船舶動力定位的神經網絡控制系統及其方法技術方案

一種船舶動力定位的神細網絡控制系統及其方法，它包括計算機、電位放大器、模擬／數字轉換器、測位系統、濾波器、學習器、優化決策器和執行機構等。其動力定位方法是由測位系統將信息經濾波后送給學習器，再經優化決策選擇將控制信號輸給執行機構，使船以最小誤差與沖擊接近指定位置。本發明專利技術能自適應于船的裝載變化及海況變化，能提高動力定位的精度，節約定位能耗。（*該技術在2014年保護過期，可自由使用*）

【技術實現步驟摘要】

本專利技術涉及一種船舶動力定位的控制系統及其方法，特別是涉及一種神經網絡控制系統及其方法。目前的船舶動力定位控制系統一般由控制器、電位放大器、濾波器、測位探頭及執行機構組成，在控制器中采用的控制方法是“比例—積分—微分”方法，即PID方法，船在受到風、浪、流等環境力的作用后必然漂流原位，此時由PID系統起反饋控制作用，使船復位，幾十萬噸到幾百萬噸的船經常依靠動力移來移去必定耗費大量能量。另外，海上動力定位精度的要求也隨任務而異，鋪管船在海上作業時，往往要定位到1～2米的精度，而海上鉆控船或采礦船則往往隨水深而異，僅需要定位到水深的3～5％，即同一條船在執行不同任務時會有不同的定位精度要求，PID系統則難于自適應不同定位精度的要求。英國專利GB2198553A(公開日1988年7月15日)雖然描述了一種可抵消風力、流力的前饋式控制系統，但它需要多個探頭布置于船的四角約500～1000米的海面上，以此來探知風向、風速、流向、流速、波向、波高的改變，即未脫離系泊于浮筒，這種前饋式控制不能抵消波浪的漂力，且信息處理是依賴于計算機的離線學好船舶動力響應并貯存于數據庫。本專利技術的目的是提供一種能自適應于船的裝載變化及海況變化，能提高動力定位精度，大大降低定位能耗的前饋式動力定位神經網絡控制系統及其方法。本專利技術的神經網絡控制系統包括一臺計算機、一臺電位放大器、模擬/數字轉換器、數字/模擬轉換器、濾波器、測位系統、執行機構、一套經在線學習能預報下一個或幾個時間點環境力的學習器和起調節作用的優化—決策器，執行機構是一套由2個或多個全方位回轉螺旋槳或3個以上不在同一條直線布置的推進器組成，測位系統是衛星定位儀或水聲定位系統。本專利技術神經網絡控制系統的定位方法是這樣的，測位系統不斷將船的地理位置信息經模擬/數字轉換器輸送給濾波器，濾波器采用無相位差濾波消除高頻成份后，將低于波浪頻率部分傳遞給學習器，學習器的神經網絡根據該信息及執行機構的控制量，采用人工神經網絡自我學習算法，不斷地作在線學習，掌握船舶在該裝載與海況下的動力定位的控制規律，不斷向優化—決策器預報下一時刻船的控制力與位置，優化—決策器依靠從學習器得到的控制規律及預報，用“指導性的人工模擬退火”(Guided Evolutinary Simulated Annealing)全局優化算法調節控制參數，選擇相對最優的控制力信號，該信號經過數字/模擬轉換器產生模擬信號并經信號放大器增強后輸出給執行機構，執行機構按指令執行，將船移到指定位置。附圖說明圖1是神經網絡控制系統定位方法示意圖。圖2是執行機構示意圖。圖3是學習器神經網絡示意圖。圖4是學習器激勵函數示意圖。圖5是優化—決策器的神經網絡示意圖。圖6是模擬實驗結果示意圖。下面結合附圖對本專利技術加以說明。圖2說明了兩個全方位螺旋漿可以得到的控制力fx、fy和力矩mz，其中fx＝T1cosθ1＋T2cosθ2fy＝T1sinθ1＋T2sinθ2mz=(y2tanθ1-x1)·T1sinθ1]]>+(y1tanθ2-x2)·T2sinθ2]]>控制系統可變化的參數有4個，即T1、T2、θ1、θ2，而方程式有3個，因此可以選擇較好的組合或固定其中一個參數而解其它三個參數。