（计算机应用技术专业论文）帆船绕标航行最优行驶路径规划方法研究.pdf

帆船绕标航行最优行驶路径规划方法研究 摘要 帆船比赛是运动员驾驶帆船在规定距离内比赛航速的一项运动。帆船最优行 驶路径规划是帆船比赛取胜的关键环节。本论文提出了基于分区段优化思想的帆 船比赛绕标航行最优行驶路径规划方法。该方法在比赛区域建立二维平面坐标 系，将整个航程划分若干区段，通过坐标轴旋转和平移得到各区段的虚拟坐标系。 每个区段采用基于模糊综合评价的路径规划方法进行优化，规划完成后进行坐标 还原，从而得到整个航程的最优行驶路线。仿真试验结果表明，该路径规划方法 能够得到较好的优化结果，对于指导帆船运动员训练具有较高的实用价值和较好 的应用前景。 关键词：帆船；分区段优化；路径规划；模糊综合评价 r e s e a r c ho na no p t i m a lp a t hp l a n n i n gm e t h o df o ras a i l b o a t s a i l i n ga r o u n dr a c em a r k s a b s t r a c t s a i l b o a tr a c i n gi sap r o f e s s i o n a ls p o r tr e q u i t i n gt h eb e s tv e l o c i t yi n g i v i n g v o y a g e o p t i m mp a t hp l a n n i n gi sak e yl i n kf o rt h es a i l i n gc o n t e s t t h i sp a p e r p r o p o s e da l lo p t i m a lp a t hp l a n n i n gm e t h o df o ras a i l b o a ts a i l i n ga r o u n dr a c em a r k s b a s e do ns e c t i o no p t i m i z a t i o n i ts e tu pt h et w o d i m e n s i o nm o d e lf o rs a i l i n g i t d i v i d e st h ew h o l ev o y a g ei n t os e v e r a ls e c t i o n sa n dg e t st h en e wf i c t i t i o u sc o o r d i n a t e o fe a c hs e c t i o nb yc i r c u m v o l v i n ga n ds h i f t i n go p e r a t i o n e a c hs e c t i o nu t i l i z e sf u z z y c o m p r e h e n s i v ee v a l u a t i o nc o n c e p tt of i n dt h el o c a lo p t i m a lp a t h t h e nw eg e tt h e g l o b a lo p t i m a lp a t hb yr e v e r t i n gt o t h eo r i g i n a lc o o r d i n a t e s i m u l a t i o nr e s u l t s i n d i c a t e dt h ee f f e c t i v e n e s sa n dt h ea p p l i c a b i l i t yo f t h ep r o p o s e dm e t h o d k e y w o r d s ：s a i l b o a t s ；s e c t i o no p t i m i z a t i o n ；o p t i m a lp a t hp l a n n i n g ；f u z z y c o m p r e h e n s i v ee v a l u a t i o n 独创声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。 据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写 过的研究成果，也不包含未获得! 注! 翅遗查基丝益要壁型直塑 的! 奎拦亘窒! 或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研 究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：斫基雨 签字日期：2 啊箨s 月j 7 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，有权保留并向国家有 关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权学校可以将学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手 段保存、汇编学位论文。( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：编 导师签字 签字日期：2 嘲年月卯日 学位论文作者毕业后去向 工作单位： 通讯地址： 易刁 签字胁。年r 月4 电话 邮编 帆船绕标航行最优行驶路径方法研究 0 前言 帆船运动是奥运会水上运动项目之。帆船比赛是运动员驾驶帆船在规定距 离内比赛航速的一项运动。帆船比赛项目有三角绕标和长距离航行赛两种。在 般的大型帆船比赛中，如奥运会、世界帆船锦标赛和中国帆船锦标赛都采用短距 离三角绕标航行。 帆船在海上行驶是一个极其复杂的过程，受海浪、海风及海流等环境扰动的 影响力作用较大，是一个具有复杂环境、不完备( 模糊性、不定性) 信息的系统。 那么，依据比赛时的海洋气象信息，比赛航程特点，如何在整个比赛航程中规划 出最优行驶路径是比赛取胜的关键环节。针对赛场环境参数、赛程特点，利用现 代信息技术和智能控制方法规划帆船行驶最优路径，对于促进帆船运动员的科学 训练，提高比赛成绩，具有较高的实用价值和科研价值；对于促进复杂系统的理 论研究也具有重要意义。 从优化理论的角度来看，帆船运动路线的规划是一个时变、非线性、受约束、 不确定性系统的优化问题。 本文在国家自然科学基金项目“基于模糊一进化理论的奥运帆船项目路线规 划方法的研究”的资助下，展开帆船比赛绕标航行最优行驶路径规划方法的研究。 该方法在比赛区域建立二维平面坐标系，起航线为横坐标轴。将绕标比赛整个航 程划分若干区段，通过坐标轴旋转和平移得到相对于各区段的虚拟坐标系，各项 海洋参数转化为相对于虚拟坐标系的值。每个区段在各自的虚拟坐标系中采用基 于模糊综合评价的路径规划方法进行优化，规划完成后进行坐标还原，成为相对 于整个比赛区域坐标系的规划路径，综合后从而得到整个航程的帆船最优行驶路 线。仿真试验结果表明，该路径规划方法能够得到较好的优化结果，对于指导帆 船教练员、运动员训练具有较高的实用价值、指导意义和较好的应用前景。 在各区段中，采用基于模糊综合评价的帆船行驶最优路径规划方法。该方法 采用栅格法建立帆船航行的二维平面信息，以模糊逻辑为基础，结合帆船的运动 信息建立帆船在运动平面上的二维隶属函数模型，并采用模糊综合评价思想，综 合考虑行驶速度和接近目标两个因素建立综合评价函数进行行驶方向决策。利用 帆船绕标航行最优行驶路径方法研究 宽度优先搜索算法实现全局最优路径搜索。 本论文从实际应用的角度出发，提出了一种帆船最优路径规划演示系统的设 计方案，以辅助科学训练。该系统将利用g p s 技术、g i s 技术、无线数据传输技 术以及串口通信技术实现对帆船训练实际航行路线的实时检测及航行效果评价、 规划同样赛场环境参数下的最优路径、比较实际航行路线和最优航行路径的差异 等功能。通过该系统的实际应用，将把本文所研究的帆船绕标航行最优运动路径 规划理论用于指导帆船训练，提高帆船运动项目的科学训练水平，并在实践中进 一步检验本文路径规划算法的有效性，使算法更加完善。 本论文的内容组织如下：第1 章概述了国内外帆船研究的现状、发展动态以 及课题研究的意义、应用前景；第2 章阐述了直航比赛中基于模糊综合评价的帆 船航行最优路径规划方法；第3 章提出了基于分区段优化思想的帆船比赛绕标航 行全航程路径规划方法；第4 章详细介绍了帆船比赛最优路径规划演示系统；第 5 章对本论文的工作进行了总结，并讨论了迸一步研究的方向。 帆船绕标航行最优行驶路径方法研究 1 帆船研究概述 1 1 问题的提出及研究的意义 帆船是借助风帆推动船只在规定距离内竞速的一项水上运动。1 9 0 0 年第2 届奥运会开始列为正式比赛项目。帆船是一种古老的水上交通运输工具。作为娱 乐活动的帆船起源于1 6 1 7 世纪的荷兰。1 9 世纪英、美等国纷纷成立帆船俱乐 部，1 8 7 0 年举行了横渡大西洋的美洲杯帆船赛。国际帆船联盟于1 9 0 7 年在巴黎 成立。帆船运动作为一种竞赛项目逐渐兴起，并迅速风靡世界。 人类从开始使用帆船，就进行漫长的探索和实践，在帆船设计和驶风技术上 取得了可观的进步。帆和船体设计的优劣无疑对帆船的航行性能有极大的影响， 但绝大多数级别的帆船比赛均使用规定的船型和帆。这样，船员对赛场环境变化 的应变能力和操纵策略就成为影响整个赛程成绩的主要因素。可以说，帆船运动 是智慧和机敏的较量。帆船、环境因素和人的因素三者相结合的动态分析和研究 模式应成为未来的发展方向。 最近几十年来，帆船研究已有了很大进展，但是研究方向大都集中在对帆船 结构的优化上，重点是帆船的稳态空气动力和水动力特性“”1 。目前的典型芳 法是速度预测程序( v e l o c i t yp r e d i c t i o np r o g r a m 。v p p ) o ”。然而，由v p p 提供的稳态预测并不完善，技术还不成熟。因此，帆船研究者开始把研究重点转 向非稳态操纵问题“”1 ，对于帆船自动舵以及抢风行驶的研究也日益得到了重 视，关于帆船模型和智能化帆船自动舵、抢风行驶策略研究取得了一定的成果 ( 4 , 2 2 2 。但是对帆船运动的智能控制以及路线规划方法还没有得到足够重视。帆船 比赛是运动员驾驶帆船在规定的距离内比赛航速的一项运动。帆船在海上航行， 受海浪、海风及海流等环境扰动的影响力作用较大。如何依据比赛时的海洋气象 信息，在整个比赛航程中规划出最优行驶路径是比赛取胜的关键环节。 