[发明专利]一种船舶动力定位控制方法

说明书

技术领域

本发明属于船舶工程技术领域，特别是涉及一种船舶动力定位控制方法。

背景技术

目前，船舶动力定位系统（Dynamic Positioning System，以下简称DPS），是指不借助锚泊系统，利用自身推进装置有效地产生反力和反力矩去抵抗风、流和浪作用于船上的环境外力和力矩，维持船舶在给定位置，或使船舶精确地跟踪某一给定轨迹的系统。

支持向量机（Support Vector Machine,以下简称SVM）是建立在统计学理论基础上、以结构风险最小化为准则的一种神经网络。SVM先固定经验风险,再最小化置信风险,将输入空间映射到高维内积的空间，通过解一个线性约束的二次规划问题得到全局最优解，不存在局部最小值问题，快速算法保证了收敛速度。因此SVM在很大程度上解决了小样本建模、模型选择与过学习、非线性和局部最小点等问题。

蚁群优化算法(Ant Colony Algorithms，以下简称ACA)是一种随机搜索算法，它基于对自然界真实蚁群的集体觅食行为的研究，模拟真实的蚁群协作过程。算法由若干个蚂蚁共同构造解路径，通过在解路径上遗留并交换信息素提高解的质量，进而达到优化的目的。ACA的主要特征是正反馈和隐并行性。正反馈机制可以快速发现优化解，隐并行性通过多个个体之间的并行交换信息素可防止算法陷入局部最优解，并可使算法收敛于解空间的一个子集，有利于对解空间进一步搜索。因此运用ACA算法对SVM参数进行优化选择，在很大程度上减少了主观经验选择的盲目性，也提高了预测的精度和推广能力。

广义预测控制(Generalized Predictive Control,以下简称GPC)是一种鲁棒性强、能够有效地克服系统滞后、应用于开环不稳定非最小相位系统的先进控制算法，是一种基于模型的先进控制技术，采用的是多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的过程。一般GPC算法首先利用易于得到的工业过程脉冲或阶跃响应曲线，将在采样时刻的一系列值作为描述对象动态特征的信息，从而构成测试模型，这样来确定控制量的时间序列，使未来一段时间内被控变量与经过“柔化”后的期望轨迹之间的误差最小，此优化过程反复做线进行，以期达到优化控制的目的。

由于船舶在海上的动力学特性具有强耦合、非线性、大时滞和大惯性等特点，现有的船舶动力定位系统没有将上述技术整合，存在动力定位准确性差，难以满足实际生产需要等技术问题。

发明内容

本发明为解决公知技术中存在的技术问题而提供一种船舶动力定位控制方法。

本发明的目的是提供一种具有多步预测、滚动优化和反馈校正机制，对非线性、大时滞和大惯性的船舶对象控制效果好，定位精度高，而且具有很强的系统性、逻辑性和普遍性，能够自适应于船舶内部的装载变化及外部的海况变化等特点的船舶动力定位控制方法。

本发明在重点考虑船舶三个自由度的运动即纵荡、横荡和艏摇运动的基础上，提出一种基于SVM、ACA和GPC混合算法的船舶DPS方法，使其能自适应于船的装载变化及海况变化，提高定位精度。

本发明船舶动力定位控制过程：首先对船舶动态运动模型进行模型辨识，建立SVM预测模型；然后采用ACA算法对SVM预测模型进行参数优化，得到修正的预测模型；再将期望位置和姿态作为船舶DPS的纵荡、横荡和艏摇方向的三个给定，将三个SVM预测模型分别嵌入三个GPC控制器并作为GPC控制器的预测模型，将三个给定分别输入三个GPC控制器，分别对纵荡、横荡和艏摇运动进行控制；最后三个GPC控制器通过推力分配模块将纵荡、横荡和艏摇方向的三个力矩施加到船舶动态运动模型上，并将纵荡、横荡位移和艏摇的三个角度分别反馈给三个SVM预测模型，构成闭环反馈控制系统，对船舶DPS进行控制。

本发明船舶动力定位控制方法所采取的技术方案是：

一种船舶动力定位控制方法，其特点是：动力定位控制方法包括以下步骤

(1)建立支持向量机预测模型

对船舶动态运动模型进行模型辨识，建立支持向量机预测模型；

(2)期望位置和姿态给定预测控制

将期望位置和姿态作为船舶动力定位系统的纵荡、横荡和艏摇方向的三个给定，将三个支持向量机预测模型分别嵌入三个广义预测控制器并作为三个广义预测控制器的预测模型，将三个给定分别输入三个广义预测控制器，分别对纵荡、横荡和艏摇运动进行控制；

(3)预测控制定位