（电力电子与电力传动专业论文）神经网络船舶航向控制的研究.pdf

神经网络船舶航向控制的研究 文章最后钭对系统的仿真结果，说明了神经网络控制的优势所在，同时对其 不足加以分析并提出下一步研究的方向。作为新事物，智能舵在实船上还没有得 到广泛的应用，需要更多更艰辛的努力。但随着新理论的提出和计算机技术的发 展，智能舵的发展前景是巨大的。 关键词：自动舵，船舶模型，神经网络，b p 算法 i i a b s t r a c t t h es h i pm a n e u v e r i n g sa u t o m a t i ci n s t r m n e n tn a m e da u t o m a t i cs t e e r , i ti sa n i m p o r t a n tc q m p m e n ti ns h i p p i n gm a n e u v e r i n g , i t su s e dt om a i n t a i nag i v e nd i r e c t i o n o rt r a c k w i t ht h ei n c r e a s i n go fs h i p p i n g ，t h en e e do fa u t o m a t i cs t e e rg e t sg r e a t e r i m p r o v e m e n t t h ei m p r o v e m e n to fa u t o m a t i cs t e e ri s a ss a u l ea st h a to fc o n t r o l t h e o r i e s i n1 9 2 0 sw h e ns p e r r yo fa m e r i c a na n da n s u c h zo fg e r m a ng o te s s e n t i a l p r o c e s si nt h er e s e a r c ho fr o l a n da n dm a d et h em e c h a n i c a ls t e e r , i t sam i l e s t o n eo f s h i p p i n gm a n e u v e r i n g l a t e ro nt h eb a s eo fd e v e l o p m e n to fe l e c t r o n i c sa n dt h e a p p l i c a t i o no ft h e m ，p i ds t e e ra p p e a r e dw h i c hi n t e g r a t e dc o n t r o lt e c h n o l o g ya n d e l e c t r o n i c p a r t s i nt h el a t eo f1 9 6 0 s ，a d a p t i v et h e o r ya n dc o m p u t e rt e c h n o l o g y d e v e l o p e ds p e e d i l y , t h e na d a p t i v es t e e rc a m ef o r t hb yu s i n ga d a p t i v et h e o r yi n s h i p p i n gm a n e u v e r i n g f r o m19 8 0 sp e r s o n sb e g a nt ol o o k i n gf o rw a y sa ss a m ea s w h a tad r i v e rd o ，t h e ni n t e l l i g e n c es t e e r sa p p e a r e d t h e ya r ee x p e r ts y s t e m ，f u z z y c o n t r o 】a n dn e u r a ln e t w o r k t h i sa r t i c l ei sd i s c u s s i n gt h ea p p l i c a t i o no f n e u r a ln e t w o r ki na u t o m a t i cs t e e r , w e c a nc o n t r o lt h ed i r e c t i o no f s h i pb yap e r s o n a lw i n d o w w h a t ih a v ed o n ea r e ： 1 ) s e l e c tt h ed i r e c ti n v e r s en e u r a ln e t w o r ka sc o n t r o ls t r a t e g y t h i si d e ai se a s yt o r e a l i z e ，b u tt h ea b i l i t yi sp o o li no r d e rt oo v e r c o m et h ew e a k n e s s ，w ep u tt h e i n t e r