帆船比赛分为直航和绕标两种，目前帆船比赛都采用绕标；帆船绕标比赛项 目有三角绕标和长距离航行赛，奥运会、世界帆船锦标赛和中国帆船锦标赛都采 用短距离三角绕标航行。 国际上利用高科技手段指导运动员训练( 如运动姿态、肌肉运动图像分析、 帆船绕标航行最优行驶路径方法研究 运动路线分析等) ，在3 0 多年前已兴起了，且有很多成功的范例。我国在运动员 科技训练方面起步晚、相对落后，急需采取有力措施，促进该领域的发展。其中 “帆船的科技训练”项目是一项非常急需、技术可行的科技奥运项目。从目前我 国专业帆船运动队的实际训l 练情况来看，大都以实船跑标训练为主要手段，这对 提高操船的熟练程度和积累经验无疑是至关重要的，但对一次成功的跑标是否是 最佳的，能否进一步提高成绩，通过何种途经提高等问题缺乏科学的特别是定量 的判断依据。 本论文研究的目的就是应用现代信息技术和智能控制方法规划整个赛程最 优航行路线，指导帆船运动员如何根据外界环境条件变化而采取相应的操纵策 略，选择最优航行路线，推动帆船运动项目的科学训练，提高运动员成绩。 本论文的研究理论具有较高的理论意义。帆船在海上行驶是一个极其复杂的 过程，要受到海浪、海风及海流等环境条件变化的影响，是一个具有复杂环境、 不完备信息的系统。利用现代信息技术和智能控制方法规划最优航行路线，指导 帆船运动项目的科学训练，提高运动员成绩，促进复杂系统的理论研究，是一项 具有实际应用和科研价值的课题。因为这类系统是典型的具有复杂环境、不完备 ( 模糊性、不定性) 信息系统特点的路线规划、智能学习和训练的优化问题，处 理信息要用到模糊控制、神经网络、进化计算等计算智能系统中的软计算( s o f t c o m p u t i n g s c ) 方法。可以促进复杂系统的理论研究。 本论文的研究理论也具有一定的应用价值。可以指导帆船运动员进行科学训 练。根据赛时的赛场海洋、气象环境参数，选择出最佳运动路线( 时间、能量最 少) ，运动员、教练员将根据选定的最佳路线，反复训练，并形成对周围环境的 认识，控制转帆角和舵角，从而在比赛时能够跑出最佳路线，提高比赛成绩。具 有较好的应用前景。还可以应用于海上救助和渔船、军舰、货船的海上航行最佳 路线的规划中，具有一定的军事、经济意义。 1 2 国内外帆船研究的发展动态 1 2 1 国外的帆船研究进展 国外的学者对帆船运动的研究起步较早。这也与国外的帆船运动广泛开展以 l 叽船绕标航行最优行驶路径方法研究 及多种赛事有关。历史上有记载的以运动、娱乐为主要目的的帆船活动最早出现 在公元前7 0 年。现代竞技帆船运动出现于十七世纪初的欧洲。1 8 5 1 年，英、美 举行了横渡大西洋的帆船赛，美国的“美洲号”帆船获得冠军奖杯，1 8 5 7 年以 此杯名创立了美洲杯国际帆船赛。至今，这一著名赛事已持续了1 4 0 多年。 早期的研究试验大多是把经典的船舶操纵理论应用于帆船的研究。1 9 6 8 年， b u c h a n 和f l e w i t t 用非线性理论分析帆船自身的操舵系统特性。“。在报告中， 帆船动力学由相当简单的模型来表示，主要讨论自动舵的机理。几年之后， l e t e c h e r 对帆船的自动舵进行了较为详细的讨论3 。 1 9 7 0 年，c u r t i s s 提出了帆和操舵性能的最初分析。“。这篇文章详细讨论了 偏航和风压角，提出视为线性系统的帆船操纵模型，开发简单的方向稳定性规则 及其设计参数，用于无人驾驶帆船的设计。 几年之后，t i t l o w 首次提出了操纵帆船船体的六个自由度分析“1 。这一分 析，基于线性化的运动方程，并探讨了速度、帆作用力系数、舵特征、排水量、 特征值稳定性和模型形状的组合系统。但仅考虑了顺风航行和固定控制的情况。 1 9 7 9 年，n o m o t o 和t a t a n o 研究了相对于侧力的船体中心压力的位置，即所 谓的中心侧向阻力1 。模型试验结果与许多固定的计算程序得出的结果进行了对 比。提出了一个使用典型的涡流升力理论计算船体附属物，并使用细长体理论计 算船体本身作用力的新方法。该方法可以合理地计算侧阻力的中心，最后给出了 性能预测和舵平衡的讨论。 1 9 8 9 年，l e t c h e r 第一次全面地研究船体附属物和装置对平衡和操纵性能的 影响“”。对船具装置、龙骨和舵在大范围内可移动，包括鸭式结构( 前置舵) 的 性能进行了许多实验。 此后，新西兰奥克兰大学的几位学者对帆船的操纵进行了研究。1 9 8 9 年， r s u l l i v a n 对帆船的航行速度的预测进行了仿真研究。“。文中应用牛顿第二定 律，即“对于任何物体，若它没有加速度( 稳态的) ，则作用在三个坐标方向上 的力和力矩之和为零”，建立了一个简单速度预测程序。用于求解一系列与帆船 受力有关的公式，即帆船速度、偏航角和横倾角的非线性函数。对一系列给定条 件，就能得出帆船的恒定速度、偏航角、横倾角和平衡受力。不足之处在于，没 帆船绕标航行最优行驶路径方法研究 有考虑帆船的加速度。n d a v i e s 对帆船的动态特性作了描述，文中应用牛顿第 二定律作为建立帆船模拟器的理论依据。即“作用在物体上的合成力等于物体的 质量和物体在力的方向上的加速度的乘积”。