OceanInfo 平臺中艦船操縱運動控制研究

黃　謙，徐曉剛，李天偉，易成濤，金　鑫

（海軍大連艦艇學院 航海系，遼寧　大連 116018）

OceanInfo 平臺中艦船操縱運動控制研究

黃謙，徐曉剛，李天偉，易成濤，金鑫

（海軍大連艦艇學院 航海系，遼寧大連 116018）

針對 OceanInfo 平臺中的艦船運動控制，研究艦船在航向保持中的混沌運動及其控制問題。基于 PID控制方法的簡單性和有效性，應用 PID 控制進行平臺中的艦船混沌運動的有效控制和航向保持，對其控制參數難以確定的問題，提出改進的動態混沌粒子群優化（PSO）算法進行控制器參數整定并進行仿真實驗。實驗結果表明：本文提出的改進優化算法能夠實現 PID 參數的優化整定，其結果能夠更為有效地進行艦船航向保持及混沌運動控制，且方法簡單、容易編程實現。

OceanInfo 平臺；航向控制；混沌運動；PID控制

0　引　言

近年，海軍艦船越來越多地走向大洋開展訓練與演習，如何能夠實時掌握、顯示參演兵力的演習進展以及艦船的各種狀態成為了海軍指揮信息系統發展中一項迫切需要解決的問題［1］。OceanInfo 三維海洋環境信息可視化平臺作為一款完全自主研發的三維顯示系統開發平臺，基于全球構架，提供從全球范圍場景到高度精細局部模型的實時可視分析工具，可靈活實現天氣模擬、艦船運動實時監控與顯示、艦船操縱運動仿真等多種功能，為海空兵力的實時監控提供了一個有效的解決方案。OceanInfo 平臺具備強大的功能擴充性，可以通過加裝外部控制設備，對艦船的操縱運動進行準確模擬，有效解決艦船操縱訓練的保障問題。圖1 所示為基于 OceanInfo 平臺的模擬海空演習場景，圖2 所示為艦船操縱運動的模擬訓練實地場景。

本文針對 OceanInfo 平臺中的艦船操縱運動模型控制問題展開研究，采用易于工程實現的 PID 控制器，針對其控制參數難以確定的問題，提出一種改進的動態混沌粒子群算法進行控制器的參數整定，有效實現了平臺中艦船操縱運動的混沌控制和高精度航向保持。

1　OceanInfo 平臺艦船操縱運動模型

為了實現艦船操縱運動特別是航向保持運動的準確模擬，平臺采用整體型的船舶數學模型，構建了多型艦船的響應型非線性船舶運動模型［2］。同時，為反映波浪對艦船操縱的影響，引入了波浪作用，根據Bech 非線性模型［3］，在平臺的艦船操縱運動控制中，將浪力等效舵角與實際舵角 δ 一起進入模型，并對艦船轉首角速度作比例反饋控制［4-6］，令舵角 δ=Kp（r0-r），取 r0=B·sinωt，模型的狀態變量為艦船轉首角速度 r 及轉首角加速度，得到艦船轉首操縱運動非線性響應數學模型：

式中各參數計算見參考文獻［5］。

圖1　模擬海空演習場景Fig.1　Scene of military manoeuvre simulation

圖2　艦船操縱運動模擬Fig.2　Ship steering simulation

2　航向保持中的混沌問題

艦船操縱運動模擬中的航向保持是平臺的一項重要功能，針對高精度航向保持的要求，考察式（1）模型，發現，在波浪作用下，當船的阻尼項系數 a 和剛度項系數 b 相差不是很大時，通過反饋增量的補償，阻尼項系數和剛度項系數是同一數量級，在給定值 r0較小的情況下，系統將進入非線性混沌狀態，即艦船在航向保持過程中會出現混沌現象［5，7］。

以某型艦船為例，計算得到模型中的各參數，取kp=4.5，ω=0.8，B=0.8，得到該型艦的操縱運動非線性數學模型：

取初值 （x10,x20）=（0.4,?0.5），仿真運行 2 000 s，得到相位圖如圖3 所示。從圖中可判斷，該型艦船在航向保持過程中出現了典型的混沌運動狀態。

為了保證平臺功能的實現，必須對航向保持中的混沌狀態進行控制，使得艦船能夠穩定在指定的航向上。基于 PID 控制的特點及其廣泛應用［8］，本文采用基于混沌系統的改進粒子群優化算法進行 PID 控制器的參數整定，實現了平臺中艦船操縱運動的高精度航向保持。

3　PID 參數改進混沌粒子群優化整定

3.1改進混沌粒子群優化算法

根據大量的研究結論［9］，慣性權重系數在 PSO 算法中具有重要作用，因此，本文在 PID 控制器的參數整定中首先對 PSO 算法的慣性權重系數進行非線性動態改進，令