f e r e n c eo fe n v i r o n m e n ta n df o r m e rs t a r t so fa p p e a r a n c ei n t ot h en n c ，s ot h a tt h e n e t w o r kc a na p p r o a c ht h ef a c t 2 ) e s t a b l i s han o n l i n e a rs h i pm o d e lo fm a t h e m a t i c ag o o ds h i pm o d e le a r lh e l p u sg r e a t l y b u tw ea l w a y sd e s i g nc o n t r o ls y s t e mo nt h eb a s eo f l i n e a rf e e d b a c kc o n t r o l t h e o r i e s i tc a u s ea l m o s ta l lt h es h i pm o d e l sa r el i n e a r , m a n yd e t a i l sa r en e g l e c t e d a s w ek n o wt h a tn e u r a ln e t w o r kc a na p p r o a c ha 1 1k i n d so f n o n l i n e a rs y s t e m w ec a ng e ta p r e c i s i o ns h i pm o d e lb yt a l k i n ga b o u tc h a r a c t e r i s t i co fs t e e r , o a r , s h i pb o d ya n dt h e i n f l u e n c eo f w i n d ，f l o wa n dw a v e 3 ) s e l e c tt h eb p ( b a c k - p r o p a g a t i o n ) a l g o r i t h mi nn e u r a ln e t w o r k b pa l g o r i t h m i si nc o m n l o nu s ea n di t so n eo f b e s ta l g o r i t h m so f n e t w o r k t h ea p p l i c a t i o no f i tc a n i m p r o v et h ed e p e n d a b l e t h i sa r t i c l ed i s c u s s e st h eq u e s t i o nt h a th o wt om o d i f ya t y p i c a lb pn e u r a ln e t w o r kt om e e ta p p l i c a t i o n w h a tm e n t i o n e da r ea p p e a r a n c eo f ( k - 1 ) ，t h en u m b e ro fi m p l i c i tl a y e ru n i t s ，r e q u e s to fi n p u t ，v e l o c i t yo fs t u d ya n d d e l i v e rf u n c t i o n t h e yc a l ln o to n l yi m p r o v et h ea u t o m a t i cs t e e r , b u ta l s ob eu s e di n o t h e rw a y s 4 ) m o d e lo ft h ea l ls y s t e mi se s t a b l i s h e di nm a t l a b e v e r yp a r to ft h es y s t e m i si m i t a t e da n da n a l y z e d a tl a s t , aw i n d o wi sg i v e n d r i v e rc a l lp u tt h ei n t e r f e r e n c eo f e n v i r o n m e n ta n db e g i n n i n gs t a r t so fa p p e a r a n c ei n t ot h eb l a n k s ，i n p u tw i l lb ep u ti n t o t h e r et o o a f t e rh i tt h ek e y o f r u n ”，t h eo u t p u tw i l lb eg i v e n a tl a s t ，t h er e s u l t sa r ea n a l y z e d w ec a nf i n dt h ea d v a n t a g eo fn e u r a l n e t w o r kc o n t r o ll e r ，b u tt h ew e