因此，帆船模拟程序通过测定作用 在帆船上的力和力矩，得到加速度。d a v i d 总结前两位学者的成果。1 9 9 5 年，d a v i d 分析了如何建立一个帆船比赛模拟程序，用来对每一种新制造的帆船的航行性能 进行测定和评估。提出了帆船项目比赛取胜的几个关键因素，如比赛过程中观 察天气状况，在行驶过程中选择战术以及帆船的动力学特性。首次提出可以用仿 真程序模拟帆船项目比赛。但是仿真比赛没有考虑风向、海浪和海流的随机扰动。 1 9 9 2 年，w a l l i s 和p o u r z a n j a n i 发表文章，讨论了适用六自由度运动方 程用于小船运动的仿真，比1 9 9 1 年b r o w i n g 中提出的模型更完整。两篇文章 都是针对动力船只的运动仿真。 1 9 9 7 年，a k i m o t o 开发了一个操纵帆船船体的复杂仿真。“。然而，这个研究 没有涉及到附属物或船具装置负载。因此，也不是一个真实的操纵仿真，也没有 对围绕船体的非稳态流体动力学进行研究。 1 9 9 9 年，d o u g a lh a r r i s 研究了帆船在波浪中顺风行驶的性能“1 。编制软件 与速度预测程序一起预测帆船顺风航行的平均速度。该软件主要用于研究影响帆 船在波浪中顺风航行的船体、附属物、帆和索具的设计参数。 2 0 0 0 年，x i a o 和a u s t i n 研究了美洲杯帆船的自导航o 。提出帆船运动的某 些非线性特征，用m a t l a b 进行了仿真实验测试了线性化的帆船模型的性能。 目前，一些数字帆船航行仿真已经开发用于计算机游戏市场。这在1 9 9 6 年 o x n a m 的文章中已有论述。“。这篇文章对技术问题介绍很少，但是表明有许多数 字产品可选。1 9 8 4 年，a n d r e w s 和k e i n g e r 提出了用b a s i c 编写的在i b mp c 机 上运行的航行仿真器”1 。遗憾的是，对模型信息设计很少，这是作者自身的原因， 出于商业保密，他们不愿意讨论模型所用的方法，也很少发表文章介绍。 1 2 2 国内的帆船研究进展 帆船运动从2 0 世纪5 0 年代中期传到中国，1 9 7 8 年我国正式开展这项运动， 期间经历了国际、国内比赛，并取得了一定成绩，在第2 7 届奥运会上，取得第 帆船绕标航行塌优行驶路径方法研究 5 名和第7 名。 国内对于帆船操纵的研究起步较晚。1 9 9 3 年，上海交大的缪国平综述了有 关帆船运动的基本力学原理，包括帆船的驶风原理、船体和风帆的受力分析和影 响性能的因素以及逆风赛程的最佳驶风技术“1 。最后讨论了提高帆船运动水平的 若干研究方向。但是对许多复杂的因素未能纳入评述，例如波浪中的驶风问题等。 最近几年，大连海事大学的几位学者对帆船自动舵开展了一些研究。2 0 0 2 年，杨承恩用前馈控制器爿m 设计帆船航向控制器，在前馈控制设计中引入了镜 像映射的方法来消除非最小相位的影响。通过仿真试验验证了航向控制器能有效 保持航向“。但是没有在海上进行测试。2 0 0 3 年，肖成模针对小型竞赛用的帆 船，设计了一个小型帆船自适应自动舵。采用自适应l o r 控制算法，在不同外部 条件下控制帆船的航向，用m a t l a b 辨识工具进行了仿真试验“1 。但是该方法离 不开在线辨识，而长时间的辨识易造成辨识参数发散，并且控制效果也不理想。 以上研究都是针对自动舵机，而没有对航行策略进行分析研究。而帆船比赛中， 不能使用自动舵，只能是人工操纵帆船。 2 0 0 4 年，杨承恩提出用神经网络控制器对小型帆船的航向控制。利用神 经网络具有可以任意逼近任何形式的非线性函数这样一种特性。对于一个系统的 不同非线性特性，可以采用不同的神经网络结构来辨识和控制它。但是仅讨论了 基于神经网络的自适应控制算法。 从以上文献综述来看，以往对帆船的研究，国内外的研究工作多数着眼于船 体和帆的流体动力特性分析，以及对帆船自动舵的研究。对各种因素联合作用下 帆船综合航行性能以及航行策略的研究还比较少。尤其是在帆船运动路线规划等 方面都还没有很深入的研究。其次，对帆船智能控制的研究都还处于理论研究阶 段，没有成熟的产品付诸于帆船运动员的辅助训练等实际应用。 帆船比赛是运动员驾驶帆船在规定距离内比赛航速的一项运动。帆船在海上 行驶是一个极其复杂的过程，受海浪、海风及海流等环境扰动的影响力作用较大， 是一个具有复杂环境、不完备( 模糊性、不定性) 信息的系统。那么，依据比赛时 的海洋气象信息，比赛航程特点，如何在整个比赛航程中规划出最优行驶路径是 比赛取胜的关键环节。从优化理论的角度来看，帆船运动路线的规划是一个时变、 帆船绕标航行最优行驶路径方法研究 非线性、受约束、不确定性系统的优化问题。 随着计算机技术、自动化和人工智能的发展，包含模糊逻辑控制、神经网络、 遗传算法、进化规划和增强型学习算法的智能控制方法是当前自动控制研究的热 点之一。目前，很多学者已尝试将神经网络( n n ) 、模糊逻辑( f l ) 、遗传算法( g a ) 和进化规划( e p ) 等智能技术集成混合智能系统( h i s ) ，这样可以充分发挥各种 智能技术的优势。在混合智能系统基础上研究的混合智能控制器和路线优化算 法，也逐渐在船舶运动航向控制和航迹规划系统中得到了应用。7 “1 。