式中：t 為當前迭的代次數；ftavg為 t 次迭代后種群粒子適應度值的平均值；fmax，fmin分別為當前種群的最大和最小適應度值；ω 取值范圍為［ωmin，ωmax］。本文研究和實驗表明，在一次搜索中，ω 的變化只取決于當前種群粒子的分布及適應度值情況，避免了算法過早收斂。

同時，為提高優化算法的搜索性能及效率，結合PID 控制器的參數結構，在 PSO 算法中引入了 Lorenz混沌序列，通過混沌序列動態地改變種群粒子的位置，進行粒子的再分布，提高算法的搜索效率。

Lorenz 系統是最早得到研究的混沌動力學系統，考察 Lorenz 方程，發現該系統恰好有 3 個狀態變量x，y，z，可對應為種群粒子位置的三維向量（即為PID 控制器的 3 個參數），同時由于系統具有明顯的混沌特征，本文選擇將該系統引入優化算法，用于種群粒子在陷入局部最優后獲得繼續搜索的能力。當優化算法達到設定的條件（即種群粒子連續 k 次適應度值沒有改善）時，產生一個三維隨機向量初始值d0=［dx0,dy0,dz0］T，對應 Lorenz 系統中的 3 個狀態變量，根據 Lorenz 方程開始混沌序列迭代，利用迭代結果對符合條件的種群粒子進行動態混沌擾動，并進行種群粒子適應度值的改善情況判斷以決定后續算法，其基本步驟如下：

1）初始化。設定混沌迭代步數 M，迭代步長?s，給初始值 d0賦值，記錄混沌擾動前種群粒子的適應度值 fbef。

2）混沌擾動。根據 M 和 ?s，依據式（4）產生混沌序列，進行混沌迭代，得到狀態變量dM=［xxM,xyM,xzM］T，對種群粒子進行位置改變，并計算擾動后種群粒子的適應度值 faft。

3）擾動結果判斷。若 faft＜fbef，說明種群粒子適應度值得到改善，則更新粒子位置，進入改進 PSO算法；若 faft≥ fbef，說明混沌擾動沒有效果，則轉向步驟2，繼續進行混沌擾動。

3.3PID 參數優化算法流程

針對艦船操縱運動模型，對 PID 控制器的參數進行優化就是要找到恰當的數值，使得受控混沌系統的某個指標最優。PID 控制器參數的改進混沌粒子群優化算法整定流程如下：

1）種群初始化。在可行解空間內初始化種群的規模 N，種群粒子的初始位置、速度，種群中每一粒子為 PID 控制器參數構成的三維向量 x0=［x01，x02，x03］T，設置最大演化步數 n 等參數，對種群粒子的位置、速度進行范圍限制。

2）適應度值計算。根據 OceanInfo 平臺采用的艦船操縱運動模型，計算種群粒子的適應值，確定種群的當前局部最優位置 pi和全局最優位置 pg。選擇 ITSE指標作為適應度函數：

3）種群粒子更新。依據本文的改進 PSO 算法對種群粒子位置、速度、種群局部最優位置 pi和全局最優位置 pg進行更新，判斷粒子是否陷入局部最優，采用如下的標準：

式中，fi為粒子當前適應度值；fpbesti為種群當前的全局最優適應度值，若在粒子演化過程中，?fi連續K?次滿足 ?fi≤?（△ 及 K△為設定的常值），則判斷該粒子陷入局部最優點，進入混沌擾動步驟；反之，則轉入步驟 4。

4）終止條件判斷。若優化算法滿足所設定的終止條件（達到最大演化步數或受控混沌系統輸出達到設計指標），停止種群演化，輸出全局最優位置；反之，返回步驟2。

4　艦船混沌運動的 PID 控制研究

4.1PID 控制器設計

針對 OceanInfo 平臺中航向保持要求及模型特點，采用 PID 控制器進行控制，目標是消除系統的混沌運動，同時使得艦船運動保持在指定航向上，此時，受控系統可寫為：

式中：e（t）=0?x1（t）為偏差；Kp為比例系數；Ki為積分系數；Kd為微分系數。

4.2PID 控制仿真實驗與分析

根據式（6）所示受控系統，當控制作用為 0 時（即 u（t）=0），系統處于混沌狀態。根據本文所提出的改進優化算法整定 PID 控制器參數，設種群規模設為 30，最大步數 50 步，ωmax=0.9，ωmin=0.4，△=0.01，K△=3，優化整定過程如圖4 和圖5 所示，得到控制器參數 Kp=372.142，Ki=611.879 7，Kd=10.386 7。由圖4 可知，由于引入了混沌擾動，算法沒有在搜索初期就陷入局部最優，保持了較好的搜索性能。而從圖5 可發現，本文采用的慣性權重系數隨著種群粒子的分布實現了非線性動態變化，保證了算法的搜索。