a k n e s s e sa r ea p p e a r e dt o o a san e wt h i n g ， i n t e l l i g e n c es t e e r sh a v en o tb e e n u s e dw i l d l yi ns h i p b u t ，w i t ht h e a p p e a r a n c eo fn e wt h e o r i e sa n dt h ei m p r o v e m e n to fc o m p u t e r ，t h et o m o r r o w o fi n t e l i i g e n c es t e e r sa r eb r i l l i a n c e k e y w o r d s ：a u t o m a t i cs t e e r , s h i pm o d e l ，n e u r a ln e t w o r k ，b pa l g o r i t h m 论文独创性声明 本论文是我个人在导师掺导下进行的研究工作及取得的研究成果。论文 中除了特别加以标注和致谢酌地方矫，不包含其 藏入或其饿机构谶经发浚或 撰写过的麟究成聚。其弛嗣惑对本磅究的启发和所徽的贡献均恐农论文巾作 了溺确的声鹱并袁暴了谢意。 俸者签名。丢。越一强麓：蔓熊垒 论文使粥授权声明 本人同意上海海事大学有关保馨、使用学位论文的规定，即：学校有权保 留送交论文复印件，允许论文被查阅和储阋；学校可黻t 鹅公布论文的全部或 部分内容，可以采朋影印、缩印或者其它复铡乎段保存论文e 保密的论文在解 密舞遴守既规定。 裕者签名轧募茹：菩簿狮签名：盏耻盟秘鹚：- 盥盐量一 神经网络船舶航向控制的研究 第一章绪论 人类的航运史可以追溯到远古时代，那时候我们的祖先就开始用独木舟来捕 鱼涉水，他们用木片来划水前进，也用木片来控制航向；后来出现了稍大的船， 通常用双桨驱动，橹登上了历史舞台，它是桨和舵的结合体；随着风帆船时代的 到来，船舶航程和载重量得到了质的提高，对航向操纵精确度的要求也日益迫切， 1 0 0 0 多年前，置于船尾的舵出现了，它把航向控制系统和动力系统分开，人类 走向深海的脚步再也没有停过。1 8 世纪第一次革命后，发动机推动着巨大的桨 叶，船舶以前所未有的吨位和速度驶入大洋，人工操舵让步于动力驱动的操舵装 置，它能产生每米数十吨的力矩让数千数万吨的巨轮转向。舵，控制着航向的变 化，而历史见证着舵的变化。 船舶在海洋中的运动非常复杂，其本身可分解为前进、横漂、起伏三种平移 和转首、横摇、纵摇三种转动，这六个自由度的运动彼此之间还存在耦合关系， 同时船与周围流体不仅有关联惯性力，而且相互作用产生了黏性力。从外界干扰 因素来看，风、流、浪力是主要的干扰项，它们会施加附加动力，会产生高频振 荡，会使船位漂移。桨、舵、锚的动力学关系叶各有各的特点。总之，船舶实际 上是一个运行于不确定环境下的多输入多输出复杂动力系统，在各种气象、水文 等外部条件以及不同航速、载重等内部条件下完成要求的航行和操作计划是一个 艰巨的任务。 在自动舵出现以前，船舶的控制方法是由驾驶人员和舵工协作完成，前者通 过车钟手柄设定螺旋桨转速或主机功率以改变航速，后者转动舵轮设定航角经液 压操舵伺服系统驱动舵叶转动以改变或保持航向。在当前科学技术发展水平下， 航运中最困难复杂的控制任务如避碰、离靠泊等还是需要人工手动完成。 自1 9 2 2 年船舶自动操舵仪问世以来，船舶运动控制取得了巨大进展，在相 当程度上减少了人力、节约了燃料、降低了机械损耗。自动控制主要分为三种情 况：一是自动导航问题“1 ，通常是在广阔的大洋上，包括航向控制、转向控制、 航迹控制、航速控制等；二是离靠泊问题。1 ，通常是在港区内，船舶在浅水中低 速航行，风、流、浪干扰量影响明显，操纵和控制更加困难；三是自动避碰问题， 通常是在拥挤的航道中，主要涉及多船会遇多目标决策、避碰最佳时机及最佳 神经网络船舶航向控制的研究 幅度等。 随着航运安全及营运需求的增长，人们对其自动化的要求也是日益提高。进 入2 0 世纪9 0 年代后，控制论的全面繁荣为船舶运动控制系统设计提供了许多新 的策略，如神经网络控制、模糊控制。1 、多模态仿人智能控制“1 、混合智能控制、 h o e 鲁棒控制“1 等都被不同程度地引入到自动舵研究中。本课题讨论的就是神经 网络在船舶运动控制中的应用。 1 2 船舶航向运动控制的发展 船舶自动操舵仪又称自动舵，是船舶运动控制问题中具有特殊重要性的一个 系统，用来保持船舶在给定航向或航迹上航行，是船舶操纵的关键设备。2 0 世 纪2 0 年代美国的s p e r r y 和德国的a n s u c h z 在陀螺罗经研制8 1 工作取得实质性进 展后分别研制出机械式自动舵，这是船舶操纵研究上的一个里程碑；2 0 世纪5 0 年代，随着电子学和伺服机构理论的发展与应用，出现了集控制技术和电子器件 发展成果一体的p i d 自动舵；到了6 0 年代末，人们将自适应理论引入船舶操纵， 出现了自适应舵，并在自动舵商品化方面取得了很大成功；从8 0 年代起，人们 开始寻找类似于人工操舵的方法，提出了智能舵的概念，它主要有三种控制方法， 即专家系统、模糊控制和神经网络控制。 