下面将简要 介绍，智能控制方法的发展和在帆船研究中的应用情况。 1 3 智能控制方法在船舶操纵控制中的应用 智能控制是一个新兴的学科领域，是控制理论发展的高级阶段。智能控制主 要用来解决那些用传统控制方法难以解决的复杂系统的控制问题。智能控制的研 究对象具备复杂性、非线性、时变性、不确定性和不完全性的特点，一般无法获 得精确的数学模型。智能控制是面向过程的控制。在控制过程中，具备不同于传 统控制的两个本质特点： ( 1 ) 学习的能力 智能控制过程( 或智能控制器) 不仅具有从外界获取并存储知识的本领，还 能够不断积累经验，吸收好的控制策略，增强对环境的应变能力。 ( 2 ) 决策的能力 智能控制能够根据已学习过样本及外界环境的变化，随时调整控制策略，使 得控制过程朝着改善系统动态品质的方向发展。 智能控制采用各种智能化技术( 神经网络、模糊数学、专家系统、进化论等) 实现复杂系统和其他系统的控制目标，是一种具有强大生命力的新型自动控制技 术。智能控制的研究和应用是一副多彩多姿的图像：从实验室到工业现场；从家 l 用电器到火箭指导；从制造业到采矿业；从飞行器到武器控制；从轧钢到邮件处 理机。将智能控制技术等方法引入帆船控制( 如自动舵的控制) 中，将有可能解 决传统自适应控制所难以解决的控制问题。7 1 。 帆船绕标航行塌优行驶路径方法研究 1 3 1 模糊控制理论的产生和应用概况 人类最初对事物的认识都是不定性的、模糊的、非精确的，因此将模糊信息 引入智能控制是有着十分重要的意义。1 9 6 5 年，美国教授查德( l a a a n d e h ) 首先提出了模糊集合的概念，由此开创了模糊数学及其应用的新纪元。模糊数学 研究现象的，和研究随机现象的概率论一样都属于不确定性数学。但是，不可认 为模糊数学是模糊的概念，它是完完全全精确的，它是借助定量的方法研究客观 世界的模糊现象，揭示其本质和规律的工具。模糊数学在经典数学和充满模糊性 的现实世界之间架起了一座桥梁。 模糊集合理论的产生和发展到现在不过3 0 年的历史，但它已经逐步渗入到 自然科学和社会科学的各个领域，并且取得了引人注目的成果。模糊控制是模糊 集合理论应用的一个重要方面。模糊控制在一定程度上模仿了人的控制过程，其 中包含了人的控制经验和知识，不需要有准确的控制对象模型。因此，模糊控制 是一种智能控制“。 模糊控制的价值可从两个方面来考虑。一方面，模糊控制提出一种新的机制 用于实现基于知识( 规则) 甚至语义描述的控制规律。另一方面，模糊控制为非 线性控制器提出一个比较容易的设计方法，尤其是当受控装置( 对象或过程) 含 有不确定性而且很难用常规非线性控制理论处理时，更是有效“”。因而模糊逻辑 控制( f u z z yl o g i cc o n t r o l ，f l c ) 特别适用于以下的系统： ( 1 ) 由于太复杂而无法建立精确数学模型的系统； ( 2 ) 具有明显非线性的系统： ( 3 ) 具有参数不确定性或结构不确定性的系统。 1 9 7 4 年英国教授马丹尼( e h m a m d a n i ) 首先将模糊控制应用于加热器的控 制。到目前，模糊控制应用场合日益增多，已经在很多领域获得了成功的应用。 除了工业过程控制外，各种商业民用场合也广泛应用了模糊控制，如空调系统、 洗衣机、汽车紧急制动和防撞、地铁、机器人等的控制。 在船舶操纵运动控制方面，模糊控制也有一些成果。值得指出的有：2 0 世 纪8 0 年代末a m e r o n g e n 等提出用基本的模糊控制器构成船舶航向模糊控制系统 帆船绕标航行最优行驶路径方法研究 。”。虽然大量实践和理论已经证明模糊控制特别适合于难以建立数学模型、存在 非线性和时变性的对象，但对于船舶操纵运动这种模型受航行状况的变化易引起 模型参数摄动，环境干扰复杂多变的系统，没有自适应能力的控制器是很难应用 的。所以2 0 世纪9 0 年代s u t t o n 等将p r o c y k 和m a m d a n i 提出的语言型自组织控 制器( s e l f o r g a n i z i n gc o n t r o l l e r ，s o c ) 应用于船舶自动舵的设计中“”。但 由于s o c 系统计算复杂，并且它的控制作用之取决于误差信号，对一般非线性系 统很难获得满意的结果。随后，j e f f e r y 等还研究了船舶航向的模型参考模糊自 适应控制系统“。1 9 9 3 年，l y n e 和p a s s i n o 提出一种基于参考模型的船舶运动 闭环控制系统，系统中的模糊控制器具有自学习能力，用于货船航向控制取得了 较满意的仿真效果“”。1 9 9 5 年p a r s o n s 等研究了模糊航迹舵控制器“，并对模 糊控制器进行了评价。1 9 9 8 年v u k i c 等人提出的船舶航迹的模糊控制是本领域 近期工作的代表，具有一定的参考价值。他对航迹自动舵的设计是成功的。但 是其明显的缺陷是模糊控制不具有自适应性；控制规则完全由先验知识予以确 定。 总之，三十年里，模糊控制理论和模糊控制方法有了很大进展，模糊控制器 的性能不断提高。模糊控制系统易于接受，设计简单，维护方便，而且比常规控 制系统稳定性好，鲁棒性高。模糊控制正在得到越来越广泛的应用，成为自动控 制领域的主力军。 