | 大连海事大学 | 面向船舶航向非线性离散***的自适应模糊最优控制方法及*** |
CN109343353A (zh) * | 2018-12-17 | 2019-02-15 | 珠海萨博思海洋工程有限公司 | 一种用于动力定位船舶推力分配的智能优化方法 |
CN109358499A (zh) * | 2018-09-25 | 2019-02-19 | 大连海事大学 | 基于速度与航向双重制导的无人船精确路径跟踪控制方法 |
CN109445446A (zh) * | 2018-12-28 | 2019-03-08 | 珠海市汉图达科技有限公司 | 一种无人艇动力定位控制***及方法 |
CN109828566A (zh) * | 2019-01-30 | 2019-05-31 | 华南理工大学 | 一种水面无人艇自主航行方法 |
CN109859202A (zh) * | 2019-02-18 | 2019-06-07 | 哈尔滨工程大学 | 一种基于usv水面光学目标跟踪的深度学习检测方法 |
CN110001885A (zh) * | 2019-04-28 | 2019-07-12 | 闽江学院 | 一种自动移位的航标灯船及其实现方法 |
CN110687799A (zh) * | 2019-11-12 | 2020-01-14 | 大连海事大学 | 一种智能船舶自动舵***的模糊自适应输出反馈控制方法及*** |
CN110703605A (zh) * | 2019-10-29 | 2020-01-17 | 大连海事大学 | 一种面向智能船舶自动舵***的自适应模糊最优控制方法及*** |
CN110949646A (zh) * | 2020-01-02 | 2020-04-03 | 上海振华重工(集团)股份有限公司 | 一种隧道沉管运输安装工程船的推进电控***及电控方法 |
CN111427269A (zh) * | 2020-04-29 | 2020-07-17 | 上海交通大学 | 基于模糊pid控制的动力定位模型试验控制方法 |
CN111913228A (zh) * | 2019-09-12 | 2020-11-10 | 青岛海洋地质研究所 | 海洋地磁日变观测*** |
CN111913489A (zh) * | 2019-05-10 | 2020-11-10 | 欧舶智能科技(上海)有限公司 | 水下机器人多推进器耦合控制方法及*** |
CN112947448A (zh) * | 2021-02-09 | 2021-06-11 | 大连海事大学 | 一种无人船集群协同包围多目标模糊控制器结构及设计方法 |
CN113009824A (zh) * | 2021-02-03 | 2021-06-22 | 武汉理工大学 | 变稳船自适应变稳控制方法、***和存储介质 |
CN117111449A (zh) * | 2023-10-19 | 2023-11-24 | 哈尔滨工程大学 | 一种大坝缺陷检测rov抵近航行推力分配***及方法 |
CN117742352A (zh) * | 2024-02-21 | 2024-03-22 | 陕西欧卡电子智能科技有限公司 | 基于矢量推进无人船的轨迹控制方法、装置、设备及介质 |
CN117762152A (zh) * | 2024-02-22 | 2024-03-26 | 陕西欧卡电子智能科技有限公司 | 无人船矢量入库控制方法、***、无人船及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090020732A (ko) * | 2007-08-24 | 2009-02-27 | 삼성중공업 주식회사 | 동적 위치 제어 시스템 및 방법 |
CN103217160A (zh) * | 2013-04-22 | 2013-07-24 | 哈尔滨工程大学 | 一种船舶动力定位卡尔曼滤波方法 |
CN103454923A (zh) * | 2013-09-26 | 2013-12-18 | 哈尔滨工程大学 | 一种基于无源理论的船舶航向海浪滤波方法 |
CN103592846A (zh) * | 2013-11-07 | 2014-02-19 | 哈尔滨工程大学 | 基于自适应模糊估计器的滤波反步船舶运动控制*** |
CN103605886A (zh) * | 2013-11-12 | 2014-02-26 | 中交天津航道局有限公司 | 一种船舶动力定位***多模型自适应融合滤波方法 |
-
2017
- 2017-03-02 CN CN201710118812.XA patent/CN106773741A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090020732A (ko) * | 2007-08-24 | 2009-02-27 | 삼성중공업 주식회사 | 동적 위치 제어 시스템 및 방법 |
CN103217160A (zh) * | 2013-04-22 | 2013-07-24 | 哈尔滨工程大学 | 一种船舶动力定位卡尔曼滤波方法 |
CN103454923A (zh) * | 2013-09-26 | 2013-12-18 | 哈尔滨工程大学 | 一种基于无源理论的船舶航向海浪滤波方法 |
CN103592846A (zh) * | 2013-11-07 | 2014-02-19 | 哈尔滨工程大学 | 基于自适应模糊估计器的滤波反步船舶运动控制*** |
CN103605886A (zh) * | 2013-11-12 | 2014-02-26 | 中交天津航道局有限公司 | 一种船舶动力定位***多模型自适应融合滤波方法 |
Non-Patent Citations (4)
Title |
---|
刘芙蓉: "半潜船动力定位控制***", 《万方数据库》 * |
周千华: "基于混合控制算法的船舶动力定位***控制器的设计研究", 《万方数据库》 * |
应小平: "基于模糊自适应的动力定位***信息融合方法研究", 《万方数据库》 * |
赵振宁 等: "《汽车电气构造、原理与检修(下》", 31 March 2015 * |
Cited By (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107499486B (zh) * | 2017-07-28 | 2023-05-30 | 安徽工程大学 | 一种定位用智能水上移动平台及其定位方法 |
CN107499486A (zh) * | 2017-07-28 | 2017-12-22 | 安徽工程大学 | 一种定位用智能水上移动平台及其定位方法 |