1 2 ip l d 控制 早期的自动舵利用舵角的偏转大小与船舶偏航角的比例关系，以机械结构为 基础，仅能对航向进行初步控制，这种控制方法称为“比例控制”。但“比例控 制”法用于惯性很大的船舶效果不理想，因为这种控制方法会使船舶在设定航向 两边来回摆动，结果使转舵装置过度磨损，并且浪费燃料。比例微分( p d ) 控制 是加入航向误差导数项，即舵角信号还应加上微分系统乘以航向导数的偏差。而 当横向风引起上风或下风力矩干扰时，为保持航向不变，应再加上航向偏差的积 分项，这就是“比例一微分一积分( p i d ) 控制”，增加的积分环节依靠偏航角的 积累值，自动地使舵叶从首尾线偏转一个角度，产生一个恒定的转船力矩，用以 抵消外界持续力矩的作用。p i d 控制简单、可靠，物理意义明显，目前仍广泛应 用于实际工程控制中。该控制可以表达为： 占= 一( 世p y o + k d y d + k ，i y o a t ) ( 1 ) 神经黼绦船靛航向控制的研究 在1 9 8 0 年懿，豆乎掰毒海黪上静螽璐舵聱袋雳p i d 羟隶l ，溪在爱豹依然嚣 常广泛，是一种重要的控制方案。典型的p i d 自动舵系统的原理樵图如图1 所示： 靛 翻lp i d 壹动越系统掇理挺瑶 足。为比例系数，它的作用是加快系统的响应速度，提高系统的调节精度。足。 懑大，系统的响改速度越快，系统的调节精度越裔，也就怒对偏麓静分辨率越高， 键爱。过大耀产生超调，蕤至导致系统的不稳定；笠。过小，则会降低调节精度， 尤其是响应速度缓慢，使系统静态、动态特性交坏。 量；兔积分系数，它豹幸筝援搜清除系统懿稳态谟差，墨越大，系统黪态误差 消除越抉，但舅；过丈，响应过程的初期会产生积分饱和现象，从面引起响应过 程的较大趟调；游足；过小，难以消除系统静态误差，影响系统调节精度。 墨，为微分系数，它的作用在予改善系统的动态特性。p i d 控制器微分作用环 节镬响应系统穰豢懿变化率，其露瑟主要侵在穗疲逮程书季謇裁偏差囊饪鼹方囱戆 交化，对偏差变化进行提前预报。但亿过大会使响应过程过分提前制动，从而 延长调节时问，而且系统抗干扰性能羞。 p i d 控制对予海浪高频干扰过于敏感，常采用“死区”非线性天气调节以避 免高频干扰弓i 起的频繁揉舵，但“死区”会导致控制系统的低频特性恶化，产擞 持续豹髑期性偏航致使靛行精度降低、熊量消耗热大。j 墩外当船舶翦动态特性和 外界条件发生变化时，控制参数需连续璁进行人工整定，控制参数不合邋的控制 嚣姆导致差的控制效果。 自从p i d 控制规律应用于船舶航向保持以来，经典的p i d 控制逐渐缴展成自 熬定p i d 控裁、是适应p i d 控剁、增益援划式p i d 控制、售捧p i d 控制等改进型 算法以克服经典p i d 控制参数整定困难、适应性麓、鲁棒性差和控制精胰较低等 神经网络船舶航向控制的研究 不足。 现在的p i d 控制器设计方法大致可分为以下四类响： q p i d 参数根据经验整定或试凑法获得，有些方法根据自学习原理或大量实践经 验发展成为p i d 自整定算法或专家系统整定算法，该类方法注重经验的学习，理 论指导不够； 根据某种与误差有关的最优性能指标通过油画指标值来调节p i d 控制器的参 数，这种方法注重系统的响应品质： 根据闭环系统极点位置来调节p i d 控制器的参数，该方法更多地考虑了闭环系 统的内部特性； 基于特定的理论进行p i d 控制器优化设计，比如基于h c o 控制算法的p i d 控制 器设计，这类方法强调了设计的p i d 控制器的鲁棒性，但该类方法的特点是算法 复杂，需要很好的数学基础。 1 2 2 自适应控制( a d a p t i v 8c o n t r o i ) 传统的p i d 自动舵存在严重缺陷：需要手动调节控制参数，以补偿船舶状态 的改变和外界干扰的变化，这种调节无法实现其精确整定，更不用说实时调节了； p i d 自动舵为避免海浪高频干扰的变化，常采用“死区”非线性调节，但这导致 控制系统低频特性恶化，产生持续的周期性偏航，降低航行精度，加大能量消耗； 在大风浪中常常由于产生大角度的转舵，导致更严重的偏航。为此，人们提出了 自适应控制方法。2 0 世纪5 0 年代末，自适应就作为一个专门的研究课题出现了。 但实现上的困难一直使之不能应用于船舶控制上，直到7 0 年代中期，船舶自适 应控制方案经计算机仿真和实船试验获得成功，自适应舵诞生了。 在7 0 年代末和8 0 年代初，由于微处理技术和复杂的自适应控制理论的应用， 自适应自动舵的研究和发展非常迅速。任何自适应系统都应能连续自动识别( 整 定) p i d 算法的控制参数，以适应船舶和环境条件的动态特性。目前提出的方法 主要有自适应p i d 设计法、随机自适应法、模型参考法、基于条件代价函数的自 校正法、最小方差自校正法、线性二次高斯法、h 。o 控制法等，这些自适应方法 都有各自的优缺点，并且自适应法还处于不断的发展当中。 s u g i m o t o “等人提出的自适应p i d 设计法是把自适应思想引入到p i d 控制设 计中，注重解决使用自适应函数的波浪条件的识别问题，它根据波浪条件信号、 船速和载重情况选择最佳控制参数并送给控制器和滤波器。 