1 3 2 人工神经网络的产生和应用概况 作为动态系统辨识、建模和控制的一种新的和令人感兴趣的工具，人工神经 网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 在过去的十多年中得到大力研究并取 得重要进展。 人工神经网络研究的先锋一- - m c c u l l o c h 和p i t t s 曾于1 9 4 3 年提出一种叫 做“似脑机器”( m i n d l i k em a c h i n e ) 的思想，这种机器可由基于生物神经元特 性的互连模型来制造，这就是神经学网络的概念。他们构造了一个表示大脑基本 组成部分的神经元模型，对逻辑操作系统表现出通用性。随着大脑研究的进展， 研究目标已从“似脑机器”变为“学习机器”，为此一直关心神经系统适应律的 h e b b 提出了学习模型。r o s e n b l a t t 命名感知器，并设计一个引人注目的结构。 1 0 帆船绕标航行最优行驶路径方法研究 到2 0 世纪6 0 年代初期，关于学习系统的专用设计指南有w i d r o w 等提出的 a d a l i n e ( a d a p t i v el i n e a re l e m e n t ，即自适应线性元) 以及s t e i n b u c h 等提出的 学习矩阵。由于感知器的概念简单，因而在开始介绍时对其寄托很大希望。然而 不久之后，m i n s k y 和p a p e r t 从数学上证明了感知器不能实现复杂逻辑功能。 到了2 0 世纪7 0 年代，g r o s s b e r g 和k o h o n e n 对神经网络研究做出重要贡献。 以生物学和心理学证据为基础，g r o s s b e r g 提出具有新颖特性的非线性动态系统 结构。该系统的网络动力学由一阶微分方程建模，而网络结构为模式聚集算法的 自组织神经实现。基于神经元组织自己来调整各种各样的模式的思想，k o h o n e n 发展了他在自组织映射方面的研究工作。w e r b o s 在2 0 世纪7 0 年代开发出一种 反向传播算法。h o p f i e l d 在神经元交互作用的基础上引入一种递归型神经网络， 这种网络就是有名的h o p f i e l d 网络。在2 0 世纪8 0 年代中期，作为种前馈神 经网络的学习算法，p a r k e r 和r u m e l h a r t 等重新发现了返回传播算法。近年来， 神经网络己在从家用电器到工业对象的广泛领域找到其用武之地。 人工神经网络的下列特性对控制是至关重要的。 ( i ) 并行分布处理。神经网络具有高度的并行结构和并行实现能力，因而能 够有较好的耐故障能力和较快的总体处理能力。这特别适于实时控制和 动态控制。 ( 2 ) 非线性映射。神经网络具有固有的非线性特性，这源于其近似任意非线 性映射( 变换) 能力。这一特性给非线性控制问题带来新的希望。 ( 3 ) 通过训练进行学习。神经网络是通过所研究系统过去的数据记录进行训 练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此， 神经网络能够解决那些由数学模型或描述规则难以处理的控制过程问 题。 ( 4 ) 适应与集成。神经网络能够适应在线运行，并能同时进行定量和定性操 作。神经网络的强适应和信息融合能力使得网络过程可以同时输入大量 不同的控制信号，解决输入信息间的互补和冗余问题，并实现信息集成 和融合处理。这些特性特别适于复杂、大规模和多变量系统的控制。 ( 5 ) 硬件实现。神经网络不仅能够通过软件而且可借助硬件实现并行处理。 帆船绕标航行最优行驶路径方法研究 近年来，些超大规模集成电路实现硬件已经问世，而且可从市场上购 买到。这使得神经网络具有快速和大规模处理能力得以实现。 很显然，神经网络由于其学习和适应、自组织、函数逼迫和大规模并行处理 等能力，因而具有用于智能控制系统的潜力。 神经网络在模式识别、信号处理、系统辨识和优化等方面的应用已有广泛研 究。人们在控制领域已经做出许多努力，把神经网络用于控制系统，处理控制系 统的非线性和不确定性及逼迫系统的辨识函数等“。 a n n 理论的应用已经渗透到诸多领域，在模式识别、计算机视觉、自适应滤 波、信号处理、自动目标识别、船舶智能控制等方面都已取得了令人鼓舞的进展。 神经网络控制器在船舶操纵控制方面的应用文献基本上是从8 0 年代末期才 出现，目前还处于软件仿真模拟阶段。1 9 8 9 年，e n d o 采用训练神经网络，来研 究用神经网络实现船舶操纵运动控制的可能性“。作者首先用p d 控制器作为教 师信号对神经网络进行训练，分别对三种结构的b p 网络：两层( 无隐层) 结构、 两个隐层均为4 个神经元的四层结构和两个隐层均为8 个神经元的四层结构神经 网络，用1 0 0 0 个数据进行训练。将训练好的神经网络控制器用仿真方法证明了： 神经网络控制器对船舶具有与教师相同的控制效果，但这种神经网络控制器因为 没有自学习功能，学习时间又长，因此无法实现在线控制。