船舶自动舵的发展(4)

模糊控制是基于专家经验和知识总结出若干条模糊规则,构成描述具有不确定性复杂对象的模糊关系,通过被控系统输出误差及误差变化率和模糊关系的推理合成获得控制量,从而对系统进行控制。模糊控制不需建立被控对象的精确数学模型,它的算法简单,便于实时控制。

Amerongen 等提出的船舶航向模糊控制系统由模糊化、模糊控制规则(推理决策) 、反模糊化(模糊判断) 3 部分组成,此系统取得了较好的控制效果,但由于受船舶控制过程的非线性、高阶次、时变性以及随机干扰等因素影响,造成原有的模糊控制规则粗糙或不够完善,影响了控制效果,为克服这些缺点,模糊控制器向着自适应、自组织、自学习方向发展,使得模糊控制参数或/ 和规则在控制过程中

12

自动地调整、修改和完善,从而使系统的控制性能不断改善,达到最佳的控制效果。

Sutton 等提出了船舶航向的自组织模糊控制器,它是在简单模糊控制器的基础上,增加性能测量、控制量校正和控制规则修正3 个功能块而构成的一种模糊控制器。Jeffery 等提出了一种船舶航向的模型参考模糊自适应控制系统,此法中利用参考模型表示船舶在转向时的性能要求,然而其控制器及自适应功能是利用模糊控制技术实现的,其控制器为基本模糊控制器借助于对象的模糊逆模型得到用于自适应修正的校正量。 2.3. 3 神经网络控制

神经网络是由大量形式相同的神经元连结在一起组成的,而神经元是一个多输入单输出的信息处理单元,它对信息的处理是非线性的。尽管单个神经元的结构和功能并不复杂,但整个神经网络的动态行为则是十分复杂的,它是一个高度非线性动力系统,它具有非线性映射(逼近) 能力以及自学习、自组织、自适应、分布存贮、联想记忆、并行计算等能力,可用神经网络表达实际物理世界的各种现象。由于BP 学习算法的前向网络因其结构简单、算法稳定、技术成熟,因而这种网络得到广泛应用。

实现神经网络的功能有两种,即软件法和硬件法。软件法就是在目前使用的串行计算机上,用程序来模拟神经网络功能,此法灵活性大,但现行的二进制计算机速度不能实时地模仿人脑的神经功能;硬件法就是采用物理元件去实现神经网络,此法实时性好,极有发展前途,但目前技术还不成熟,实现成本也比较高。目前的神经网络控制器还处于软件仿真模拟阶段。

Witt 等提出了一种神经网络控制船舶航迹保持的方法,它用GPS 精确决定船舶位置,它能产生在- 45°～ + 45°范围内随机变化航向的一系列给定航线,它采用PD 控制器作为船舶的数学模型,在给定航线的每一部分,通过使PD 舵控制信号与神经舵控制信号之间差值最小,来离线训练神经控制器,一旦差值最小,神经控制器就被认为已学习到了PD 控制器的工作特性,此后,神经控制器就可取代PD 控制器。Witt 等使用100 种给定航线集合训练神经网络,并假定通过这里100 种不同航线学习得到的知识可处理任何新选择的航线,仿真结果表明对未学习过的任意航线, PD 控制器和神经控制器的控制效果基本相同。

Burn 采用更复杂的最优控制器进行离线学习,这篇文章主要工作是训练神

13

经网络,使它与最优船舶控制系统具有相同的性能,训练后的神经控制器能识别出不同的前向速度或操纵情况怎样改变船舶的动态特性。原则上,六自由度船舶运动模型和舵机模型的组合可得到状态矩阵,当辨识出最优控制系统的特性后(对不同的前向速度) ,影响舵机的状态变量被输入到最优控制系统和3 层前向神经网络,两系统计算各自的舵令,两舵令差值用于训练神经网络,训练采用BP 算法。对每种选定的前向速度的每种方案,使用20 万个采样数据来训练神经网络。神经网络的隐层和每层神经元最佳数以及反向传播学习法的学习速率和动量因子的最佳值都采用试探法确定,最后仿真比较了最优控制器和神经控制器所产生的航迹偏差大小。

在上述的两种方法中,一旦被选用的传统控制器和神经控制器的控制作用误差足够小,那么,神经控制器就可认为已训练好了,从而可用神经控制器取代传统控制器。

结 论

本文介绍了船舶操纵自动舵的技术发展过程及和自动舵发展趋向，另还阐述了自动舵的原理和工作方法，也比较了这些方法的优缺点。

参考文献:

[1 ] Witt N A J . Recent technological advances in the control and guidance of ships[J ] . J Navigation ,1994 ,47 (2) :236 - 258.

[ 2 ] Amerongen J V. Recent developments in automatic steering of ships[J ] . J Navigation ,1986 ,39 (3) :349 - 362.

[ 3 ] 黄继起. 自适应控制理论及其在船舶系统中的应用[M] . 北 京:国防工业出版社,1992. 32 - 39.

[ 4 ] Sugimoto A. A new autopilot system with condition adaptivity. Proceedings 5th Ship Control Systems Symposium[ C] . Annapo2 lis ,Maryland ,USA. 1978. 105 - 111.

[5 ] Merlo P. Experiments about computer controller ship steering [C] . Semana International Sobre la Automatica en la Marina , Barcelona ,Spain ,1975. 134 - 140.

[6 ] Motora S. On the automatic steering and yawing of ships in rough seas [ J ] . Journal Society of Naval Architects ( Japan ) , 1953 ,12 (2) :94 - 113.

[ 7 ] Akaika H. Fitting autoregressive models for prediction[J ] . Ann

Inst Statist Math ( Tokyo) , 1969 , 21 (3) :243 - 253.

14