m e r l o “”等人提出的随机自适应法包含一个由海浪自回归滑动平均模型中的 4 神经网络船舶航向控制的研究 海浪功率谱决定的参数，该方法包含有一个代价函数j ，方法目标是使j 最小， j 是航向偏差和舵操作的均方加权函数。 a k a i k e 1 提出了多变量随机系统的识别方法，此方法模型取决于a k a i k e 的 信息标准，它的代价函数依赖于被控变量的偏差、控制信号大小( 舵角) 和控制 信号变化率的补偿值。 d e n n i s “”通过假定船舶是线性、常系数、无限工作系统，提出了船舶线性叠 加原理，它把船舶对不规则海况的响应用构成这种海况的规则分量响应的线性累 加来表示。由于船舶实际上是一个含有噪声的非线性系统，因此在天气良好等理 想条件下，设计出的系统工作很好，但在条件发生变化时，这种系统的控制效果 下降。 l i m “”等人提出了基于条件代价函数的自校正方法，控制器输出被明确地加 到性能标准公式中。对一个未知参数的系统来说，由于波浪会使船舶动态特性发 生变化，因而需要在线辨识动态参数。波浪系统建模引起的偏差是这种方法的主 要问题。 k a t e b i “”等人提出的线性二次高斯法使用公式表示动态代价函数，并在多项 式表示的随机结构中优化代价函数。此法与风浪的测量和计算有关，波浪的模型 被用做控制函数，以便使输出信号的变化为最小。系统的误差将随风浪的测量和 建模而出现。 a m e r o n g e n 提出了模型参考自适应控制理论，根据线性叠加原理，一艘船舶 对不规则的海面状态的影响可以从不规则海面的规则波浪的份量影响的总和推 导出来。由于船舶实际上是含有噪声的非线性系统，因此在较差海况和负载急变 的条件下，其适应程度很差。 f a i r b a i r n 和g r i m b l e 将h 。设计法用到了自动舵上。h 。法的优点是对在设备 模型中的尚有某些参数具有不可测性的设备可进行一定程度的控制，然而要成功 地用h 。控制需要具有线形船舶模型方面有关转移函数的全面知识，还必须有足 够的液压动力学方面的数据。 总之，自适应控制技术不仅与代价函数的估计值有关，而且与扰动模型的建 立有关，在复杂的工作条件下，自适应自动舵不能提供完全自动的最优控制。当 前市场上仅有少量自适应自动舵商品化。 1 2 3 变结构控制( v a r i a b i es t r u c t u r eo o n t r o i ，v s c ) v s c 是2 0 世纪5 0 年代在前苏联发展起来的一种基于l y a p u n o v 稳定性理论的 神经网络船舶航向控制的研究 控制策略，又称滑动模态( s 1 i d i n gm o d e ) 控制，它对系统的参数不确定性和外 舞于扰鬟有较强瓣鲁捧健。变续槐控制器豹设诗一般分为两个疹骤： ( 1 ) 选择理想的滑动模态超平面； ( 2 ) 设诗菜耪v s c 控露缍将系绞熬状态驱动劐该超平藤，使之始终保持在该漤 动模态一e ，并最终逐渐趋向系统的平衡点。 p a p o u l i a s ”1 等人鬟滋款船熬操缀变缝梅控制使震锈线性将麓魑操缴菲线瞧 系统近似地转化为线性w 控正则型系统，以简化控制系统并保证较大工作范围内 戆控刳瞧糍与糖发，然藤，对线性系统蔽诗了一秘连续瓣交结穗控割，滋适应较 大范围的干扰变动，完众抑制抖振，并得到理想的精度。 曩饕在船靛运魂控制领域，v s c 还没骞获褥态分邈旋建。 。2 。4 鬟蘩滚纾瓣嫠簸逡魂控粼萁法 对于有限维、线性和时不变的控制系统，传统控制方法是非常有效的，但实 舔籍靛系统逶豢其毒不确定性、 线毪、菲稳定经帮复聚往，缀难建立糖臻酶瀵 测方程。随着人正智能理论和控制理论的发展，提出了缎多新的船舶运动控制方 法。当麓鼯簸运凌控蔷遴静热门繁臻可壤穗为： 具有自适应、自学习、自优化、自憋定能力的智能式控制，比如神经网络控 涮、模赣逻辑控秘、潼合餐戆按籁等，这些控裁矮有仿久齄鬣矮蘩理结麴帮薅纛 处理方法、仿人脑高层思维模式和学习方法等功能，以达到在环境和控制对象特 槛交纯辩能穗嶷亿，满是控潮器求。它们对予过程模麓存在豹不确定性、于魏 和量测噪声都具有良好的鲁棒性。 鲁棒控裁，人为鬟寇摸鍪螽貔传递簸薛静上赛矗m a x ，农魏前瑟f 往纭蘩 一指标，设计出保证am a x 时系统具有鲁棒稳定性和鲁棒性能的控制器。 1 2 4 1 专家系统 专家系统是一个其有大量专门知谈缀验静程净系统，它应麓入工鼠髓技术， 根据一个或多个人类专家提供的特殊领域知识、经验进行推理和判断，模拟人类 专家骰决策豹过程来解决那些需要专家决定的复杂阍题，一般专家系统由知识 麾、数据库、推理机、解释部分及知识获取5 个部分组成，其关键技术是知识经 验的获取。 专家系统始予上世纪6 0 年代中期，是人工锻能应用领域最成功的分支之一， 8 0 年代其概念和方法被引入控潮领域，它的应稍已涉赦至控制系统辅助设计、 分板和专家控制嚣方法。专家控制具有模糊专家智能的功能，采用专家系统技术 6 神经列络船舶航向控制的研究 与控制理论相结合的方法设计控制系统，它的出现改变了传统的控制系统设计中 攀鳃菝靠数学模登戆届蘑，镬翔谈模型与数学摸燮稠结合，熟识髂患处理鼓术与 控制技术相结合，是人工锻能与控制理论方法和技术相结合的典型产物。