[发明专利]一种远洋船舶航向控制复合优化节油方法

说明书

本发明公开了一种远洋船舶航向控制复合优化节油方法，该方法包括：船舶参数初始化；根据船舶航海试验报告获取操纵性试验数据，其中，该试验数据包括航速测试曲线、惯性试验结果、ZIG‑ZAG操纵试验结果和回转试验结果；营运船离港随动操舵模式，船舶特性识别，计算船舶增益Ks和船舶时间常数Ts；航向控制算法的DRNN系数和PID系数初值预置；船舶航行控制系统的信号采集与处理；远洋船舶航向控制复合优化算法架构；远洋船舶航向控制过程。艏侧推控制系统与自动舵控制系统协同工作，减少了舵机动作频次，降低了船舶航行阻力，实现航行节油，基于扩展卡尔曼滤波(EKF)、动态递归神经网络(DRNN)优化了船舶航行控制性能。

技术领域

本发明涉及船舶航运领域，具体涉及一种远洋船舶航向控制复合优化节油方法。

背景技术

自动舵是控制船舶远洋航行的关键设备。自动舵控制船艏向维持航行方向，船艏向偏离设定航向的偏差为被控量，舵叶偏转角度为操纵变量，自动舵需频繁调整以抵御外部对航向的干扰，这使舵叶很难长期保持在中位，导致舵机频繁调节、航向变动往复，增大航行阻力，远洋船舶航迹呈“S”形，影响航速、增多燃油消耗和舵机磨损。因此，船舶航向控制的迟滞、超调、振荡、节油问题一直是自动舵需要解决的难题之一。

PID是船舶自动舵的基础，模糊、神经网络、鲁棒控制、非线性控制、滑模变结构、专家系统、遗传算法等多是优化PID控制参数或补偿PID输出。船舶自动舵自适应船舶特性变化、自学习外部风浪流扰动是技术难点和研究热点。典型的船舶自适应舵有SperryMarineNavipilot系列、日本横河Adaptive Autopilot等，而我国自适应自动舵的自主产品在远洋船舶尚未见应用。传统PID自动舵在船舶特性变化时，驾驶员凭经验整定PID参数以获得合适的航向控制性能，自学习自适应自动舵可解决这些难题而获得航向最优控制。

扩展卡尔曼滤波(EKF，英文全称为ExtendedKalman Filter)对船舶特性及外部干扰进行处理，在降低舵失效及节能方面具有较好效果，通过动态递归神经网络(DRNN)学习船舶动态特性模型变化并实时更新，实现基于EKF、DRNN的船舶航向控制复合优化节油技术。本发明利用EKF对DRNN网络进行在线更新，该算法比一般的神经网络快的多。由于远洋船舶运动过程是光滑的、可微的，小舵角附近操舵线性化的，输入/输出数据也可测量的，这满足了DRNN网络更新和控制的条件。

本发明的船舶航行节油控制是将船舶航向控制分解为船舶特性辨识、航向保持控制和航向改变控制，由EKF、DRNN及PID基本算法构成，达到舵角调节频次最少、航向变动最小，实现船舶航行节油控制目标。

现有自动舵存在的问题有：船舶自动舵控制下船舶艏向为船舶航行方向，使舵很难保持中位，造成附加阻力增大，阻碍船舶航行效率；船舶自动舵控制系统初始参数不能随船舶装载量及海况变化自适应自动校正，需要驾驶员凭经验反复整定；远洋船舶航行过程中，没有发挥艏侧推调节船舶航向的主要功能。

发明内容

本发明的目的在于提供一种远洋船舶航向控制复合优化节油方法，针对远洋船舶大洋航行过程中，通过降低航向变动往复、操舵频繁而实现航行节油的目标。解决船艏向固定为航行方向的问题，解决船舶主机推进的前行方向被外界风浪流干扰的难题；通过艏侧推控制船舶前行的推动力与风浪流干扰力二者合力方向为船舶航行方向，确保舵始终保持中立，解决舵频繁调整，克服阻力增大的问题；基于扩展卡尔曼滤波(EKF)解决风浪流干扰，动态递归神经网络(DRNN)学习船舶特性优化船舶航行控制，避免航向变动反复、舵角操作频繁的问题。

为了达到上述目的，本发明采用的技术方案如下：

一种远洋船舶航向控制复合优化节油方法，该方法包括：

S1、船舶参数初始化，其中，该船舶参数包括船舶几何参数、主机参数、螺旋桨参数、舵机参数和艏侧推参数；