1 9 9 5 年，英国的b u r n 采用更复杂的最优控制器代替p d 控制器对多层感知器神经网络控制器进行离线 学习 4 0 o 张尧在n e w c a s t l e 大学攻读博士期间，有创见性地将a n n 的直接控制算 法应用于船舶运动控制，取得了优秀的成果“”1 ，包括把单入单出a n n 控制律应 用于航向控制，把单入多出a n n 控制律应用于航迹控制，把多入多出a n n 控制律 应用于自动离靠泊研究，层次分明，逐步深入。他所做的大量仿真研究具有重要 的参考价值。 1 3 3 进化计算的研究和应用概况 生物群体的自下而上过程普遍遵循达尔文的“物竞天择、适者生存”的进化 准则。群体中的个体根据对天南地北的适应能力而被大自然所选择或淘汰。进化 过程的结果反映在个体结构上，其染色体包含若干基因，相应的表现型和基因型 帆船绕标航行最优行驶路径方法研究 的联系体现了个体的外部特性与内部机理间的逻辑关系。生物通过个体间的选 择、交叉、变异来适应大自然环境。生物染色体用数学方式来体现就是一串数码， 仍叫染色体，有时也叫个体对应一个染色体的数值来衡量；染色体的选择或淘汰 问题是按求最大还是最小问题来进行。 2 0 世纪6 0 年代以来，如何模仿生物来建立功能强大的算法，进而将它们运 用于复杂的优化问题，越来越成为一个研究热点。进化计算( e v o l u t i o n a r y c o m p u t a t i o n ) 正是在这一背景下孕育而生的“”。 1 3 3 1 进化计算理论 。 进化计算用简单的编码技术来表示各种复杂的结构，并通过对一组编码表示 进行简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。由于 它采用种群( 即一组表示) 的方式组织搜索，这使得它可以同时搜索解空间内的 多个区域。而且用种群组织搜索的方式使得进化算法特别适合大规模并行。在赋 予进化计算自组织、自适应、自学习等特征的同时，优胜劣汰的自然选择和简单 的遗传操作使进化计算具有不受其搜索空间限制性条件( 如可微、连续、单峰等) 的约束及不需要其他辅助信息( 如导数) 的特点。这些崭新的特点使得进化算法 不仅能获得较高的效率而且具有简单、易于操作和通用的特性，而这些特性正是 进化计算越来越受到人们青睐的主要原因之一“。 在科学研究和工程技术中，许多问题最后都有可以归结为( 或包含了) 求解 最优解的问题( 优化问题) ，如最优设计问题、最优控制问题等。进化计算是基 于自然选择和自然遗传等生物进化机制的一种搜索算法。与普通的搜索算法( 如 梯度算法) 一样，进化计算也是一种迭代算法，即从给定的初始解通过不断地迭 代，逐步改进收敛到最优解。在进化计算中，每一次迭代都被看成是一代生物个 体的繁殖，因此称为“代”( g e n e r a t i o n ) ”1 。 在自然界中，物种的性质是由染色体决定的，而染色体则是由基因有序地排 列组成的。在搜索问题中，目标是由决策变量决定的，决策变量则是由一系列的 分量组成的。进化计算正是人为建立并充分利用了这种相似性。 1 3 3 幺 进化计算分类 帆船绕标航行最优行驶路径方法研究 目前研究的进化计算主要包括以下三种典型的进化算法：遗传算法( g e n e t i c a l g o r i t h m s ，g a ) 、进化策略( e v o l u t i o ns t r a t e g i e s ，e s ) 和进化规划 ( e v o l u t i o n a r yp r o g r a m m i n g ，e p ) 。这三种算法是彼此独立发展起来的，各自 有不同的侧重点和不同的生物进化背景，各自强调了生物进化过程中的不同特 性。 遗传算法( g a ) 是模仿生物遗传学家和自然选择机理，通过人工方式构造的一 类优化搜索算法，是对生物进化过程进行的一种数学仿真，是进化计算中的一种 最重要的形式。霍兰德( h o l l a n d ) 于1 8 7 5 年在他的著作 a d a p t a t i o ni nn a t u r a l a n da r t i f i c i a ls y s t e m s 中首次提出以来，经过近3 0 年研究，遗传算法现已 发展到一个比较成熟的阶段。 遗传算法是一种基于空间搜索的算法，它通过自然选择、遗传、变异等操作 以及达尔文适者生存的理论，模拟自然进化过程来寻找所求问题的解答。因此遗 传算法的过程也可看做最优化过程。需要指出的是：遗传算法并不能保证所得到 的是最佳答案，但通过一定的方法，可以将误差控制在允许的范围内。遗传算法 具有以下特点： ( 1 ) 遗传算法是对参数集合的编码而非针对参数本身进行进化； ( 2 ) 遗传算法是从问题解的编码组开始而非从单个解开始搜索； ( 3 ) 遗传算法利用目标的适应度这一信息而非利用其他辅助信息来指导搜 索； ( 4 ) 遗传算法利用选择、交叉、变异等算子而不是利用确定性规则进行随机 操作。 遗传算法利用简单的编码技术和编码机制来表现复杂的现象，从而解决非常 困难的问题。它不受搜索空间的限制性假设的约束，不必要求诸如连续性、存在 和单峰等假设，能从离散的、多极值的、含有噪声的高维问题中以很大的概率找 到全局最优解。由于它固有的并行性，遗传算法非常适用于大规模并行计算，已 在优化、机器学习和并行处理等领域得到了越来越广泛的应用“。 遗传算法类似于自然进化，通过作用于染色体上的基因寻找好的染色体来求 帆船绕标航行最优行驶路径方法研究 解问题。