它的目 蠡是氆韵诗算撬开发一秘凝熬模蘩采解决翘题，与瘸参数识别戆貔理摸赘缀蚕稳 同。 襞震专家系统爨动舵最基本豹要求是缒模掇簸王熬 筝蹋。b r o w n 等人慕餍了 模仿人工操作的专家系统方法，1 耐没有直接使用船舶的数学模型。他通过研究人 工搽俸与赣遥自囊靛控蠲之竭懿蓑异建立矮剿痒，戳矮修菠鑫动戴豹特瞧，迄蒇 是自动舵与基于规则的专家系统之问进行交互作用。这种自动舵专家系统与船舶 撩级摸型嚣关。 。_ 窆。4 。2 耩糯整翱 模糊控制是基于专家经验和知识总结出若干条模糊规则，构成描述具有不确 定缝复杂辩蒙豹模糊关系，通过被控系统输出误差及误差嶷侄率帮模鞍关系翡雍 理含成获得控制量，从而对系统进行控制。模糊控制不需建立被控对象的精确数 学模鍪，箕算法简擎，便予实霹控潮。 近几年来模糊控制理论在船舶上的应用得到了发展，a m e r o n g e n “”等人提出 的船舷靛随漠鞫控涮系统由模颧亿、模赣控翻( 推理决繁) 、反模糊亿( 模糊爨 断) 三部分组成，控制效果较好。但由于鼹船舶控制过程的非线性、高阶次、时 交性殴及淹祝干耄| | i 簿嚣素影晌，造成模颧控铺巍则襁糙和不完善，影响控翻效集。 为此，模糊控制器向着自适应、自组织、自学习方向发展，使锝模糊控制参数或 和规刚在控铺过程中自动静调整、修改和完善，从丽不断改善系统的控涮性能 而达到最佳的控制效果。 s u t t o n 帮j e s s 介绍了一种自组织模糊控制器，这个方法是潞察揉绍环境域 及在模糊控制器所受的影响来达到蠢明性能指数的目的，将能被接受的性能指数 存储到一个矩阵格式中形成控制瓣剃。随胼，l a y n e 等入掇出了种船舶航向的 模溅参考自适应控制器( 糊r c ) ，由参考横裂表示船舶转向时的性能要求，利用 模糊控制技术实现其控制器及自适应功能。控制器为基本模糊控制器，借助子对 象的模糊逆模型得铡用于囊适应修正的校正量。学习机构采用一个模糊逆模型和 一个知识库修改机构，首先建立粗路的模糊逆模型，然后根据辨识与过程倍息通 过改变模糊集合隶属函数的中心点来进行嫂则的调整。这种学习算法能够收集控 制船舶的新信息，在线自动地产生模糊控制器的知识库，并根据后来的干扰和过 程变化，自动校正模糊控制器。f m r c 与普通的模梨参考彝适应控制( m r a c ) 相 神经网络船舶航向控制的研究 比，具有收敛性快、能耗少、抗干扰能力强、设计简单、对象模型的先验知识少 等特点。 1 2 4 3 神经网络 人工神经网络是模仿生物脑结构和功能的一种信息处理系统。通过大量神经 元的相互连接，神经网络能对信息进行大规模并行处理和分布存储，并且有良好 的自适应性、自组织性和容错性，以及较强的学习、记忆、联想、识别等功能。 由于多层神经网络具有逼近任意复杂非线性系统的能力，因此在控制，状态估计、 系统建模、优化等方面大量应用。 实现神经网络的功能有软件法和硬件法，软件法比较灵活，但受到计算机技 术的限制，硬件法实时性好，但目前技术尚不成熟，实现成本高。当前的神经网 络控制器还处于软件仿真模拟阶段。 神经网络具有以下几个突出优点，使之在控制领域引起极大关注： ( 1 ) 可以充分逼近任意复杂的非线性关系； ( 2 ) 所有定量或定性的信息都等势分布存储在网络内的各神经元，具有很强的 鲁棒性； ( 3 ) 采用并行分布处理方法，使得快速进行大量运算成为可能； ( 4 ) 可学习和自适应未知或不确定的系统； ( 5 ) 能够同时处理定量、定性知识。 自2 0 世纪9 0 年代起，神经网络在船舶自动舵上应用的研究已有报道。使用 神经网络不仅可用于航向保持，而且有助于航迹控制，甚至在自动靠码头操作中 也可利用神经网络控制器。使用神经网络一种最简单的方法是利用神经网络的学 习功能去模仿在不同工作条件下的p i d 自动舵，学习过程结束后，神经网络便可 取代p i d 进行独立操作。很显然，如果遇到新的环境或条件，该自动舵需要再进 入学习过程，否则控制效果不稳定。1 9 9 3 年，s i m e n s e n 对上述方法进行了扩展。 w i t t 和m i l l e r 提出了一种类似的方法，它用g p s 精确决定船舶位置，能产生 在一4 5 。+ 4 5 。范围内随机变化航向的一系列给定航线。该方案采用p i d 控 制器来训练神经网络自动舵，在给定航线的每一部分比较p i d 舵控制信号与神经 舵控制信号，以之离线训练神经控制器，一旦差值最小，就认为神经网络控制器已 学习到t p d 控制器的工作特性，此后，神经控制器就可取代p d 控制器。w i t t 等使 用1 0 0 种给定航线集合训练神经网络，并假定通过这里1 0 0 种不同航线学习得到 的知识可处理任何新选择的航线，仿真结果表明对未学习过的任意航线，p d 控 制器和神经控制器的控制效果基本相同。 神经网络船舶航向控制的研究 b u r n 。”采用更复杂的最优控制器进行离线学习，使神经网络控制器与最优船 舶控制系统具有相同的性能，训练后的神经控制器能识别出不同的条件下怎样改 变船舶的动态特性。原则上，六自由度船舶运动模型和舵机模型的组合可得到状 态矩阵，当辨识出最优控制系统的特性后( 对不同的前向速度) ，影响舵机的状态 变量被输入到最优控制系统和3 层前向神经网络，两系统计算各自的舵令，两舵 令差值用于训练神经网络，训练采用b p 算法。