為了驗證 PID 控制器優化結果的控制效果，選擇在t=35 s 時加入 PID 控制作用，目標是控制狀態變量x1（t）=0，并使得艦船航向輸出穩定在038?.0，系統的控制過程如圖6 所示。從圖中可看出，系統在 PID控制器作用后，迅速擺脫了混沌運動狀態，狀態變量穩定在 x1（t）=0 的不動點上，艦船航向被穩定在038?.0上，控制效果非常明顯。

圖4　種群適應度值曲線Fig.4　Curve of fitness

圖5　慣性權重系數 ω 曲線Fig.5　Curve of inertial weight ω

圖6　本文改進算法優化的PID控制過程Fig.6　Process of PID control optimized by our algorithm

5　結　語

本文為了實現基于 OceanInfo 平臺的模擬艦船操縱運動及航向控制功能，針對受到波浪影響情況下出現的艦船混沌運動控制，采用了 PID 控制器，并對其參數整定提出了一種易于實現的改進動態混沌粒子群優化算法，有效提高了優化算法的搜索性能。實驗研究結果表明，本文所提方法在控制器參數整定上具有良好的作用效果，其整定結果控制效果明顯，航向保持精度高。

［1］李耀陽，郭濤，劉敬明.淺議虛擬技術在海軍指揮信息系統中的應用［J］.電子測試，2015（5）: 141-142，134.LI Yao-yang，GUO Tao，LIU Jing-ming.Application of virtual technology in the naval command information system［J］.Electronic Test，2015（5）: 141-142，134.

［2］張顯庫.船舶運動簡捷魯棒控制［M］.北京: 科學出版社，2012.

［3］BECH M I.Alternative procedure for carrying out spiral tests［C］.Scandinavian Ship Technical Symposium，Malmo，1966.

［4］李芃，張曉宇，何晉，等.船舶運動控制中的非線性混沌及PID控制方法［J］.艦船科學技術，2002，24（5）: 36-39.LI Peng，ZHANG Xiao-yu，HE Jin，et al.The nonlinear chaos in ship movements control and PID controlling chaos［J］.Ship Science and technology，2002，24（5）: 36-39.

［5］蘇寧.混沌學與船舶運動控制［D］.大連: 大連海事大學，1996.SU Ning.Chaos and ship steering control［D］.Dalian: Dalian Maritime University，1996.

［6］朱璐.船舶航向保持中的混沌及魯棒控制［D］.大連: 大連海事大學，2009.ZHU Lu.Chaos in course keeping for ships and its robust control［D］.Dalian: Dalian Maritime University，2009.

［7］HUANG Q，LIU X G，LI T W，et al.On impulsive parametric perturbation control techniques for chaotic ship steering［C］//Proceedings of IEEE Chinese Guidance，Navigation and Control Conference.Yantai: IEEE，2014: 428-433.

［8］羅文廣，于瀅源，謝廣明，等.一類切換系統的混沌行為分析及混沌控制研究［J］.深圳大學學報（理工版），2013，30（3）: 235-241.LUO Wen-guang，YU Ying-yuan，XIE Guang-ming，et al.Chaotic behavior analysis for a type of switched systems and its chaotic control［J］.Journal of Shenzhen University Science and Engineering，2013，30（3）: 235-241.

［9］李寧，劉飛，孫德寶.基于帶變異算子粒子群優化算法的約束布局優化研究［J］.計算機學報，2004，27（7）: 897-903.LI Ning，LIU Fei，SUN De-bao.A study on the particle swarm optimization with mutation operator constrained layout optimization［J］.Chinese Journal of Computers，2004，27（7）: 897-903.

Research on ship steering control in OceanInfo platform

HUANG Qian，XU Xiao-gang，LI Tian-wei，YI Cheng-tao，JIN Xin
（Department of Navigation，Dalian Naval Academy，Dalian 116018，China）

Against the ship steering control in OceanInfo platform，the chaotic motion and its control in the process of ship course keeping are discussed.The PID control method is used to control the chaotic ship steering and course keeping based on its simplicity and validity，but the control parameters are difficult to be tuned，so an improved dynamic chaos particle swarm optimization algorithm for the PID controller parameters tuning is proposed and the simulation experiments are carried.The results show that，the PID controller parameters tuned by the proposed optimization algorithm can realize ship course keeping and chaotic motion control more effectively，and the proposed algorithm is easy to program.

OceanInfo platform；course control；chaotic motion；PID control

TP391；TN911

A

1672-7619（2016）06-0063-04

10.3404/j.issn.1672-7619.2016.06.012

2015-10-19；

2015-11-26

國家自然科學基金資助項目（61303192）

黃謙（1980-），博士，講師，研究方向為艦船航行控制、軍事航海技術及其信息處理。