与自然界相似，遗传算法对求解问题的本身一无所知，它所需要的仅是 对算法所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应性好 的染色体有更多的繁殖机会。在遗传算法中，通过随机方式产生若干个所求解问 题的数字编码，即染色体，形成初始群体适应度函数给每个个体一个数值评价， 淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个 体集合形成下一代薪的群体，再对这个新群体进行下一轮进化。这就是遗传算法 的基本原理。一般遗传算法的主要步骤如下： ( 1 ) 随机产生一个由确定长度的特征字符串组成的初始群体。 ( 2 ) 对该字符串群体迭代地执行下面的步骤和，直到满足停止标准： 计算群体中每个个体字符串的适应值； 应用复制、交叉和变异等遗传算子产生下一代群体。 ( 3 ) 把在后代中出现的最好的个体字符串指定为遗传算法的执行结果，这个 结果可以表示问题的一个解“”。 进化策略( e s ) 是6 0 年代由德国的i r e c h e n b e r g 和h p ：s c h w e f e l 等人进 行风洞实验时所共同开发出的一种优化算法。开发进化策略的最初目的是为了求 解多峰值非线性函数的最优化问题。随后人们根据算法的不同选择操作机制提出 了许多不同种类的进化策略，这些不同类型的进化策略在许多工程问题上都得到 了一定程度的应用。与遗传算法相比，进化策略具有下面的一些主要特点。“： ( 1 ) 进化策略中各个个体的适应值直接取自它所对应的目标函数值。 ( 2 ) 个体的变异操作是进化策略中所采用的主要搜索技术，而个体之问的交 叉操作只是进化策略中所采用的辅助搜索技术。 ( 3 ) 进化策略中的选择运算是按照确定的方式来进行的，每次都是从群体中 选取最好的几个个体，将它们保留到下一代群体中。 进化规划( e p ) 是6 0 年代由美国的lj f o g e l 等人为求解预测问题而提出 的一种有限状态机进化模型。在这个进化模型中，机器的状态是基于均匀随机分 布的规律来进行变异的。9 0 年代，d b f o g e l 又将进化规划的思想拓展到实数空 间，使其能够用来求解实数空间中的优化计算问题，并在其变异运算中引入正态 l 叽船绕标航行_ 最优行驶路径方法研究 分布的技术。这样，进化规划就演变成为了一种典型的优化搜索算法，并在很多 实际领域中得到了广泛应用1 。与遗传算法和进化策略相比，进化规划的主要特 点归纳如下： ( 1 ) 进化规划对生物进化过程的模拟主要着眼于对物种群体的模拟，所以它 不使用个体重组方面的操作算子，如：交叉算子。 ( 2 ) 进化规划中的选择运算着重于群体中各个个体之间的竞争选择，但当竞 争数目q 较大时，这种选择也就类似于进化策略中的确定性选择过程。 ( 3 ) 进化规划直接以问题的可行解作为个体的表现形式，无需再像遗传算法 那样对个体进行编码处理，也无需再考虑随机扰动因素对个体的影响， 这样就更便于其应用。 ( 4 ) 进化规划以”维实数空间上的优化问题作为主要处理对象。 1 3 3 3 进化计算应用概况 目前，进化计算几乎在所有的学科和工程领域都得到了广泛的关注和越来越 多的应用。 进化计算作为一种高鲁棒性的全局最优搜索算法，被视为是一种性能良好的 优化算法，在控制领域中它的应用需要和模糊控制或神经网络相结合，方能形成 强有力的混合智能控制策略。目前，很多学者已尝试将三者结合，这样可以充分 发挥各种智能技术的优势。如f l 的知识表达和推理能力，n n 的知识获取、学习 及适应、非线性映射与容错能力，g a 的知识获取、优化能力，以及e p 的优化搜 索、函数优化能力，从而获得较好的控制效果。这些智能控制系统已应用于船舶 运动航向控制”“。 1 9 9 8 年，e u a nw m c g o o k i n 提出了基于遗传算法的船舶智能操纵系统。通 过滑模控制器实现两个控制帆船运动的子系统之间的切换，利用遗传算法完成在 不同操纵状态下的滑模控制器参数的优化“。 模糊自适应学习控制网络( f a l c o n ) 是一种把传统的模糊控制的基本结构嵌 人到多层神经网络中的控制器表现形式“。它取模糊控制器作为船舶控制的主控 帆船绕标航行屉优行驶路径方法研究 策略，利用n n 学习能力优化网络参数与结构。采用n n 优化模糊控制器参数时， 有教师的学习算法可取得较好效果，但该算法要求一定数量的样本数据，且样本 数据要尽可能是完备与准确的。在一些情况下，要获得这种样本比较因难。g a 优化算法具有全局寻优能力，且不需要有样本，但其实时性较差，不能满足在线 学习要求。2 0 0 2 年，郭晨提出了基于遗传算法学习的模糊小脑模型神经网络控 制( g a f c m a c ) 算法并应用于船舶运动控制“。在模糊自适应学习控制网络 ( f a l c o n ) 的研究基础上，针对g a 优化算法实时性较差，不能满足在线学习要求 的缺陷，杨国勋将增强型学习算法与混合智能技术相结合，应用于船舶运动航向 控制。克服了通常混合智能算法的学习需要一定数量样本数据的缺陷，又能发 挥各种智能算法的优势。 1 3 4 智能控制小结 人类的进化归根结底是智能的进化，而智能反过来又为人类的进一步发展服 务。对智能系统、智能控制的钟情、期