对每种选定的前向速度的每种方案 使用2 0 万个采样数据来训练神经网络。神经网络的隐层和每层神经元最佳数以 及反向传播学习法的学习速率和动量因子的最佳值都采用试探法确定，最后仿真 比较了最优控制器和神经控制器所产生的航迹偏差大小。 在上述的两种方法中，一旦被选用的传统控制器和神经控制器的控制作用误 差足够小，那么，神经控制器就可认为已训练好了，从而可用神经控制器取代传统 控制器，其本质是监督控制的一种，a n n 可以学习控制专家的经验和智慧，并最 终取代控制专家。 1 2 4 4 混合智能控制 近年来，由神经网络( a n n ) 、模糊逻辑( f l s ) 、专家系统( e s ) 、基于事件 推理( c b s ) 、遗传算法( g a ) 或模拟退火算法( s a ) 等智能技术集成的混合智能 系统( h i s ) 已成功地应用到家用电器、机器人等方面。h i s 充分利用各种智能 技术的优势，如f s l 的知识表达和推理能力，a n n 的知识获取、趋势及适应、非 线性映射及容错能力，g a 的知识获取、优化能力，并将这些能力在智能技术之 间进行渗透、融合。例如包a n n 的低层学习与计算能力赋予f l s ，或反过来把f l s 的高层仿人思维和推理机制提供给a n n 。h i s 能使各智能技术优势互补，从而使 获得的综合系统具有比任何单一技术更优越的性能，达到更高的智能化水平。这 为解决船舶控制的各类问题，进一步提高船舶操纵的准确性、安全性和经济性提 供了新的契机。但当前，h i s 在船舶控制领域的研究和应用还是很少。 1 3 自动舵现状和发展趋势 1 3 1 自动舵技术现状 自上世纪7 0 年代以来，国内一些科研单位、高校开展自动舵的理论与开发 工作，取得了不少成果，但市场上产品还是以模拟p i d 舵为主。目前虽有国产自 适应舵投入实际应用，但效果并不明显。智能舵还处于理论研究阶段，没有可靠 9 神经网络船舶航向控制的研究 的产品。 在国外市场上已有不少成熟的航向舵、航迹舵产品，他们的控制方法也大多 采用较成熟的自适应控制，例如日本t o k i m e c 公司的p r - - 8 0 0 0 系列自适应自动 舵、德国a n s c h u z 公司的n a u t oc o n t r o l 综合系统中的自动舵、美国s p e r r y 公 司v i s i o nt e c h n o l o g y 系统的自适应自动舵等。近年来发展起来的人工智能舵尚 处于方案可行性及实验仿真阶段，有待进一步工作。 1 。3 2 自动舵发展趋势 1 3 2 1 控制方式多样化 自动舵同时具有智能、自适应和p i d 等多种控制模式，有自动、手动、非跟 踪和遥控舵等多种工作模式，以适应不同要求。 1 3 2 2 采用航迹舵 1 ) 航迹舵包括航行计划、定位和航向保持等功能模块，有狭窄水域和宽阔水域两 种航行模式。航行计划模块通过设置转向点编辑航线，有恒向线航行、大圆航行 和混合大圆航行等多种方式。定位模块用g p s 实时确定船舶实际位置，航向保 持模块自动决定最优船首向，在转向点处自动改变航向，保持船舶航行。与航向舵 相比，航迹舵可以实现更精确，更经济的航迹控制。 2 ) 航迹舵有直接和间接两种控制模式。间接控制的航迹舵根据航迹偏差信号、 速度信号和实际航向信号计算出最佳航向，作为航向舵的设置航向，通过操舵使 船舶沿预定航线航行：直接控制的航迹舵根据船舶本身的数学模型，计算并控制 所需的舵运动，使船舶自动沿着输入的航迹航行 1 3 2 3 操作更方便 1 ) 系统全部菜单化人机界面，采用操纵杆等方式，便于使用。 2 ) 雷达舵把雷达的显示功能和航迹舵的控制功能集中在一个控制台上进行航行 计划、航迹控制和避碰操作，雷达管理系统采用高分辨率大屏幕彩色显示器，触摸 式屏幕或跟踪球操作。 3 ) 配备电子海图显示和信息系统( 简称e c d i s ) 。e c d i s 最重要的特点是面向 对象的结构，使得它可以提取海图上任何部分的详细背景信息。此外，控制台可把 雷达图象和电子海图重叠显示，为船舶的操纵和监控提供一个完整而紧凑的系 1 0 神经删络船舶航向控制的研究 1 3 2 4 功能强大的控制台 1 ) 能实现实时综合数据船桥系统。该系统集成航行、控制、通讯和监控功能， 符合先进的船舶运动理论，拥有多种传感器硬件。整个系统用工业标准( 以太网) 局域网l a n 把各子系统连在一起，将航行和控制系统与决策支持系统结合，包括 海洋环境预报、卫星通讯、自动航行和航迹保持等。 2 ) 中央控制台按照设备功能集成的原理，把“监督( 雷达，e c d i s ) ”和“控制( 航 迹舵) ”等集成在一起。控制台可在高分辨率彩色显示器上显示所有安全航行和 经济操纵所需的重要信息，包括导航信息、主机数据和有关速度及燃料消耗的信 息。 1 3 2 _ 5 更安全、更有效 1 ) 采用双罗经、双计算机控制系统配置以提高可靠性和安全性。 2 ) 具有与主机自动化系统相连的接口以控制船舶的速度，优化燃料消耗，且能完 成航行计划。 3 ) 优化航行控制，确保安全。系统考虑综合几天的天气预报、海况、船舶经济 性和计划时间等信息来制定航行策略。气象数据每天更新，为船长提供决策支持。 具有恶劣天气下的事故避免和船舶驾驶决策支持功能，能利用专家系统提供最佳 速度和航向以减小船体受力和受损的风险，能提前警告危险的驾驶环境为驾驶者 提供航行决策支持，航行优化功能对推进效率进行管理达到节省燃料的目的。 1 3 2 6 便于扩展、升级 系统采用模块化结构，扩展灵活，可以根据用户要求，选配航向或航迹控制模 块，还可选配气象站、气象航行计划和航行优化等模块以满足用户的不同需求。 系统采用开放式结构，可方便升级硬件和软件。 1 4 神经网络 神经网络就是由许多神经元互连在一起所组成的神经结构。把神经元之间相 互作用的关系进行数学模型化就可以得到神经网络模型。 神经网络船舶航向控制的研究 它有如下优点：1 并行分布处理；2 高度鲁棒性和容错能力；3 分布存 储及学习能力：4 能充分逼近复杂的非线性关系。 在控制领域的研究课题中，不确定性系统的控制问题长期以来都是控制理论 研究的中心主题之一，但是这个问题一直没有得到有效的解决。但利用神经网络 的学习能力，使它在对不确定性系统的控制过程中自动学习系统的特性，从而自 动适应系统随时间的特性变异，就能达到对系统的最优控制。 1 4 1 神经元 神经元是以生物神经系统的神经细胞为基础的生物模型。在人们对生物神经 系统进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了神经元 数学模型。 其数学模型为 冀碧 一 图2 神经元数学模型 大量的形式相同的神经元连结在一起就组成了神经网络。神经网络是一个高 度非线性动力学系统。虽然，每个神经元的结构和功能都不复杂，但是神经网络 的动态行为则是十分复杂的；因此，用神经网络可以表达实际物理世界的各种现 象。 1 4 2 神经网络基本属性 神经网络有些基本属性，它们反映了神经网络的特点。 ( 1 ) 非线性 人脑的思维是非线性的，故人工神经网络模拟人的思维也应是非线性的。 ( 2 ) 非局域性 非局域性是人的神经系统的一个特性，人的整体行为是非局域性的最咀显体 现。神经网络以大量的神经元连接模拟人脑的非局域性，它的分布存储是非局域 性的一种表现。 神经网络船舶航向控制的研究 ( 3 ) 非定常性 神经网络是模拟人脑思维运动的动力学系统，它应按不同时刻的外界刺激对 自己的功能进行修改，故而它是一个时变的系统。 ( 4 ) 非凸性 神经网络的非凸性即是指它有多个极值，也即系统具有不只一个的较稳定的 平衡状态。这种属性会使系统的演化多样化。神经网络的全局优化算法就反映了 这一点，例如模拟退火法。 1 4 3 神经网络模型 神经网络在目前已有几十种不同的模型。人们按不同的角度对神经网络进行 分类，通常可按5 个原则进行神经网络的归类。 按照网络的结构区分，则有前向网络和反馈网络。 按照学习方式区分，则有有教师学习和无教师学习网络。 按照网络性能区分，则有连续型和离散性网络，随机型和确定型网络。 按照突触性质区分，则有一阶线性关联网络和高阶非线性关联网络。 按对生物神经系统的层次模拟区分，则有神经元层次模型，组合式模型，网 络层次模型，神经系统层次模型和智能型模型。 通常，人们较多地考虑神经网络的互连结构。一段而言，神经网络有分层网 络，层内连接的分层网络反馈连接的分层网络，互连网络等4 种互连结构。 在人们提出的几十种神经网络模型中，人们较多用的是h o p f i e l d 网络、b p 网络、k o h o n e n 网络和a r t ( 自适应共振理论) 网络。 h o p f i e l d 网络是最典型的反馈网络模型，它是目前人们研究得最多的模型 之一。h o p f i e l d 网络是由相同的神经元构成的单层，并且不具学习功能的自联 想网络。它需要对称连接。这个网络可以完成制约优化和联想记忆等功能。 b p 网络是反向传播( b a c kp r o p a g a t i o n ) 网络。它是一种多层前向网络，采 用最小均方差学习方式。这是一种最广泛应用的网络。它可用于语言综合，识别 和自适应控制等用途。b p 网路需有教师训练。 k o h o n e n 网络是典型的自组织神经网络，这种网络也称为自组织特征映射网 络s o m 。它的输入层是单层单维神经元；而输出层是二维的神经元，神经元之间 神经叫络船舶航向控制的研究 存在以“墨西哥帽”形式进行侧向交互的作用。因而，在输出层中，神经元之间 有近扬远抑的反馈特性；从而使k o h o n e n 网络可以作为模式特征的检测器。 a r t 网络也是一种自组织网络模型。这是一种无教师学习网络。它能够较好 地协调适应性，稳定性和复杂性的要求。在h r t 网络中，通常需要两个功能互补 的子系统相互作用。这两个子系统称注意子系统和取向子系统。a r t 网络主要用 于模式识别，它不足之处是在于对转换、失真和规模变化较敏感。 1 4 4 神经网络的学习规则 网络的学习过程就是通过不断地向网络输入一些样本模式，网络遵循一定的 学习规则，来不断地调整网络的各层权重，使网络的输入和输出以一定精度向给 定的样本模式逼近。学习的实质就是网络通过输入和输出信息识别存在于样本信 息间的内在规律。 学习的方法可以分为两种：一种为监督学习( s u p e r v i