簡化的魯棒自適應自動舵控制算法設計

孫紅英

（ 青島遠洋船員職業學院，山東青島 266071 ）

簡化的魯棒自適應自動舵控制算法設計

孫紅英

（ 青島遠洋船員職業學院，山東青島 266071 ）

為研究船舶航向非線性系統的自適應跟蹤控制問題，在考慮舵機伺服系統特性的情況下，提出一種簡化的魯棒自適應神經網絡動態面控制算法。采用RBF神經網絡逼近模型不確定性，簡化自適應參數調整方法，解決了動態面控制自適應參數過多的問題。該算法設計的控制器復雜性低且只有1個在線調整自適應參數，易于工程實現。該算法可以保證閉環信號的漸近穩定，使航向跟蹤誤差任意小。仿真結果驗證了控制器的有效性。

自動舵 神經網絡 動態面控制 反步法 參數不確定

0 引言

近年來，隨著航運業的發展，對船舶航行的安全性、節能、降低船員的勞動強度的要求日益增強，船舶航向控制問題得到了大家的關注。由于船舶的動態具有大慣性、大時滯、非線性等特點；航速、裝載及外界干擾的變化使船舶航向控制成為一個復雜的非線性控制問題。反步法，是非線性控制系統設計中廣泛使用的一種方法，所設計的控制器不僅具有魯棒性而且降低了控制的難度和能量，在船舶航向控制中取得了較好的控制效果[1-3]。文獻[4]針對參數不確定的船舶航向保持非線性控制問題，提出將反步法與Nussbaum增益方法相結合，解決了非線性控制系統控制方向未知的問題。文獻將神經網絡、L2 增益與反步法結合，對建模誤差用在線神經網絡予以辨識和補償，取得了較好的控制效果。然而，上述控制器需要對大量的自適應參數進行在線調整，反步法的設計使控制律存在計算膨脹問題，在線執行耗時明顯而限制了其在工程實踐中的應用。因此，研發易于工程實現的航向控制器控制算法是目前船舶控制領域的一個研究熱點。

本文在考慮舵機伺服系統特性的情況下，提出一種簡化的魯棒自適應動態面控制算法。系統的不確定性由RBF神經網絡在線逼近，在線調整自適應參數只有1個，DSC使控制律所含項不再隨系統相對階增加而增加，降低了控制器的復雜性，并且避免了控制設計過程中可能存在的奇異值現象，此方法便于工程實現。仿真結果表明，所設計的控制器具有良好的控制性能。

1 問題提出

在自動舵的設計中，本文采用考慮舵機特性的Nomoto三階數學模型：

2 簡化的魯棒自適應控制器設計

3 仿真研究

為驗證本文所設計的船舶航向自適應跟蹤控制器的性能，以中遠集團5446TEU系列集裝箱船COSCO Shanghai號的實船數據進行仿真，船長280米，船寬39.8 m，方型系數0.72，滿載吃水

4 結論

本文研究了一種簡化的魯棒自適應自動舵控制算法。船舶模型采用帶有舵機特性的三階數學模型，系統不確定性由RBF神經網絡在線逼近，系統自適應參數僅有1個，并且DSC降低了控制器的復雜性，易于工程實現。仿真結果表明所設計控制器的有效性。

[1] 劉雨,郭晨等. 基于 backstepping 的船舶航向滑模控制. 中南大學學報, 2007, 38:278-282.

[2] 杜佳璐, 郭晨, 楊承恩. 船舶航向非線性系統的自適應跟蹤控制器設計.應用科技學報, 2006, 24(1):83-87.

[3] 羅偉林, 鄒早建, 李鐵山. 船舶航向非線性系統魯棒跟蹤控制[J]. 控制理論與應用, 2009, 26 (8):893-895.

[4] DU Jia-lu,GUO Chen. Nonlinear adaptive design for course-tracking control of ship without a priori knowledge of control gain[J]. Control Theory and Applications, 2005, 22(2): 315-320.

Simplified Robust Adaptive Control Approach to Ship Autopilot

Sun Hongying

(Qingdao Ocean Shipping Mariners College, Qingdao 266071, Shandong, China)

To study adaptive control design of ship autopilot, and considering the characteristics of the rudder system, a simplified robust adaptive neural network (NN) dynamic surface control algorithm is proposed. RBF neural network is used to approximate uncertain functions, and the adjusting mechanism of adaptive parameters is simplified to avoid the determination of too many parameters. The boundedness stability of closed-loop system is guaranteed and the tracking error can be made arbitrarily small. As a result, the controller designed by this approach has lower complexity and only one adaptive parameter to be tuned on line. The effectiveness of the presented autopilot is demonstrated by the simulation.

autopilot; neural network; dynamic surface control (DSC); backstepping; parametric uncertainty

TP273.2

A

1003-4862（2013）03-0026-04

2012-07-10

孫紅英（1974-），女，講師。研究方向：船舶運動控制、智能控制。