CN107561940A (zh) * | 2017-09-01 | 2018-01-09 | 哈尔滨理工大学 | 一种基于t‑s模糊***的动力定位船舶控制方法 |
CN107554721A (zh) * | 2017-09-15 | 2018-01-09 | 南通如港船舶配套机械有限公司 | 一种船舶动力定位方法 |
CN107729641A (zh) * | 2017-10-10 | 2018-02-23 | 江苏科技大学 | 一种用于海洋工程领域的动力定位能力分析方法 |
CN107807069B (zh) * | 2017-10-25 | 2020-02-18 | 山东大学 | 一种海面溢油的自适应跟踪控制方法及其*** |
CN107807069A (zh) * | 2017-10-25 | 2018-03-16 | 中国石油大学(华东) | 一种海面溢油的自适应跟踪控制方法及其*** |
CN108319276A (zh) * | 2017-12-26 | 2018-07-24 | 上海交通大学 | 基于布尔网络的水下机器人姿态调节控制装置及方法 |
CN108572550A (zh) * | 2018-03-16 | 2018-09-25 | 上海交通大学 | 一种基于机器学习的在线实时推力分配方法 |
CN108416152A (zh) * | 2018-03-18 | 2018-08-17 | 哈尔滨工程大学 | 基于电子海图的无人艇蚁群能耗最优全局路径规划方法 |
CN108416152B (zh) * | 2018-03-18 | 2021-12-24 | 哈尔滨工程大学 | 基于电子海图的无人艇蚁群能耗最优全局路径规划方法 |
CN108490944A (zh) * | 2018-04-09 | 2018-09-04 | 四方继保(武汉)软件有限公司 | 一种基于喷水推进器的船艇矢量控制***及方法 |
CN109116838B (zh) * | 2018-04-13 | 2021-11-23 | 上海海事大学 | 一种用于小型船的自动停泊辅助控制方法 |
CN109116838A (zh) * | 2018-04-13 | 2019-01-01 | 上海海事大学 | 一种用于小型船的自动停泊辅助控制方法 |
CN108922088A (zh) * | 2018-07-05 | 2018-11-30 | 中国船舶重工集团公司第七六研究所 | 无人船防盗***及其控制方法 |
CN109358499A (zh) * | 2018-09-25 | 2019-02-19 | 大连海事大学 | 基于速度与航向双重制导的无人船精确路径跟踪控制方法 |
CN109188909A (zh) * | 2018-09-26 | 2019-01-11 | 大连海事大学 | 面向船舶航向非线性离散***的自适应模糊最优控制方法及*** |
CN109062058B (zh) * | 2018-09-26 | 2021-03-19 | 大连海事大学 | 基于自适应模糊最优控制的船舶航向轨迹跟踪设计方法 |
CN109062058A (zh) * | 2018-09-26 | 2018-12-21 | 大连海事大学 | 基于自适应模糊最优控制的船舶航向轨迹跟踪设计方法 |
CN109188909B (zh) * | 2018-09-26 | 2021-04-23 | 大连海事大学 | 面向船舶航向非线性离散***的自适应模糊最优控制方法及*** |
CN109343353A (zh) * | 2018-12-17 | 2019-02-15 | 珠海萨博思海洋工程有限公司 | 一种用于动力定位船舶推力分配的智能优化方法 |
CN109445446A (zh) * | 2018-12-28 | 2019-03-08 | 珠海市汉图达科技有限公司 | 一种无人艇动力定位控制***及方法 |
CN109828566A (zh) * | 2019-01-30 | 2019-05-31 | 华南理工大学 | 一种水面无人艇自主航行方法 |
CN109828566B (zh) * | 2019-01-30 | 2022-05-24 | 华南理工大学 | 一种水面无人艇自主航行方法 |
CN109859202B (zh) * | 2019-02-18 | 2022-04-12 | 哈尔滨工程大学 | 一种基于usv水面光学目标跟踪的深度学习检测方法 |
CN109859202A (zh) * | 2019-02-18 | 2019-06-07 | 哈尔滨工程大学 | 一种基于usv水面光学目标跟踪的深度学习检测方法 |
CN110001885B (zh) * | 2019-04-28 | 2024-06-11 | 闽江学院 | 一种自动移位的航标灯船及其实现方法 |
CN110001885A (zh) * | 2019-04-28 | 2019-07-12 | 闽江学院 | 一种自动移位的航标灯船及其实现方法 |
CN111913489A (zh) * | 2019-05-10 | 2020-11-10 | 欧舶智能科技(上海)有限公司 | 水下机器人多推进器耦合控制方法及*** |
CN111913228A (zh) * | 2019-09-12 | 2020-11-10 | 青岛海洋地质研究所 | 海洋地磁日变观测*** |
CN110703605A (zh) * | 2019-10-29 | 2020-01-17 | 大连海事大学 | 一种面向智能船舶自动舵***的自适应模糊最优控制方法及*** |
CN110687799B (zh) * | 2019-11-12 | 2022-02-11 | 大连海事大学 | 一种智能船舶自动舵***的模糊自适应输出反馈控制方法及*** |
CN110687799A (zh) * | 2019-11-12 | 2020-01-14 | 大连海事大学 | 一种智能船舶自动舵***的模糊自适应输出反馈控制方法及*** |
CN110949646A (zh) * | 2020-01-02 | 2020-04-03 | 上海振华重工(集团)股份有限公司 | 一种隧道沉管运输安装工程船的推进电控***及电控方法 |
CN111427269A (zh) * | 2020-04-29 | 2020-07-17 | 上海交通大学 | 基于模糊pid控制的动力定位模型试验控制方法 |
CN113009824A (zh) * | 2021-02-03 | 2021-06-22 | 武汉理工大学 | 变稳船自适应变稳控制方法、***和存储介质 |
