[发明专利]基于自适应遗传-最小二乘互联预测系统的推力分配方法

权利要求书

1.基于自适应遗传-最小二乘互联预测系统的推力分配方法，其特征是：具体包括以下步骤：

步骤1：根据所研究的动力定位船舶模型、推进器的布置位置以及坐标建立动力定位船舶推力分配的数学模型；

步骤2：确定最优方向角预测模型，获取上一时刻的推力参数预测值(初始时刻为推力设定值)采用精英自适应遗传-蝙蝠算法获取当前时刻的最优方向预测值及导数；具体步骤为：

步骤2.1：所述的最优方位角预测模型为：

min(J(α))＝cP(T_y)+Δα(1-c)Δα

其中，c∈[0,1]属于预测模型系统中权重系数；P(T_y)是系统的能耗与预测最优推力T_y有关；Δα是预测最优角度的变化率，具体形式描述为当前时刻的预测角度减去上一时刻的预测角度；整个模型做权重归一化处理，减少数值太大造成计算繁琐；

步骤2.2：采用精英自适应遗传-蝙蝠算法进行预测，具体如下：

步骤2.2.1：根据方位角的可行域随机生成初始种群，种群个体为M，每个个体表示一个预测角度；

步骤2.2.2：选取方位角预测模型作为适应度评价函数，将初始种群M个个体进行评价，选取适应度值前N个个体最为精英个体进行蝙蝠算法优化；将剩余的M-N个个体进行具有自适应操作的遗传算法优化；

本发明选取前N个个体最为精英个体进行蝙蝠算法优化的原因是蝙蝠算法具有较好的局部搜索性能，能够在精英个体中找到最优预测值；

首先将这N个精英个体通过编码赋于位置、速度两个性质，通过改变个体的位置和速度来预测最优个体，具体步骤如下：

利用公式：

Q_i＝Q_min+(Q_max-Q_min)β

更新个体频率Q，利用公式：

更新个体的飞行速度；式中下标i表示N个精英组成的种群中第i个个体，上标t表示第t次迭代；β是0到1之间的随机变量；判断是否满足局部搜索rand＞r₀，r₀为脉冲频率；如满足，选取最优解，利用公式：

x_new＝x_old+εA^t

进行进一步搜索，式中x_new表示新的最优解；x_old表示前最优解；ε是[-1,1]上的随机数；A^t表示所有个体在t代的平均响度；进一步判断适应度值是否满足f_new(i)＜f_best且rand＜A₀，如满足则得到新的N个个体；

选取M-N个个体进行具有自适应操作的遗传算法优化的原因是遗传算法具有较好的全局性能，可以增强种群的多样性；具体如下：

对M-N个适应度低的种群个体进行二进制编码，编码之后进行轮盘赌选择操作，得到子代个体；利用公式

确定自适应交叉算子，对子代的个体进行自适应交叉操作；式中f表示适应度值，f_max和f_arg分别是蝙蝠种群中最大适应度值和平均适应度值，f_c是上一代适应度值较高的个体；k_i为(0,1)的常数；利用公式：

确定自适应变异算子，对子代选中的个体进行自适应变异操作；

步骤2.2.3将步骤2.2.2中优化好的个体重新进行组成M个个体种群，将新种群代入适应度评价函数，判断是否满足终止条件，所满足输出当前时刻最优角度预测值；

步骤3：确定最优推力预测模型，获取上一时刻的最优方向预测值(初始时刻为方位角设定值)采用最小二乘法获取当前时刻的最优推力预测值及导数；

步骤4：形成最优方向角与最优推力相关联的预测系统，提出将预测值及其导数送入推力分配控制器作为最优解搜索的起点和最优搜索方向的优化策略。

2.根据权利要求1所述的基于自适应遗传-最小二乘互联预测系统的推力分配方法，其特征是：所述步骤1所述的船舶推力分配数学模型为：

τ＝B(α)·T

其中，τ为推进器产生的合力矩，具体包括船舶的横荡、纵荡、艏摇三自由度；B(α)推进器的配置矩阵，α为推进器的旋转角度；T为推进器产生的推力。