圖3給出的學習器函數型鏈接神經網絡(Functional Link Net)，其中向量 x2，……xN}，而x1，x2…xm……xN等為輸入量，代表各個時刻船位y與控制力u，y與u均有3個分量， 為若干個隨機向量，b1，……bj為若干個隨機標量， 是對輸入量的增強信息，每給定一個k值就有一組由圖1所示的模式，除當前時刻以外，連續取4個代表過去的k值，就有5個模式。圖中的y(k＋1)附合下式 其中各量均為已知，αm、βj是特定的權系數，學習器利用5個模式的輸入量及增強信息經過學習，使得網絡對每個模式的輸入 都非常接近于每個學習模式的目標y(k＋1)，也就是說，訓練要使之成為船舶漂移動力學的仿真器，每給定一個輸入模式(多維輸入空間)就能“映象”到一個一維輸出空間而得到 ，逐步接近于目標y(k＋1)，訓練的方法是不斷地變更αm，βj，并按最速下降法使誤差E=[y(k+1)-y^(k+1)]2]]>趨向于最小。一旦學習器學習好，則給定一組k為“當前時刻”的輸入模式，就會得出一組k＋1時刻的預報輸出 。本專利技術每控制一步，就重新訓練學習器一遍，因為學習器是船舶動力學的仿真器，所以本專利技術的控制系統可以自適應于模式的變化，不論船的裝載有什么變化，海況有什么變化，學習器均能學好變化后的船舶動力學。但是學習器所輸出的預報船位 ，不一定是所需要的船位yd(k＋1)，所需要的船位yd(k＋1)在此是廣義的，它可以指船的原始位置，也可以是任一個就近的指定位置。例如船在采海底礦產時或者船在鋪設海底油管時，都需要慢慢地移動，yd(k＋1)就可以是軌跡上的各個點，每次還需要一個“優化—決策”環節來調整學習器發出的信息，選擇相對最佳的模式使誤差E1=[yd(k+1)-y^(k+1)]2]]>趨向于最小。優化—決策器的神經網絡如圖5所示，它與圖3學習器的神經網絡相似，在此把目標定為yd(k＋1)，開始時學習器神經網絡輸出 ，它與yd(k＋1)間存在誤差E1，優化—決策的過程就是變更u(k)但不變化已經學習好的各個權系數，使E趨向于最小，具體地說就是在優化—決策環境中改變控制力，使預報的船舶位置與指定船舶位置的誤差最小，調節好了的控制力信號使執行機構產生所需的T1、T2、θ1、θ2，并給出作用于船上的fx、fy、mz以調整下一時刻船的位置到指定的位置。這里，優化—決策器是采用自生成優化算法—指導性的人工模擬退火全局優化算法，使船逼近指定目標yd(k＋1)，u(k)的變化以t為代表，寫成u(k，t)令u(k，t)服從下式的規律∂u(k,t)∂t=η·∂y^(k+1,t)∂u(k,t)·[yd(k+1)-y^(k+1,t)]]]> 其中η是一個比例常數，(在0與1之間任選)。則∂E1∂t=-2η(∂u(k,t)∂t)2≤0]]>可見E1將隨著每一次t的迭代而單調下降趨于最小。圖6表示了采用本專利技術對船舶模型進行定位模擬試驗的結果。圖中用“——”表示的曲線代表控制力，用“……”表示的曲線代表波浪力，從圖中可看到，波浪漂力Fx、Fy、Mz的預報與本專利技術所產生的優化后控制力fx、fy、mz的預報較為接近，這說明了本專利技術的控制系統是前饋控制，可以很好地抵消波浪外力的干擾，達到定位的高精度、低能耗。本專利技術的實施是將本文檔來自技高網...

【技術保護點】
一種船舶動力定位的神經網絡控制系統，它包括一臺計算機、一臺電位放大器（９）、模擬／數字轉換器（８）、數字／模擬轉換器（１０）、濾波器（２）、測位系統（１）和執行機構（５），其特征在于還包括一套經在線學習能預報下一個或幾個時間點環境力的學習器（３）和起調節作用的優化一決策器（４），執行機構（５）是一套由２個或多個全方位回轉螺旋槳或３個以上不在同一條直線布置的推進器組成，測位系統（１）是衛星定位儀或水聲定位系統。

【技術特征摘要】

【專利技術屬性】
技術研發人員：顧懋祥，李定，包約翰，
申請(專利權)人：中國船舶工業總公司第七研究院第七零二研究所，
類型：發明
國別省市：32[中國|江蘇]