CN112947448B (zh) * | 2021-02-09 | 2023-08-01 | 大连海事大学 | 一种无人船集群协同包围多目标模糊控制器结构及设计方法 |
CN112947448A (zh) * | 2021-02-09 | 2021-06-11 | 大连海事大学 | 一种无人船集群协同包围多目标模糊控制器结构及设计方法 |
CN117111449A (zh) * | 2023-10-19 | 2023-11-24 | 哈尔滨工程大学 | 一种大坝缺陷检测rov抵近航行推力分配***及方法 |
CN117111449B (zh) * | 2023-10-19 | 2024-01-09 | 哈尔滨工程大学 | 一种大坝缺陷检测rov抵近航行推力分配***及方法 |
CN117742352A (zh) * | 2024-02-21 | 2024-03-22 | 陕西欧卡电子智能科技有限公司 | 基于矢量推进无人船的轨迹控制方法、装置、设备及介质 |
CN117742352B (zh) * | 2024-02-21 | 2024-05-10 | 陕西欧卡电子智能科技有限公司 | 基于矢量推进无人船的轨迹控制方法、装置、设备及介质 |
CN117762152A (zh) * | 2024-02-22 | 2024-03-26 | 陕西欧卡电子智能科技有限公司 | 无人船矢量入库控制方法、***、无人船及可读存储介质 |
CN117762152B (zh) * | 2024-02-22 | 2024-05-10 | 陕西欧卡电子智能科技有限公司 | 无人船矢量入库控制方法、***、无人船及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106773741A (zh) | 一种无人船动力定位***及方法 | |
Chen et al. | Path planning and obstacle avoiding of the USV based on improved ACO-APF hybrid algorithm with adaptive early-warning | |
Skjetne et al. | A nonlinear ship manoeuvering model: Identification and adaptive control with experiments for a model ship | |
CN107957727B (zh) | 水下机器人控制***及动力定位方法 | |
CN108445892A (zh) | 一种欠驱动无人船编队控制器结构及设计方法 | |
CN109032136B (zh) | 基于主从分布式模型预测控制的欠驱动多无人船编队跟踪方法 | |
CN108563130A (zh) | 一种欠驱动船舶自适应神经网络自动靠泊控制方法,设备及介质 | |
CN112363517B (zh) | 一种水下滑翔机的编队控制方法 | |
CN113741449A (zh) | 一种面向海空协同观测任务的多智能体控制方法 | |
Chen et al. | A type-2 fuzzy logic controller for dynamic positioning systems | |
CN109976189A (zh) | 一种智能舰艇自动巡航模拟仿真方法 | |
LIU et al. | Design of variable stability ship control system for ship intelligent navigation test | |
CN113960994A (zh) | 一种多无人艇协同航行的s面自适应控制算法 | |
Xiao et al. | Research on Multi-mode control system and autonomous cruise method for unmanned surface vehicles | |
Bakker et al. | A model predictive control approach towards the energy efficiency of submerged dredging | |
Gao et al. | Artificial intelligence algorithms in unmanned surface vessel task assignment and path planning: A survey | |
Yuan et al. | Combined depth and heading control and experiment of ROV under the influence of residual buoyancy, current disturbance, and control dead zone | |
Li et al. | Energy-efficient space–air–ground–ocean-integrated network based on intelligent autonomous underwater glider | |
Wang et al. | Summary of research on related technologies of ship dynamic positioning system | |
Rodriguez et al. | Adaptive Learning and Optimization of High-Speed Sailing Maneuvers for America's Cup | |
Xiao | Ship Dynamic Positioning Control Based on Nonlinear Fuzzy Algorithm for a Smart Port City | |
Nunez | Optimal control of the ac75 sailboat for the america’s cup race | |
Jing et al. | Analysis on Design Scheme of Autonomous Ship Cooperative Control | |
Tréhin et al. | An Energy Efficient Autopilot Design | |
Kilpin | Modelling and design of an autonomous sailboat for ocean observation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |