大型船舶運動方程辨識方法研究

尚凱林，張華軍

大型船舶運動方程辨識方法研究

尚凱林，張華軍

（武漢理工大學自動化學院，武漢430070）

針對大型船舶水面二階運動方程參數辨識問題，提出了一種舵效參數K與時間參數T獨立辨識的方法。該方法利用恒舵角機動來辨識舵效參數K，在船舶恒舵角機動完成后，再進一步利用零舵角運動來辨識時間參數T，通過某型船舶的實驗測試驗證了所提出的辨識算法的有效性。

船舶 運動方程 參數辨識

0 引言

大型船舶由于噸位較大而具有較大的慣性，其操舵響應需要較長時間才能通過航向體現，且船舶運行過程中舵效隨著速度而變化，因此大型船舶航向控制系統多 以準確的船舶參數為基礎進行控制器設計[1]。為了適應各種海況航行要求，諸如自適應控制[2-4]、滑模控制[5, 6]、反步法[7-9]、神經網絡[10-12]、模糊控制[13, 14]等技術分別在船舶航行控制系統中得到應用，通過在線學習的方法直接調整控制器參數而規避了對船舶模型的辨識。雖然上述各種先進控制算法具有較好的控制效果，但是考慮到運行安全和穩定問題，實際應用中多采用變PID控制技術，以不同運行階段系統參數為基礎設計多個PID控制器，根據船舶運行狀態動態切換各種控制器以獲得最佳的控制效果。鑒于大型船舶實際航行的安全性和穩定性要求，船舶運動方程辨識是系統設計必不可少的環節。

1 船舶運動方程

2 模型參數辨識方法

將式（6）按照式（7）形式進行變換，可得其受力分析形式：

3 實驗測試與分析

為了驗證本文提出的大型船舶運動方程辨識方法的準確性，本文針對某型船舶在靜水域不同航速情況下，利用測量的航向、舵角數據進行了模型參數的辨識，辨識結果如表1所示。

分析辨識結果可以發現，隨著航速從6 kn增加到24 kn，系統參數值逐漸增大，而值逐漸減小。參數代表舵效大小，由于低航速時水流對舵葉的作用力較小，所以舵葉產生的轉艏推力也較小，從而導致參數較??；而以高航速前進時，由于水流對舵葉的壓力增大，相同的舵角能夠產生更大的轉艏推力，從而導致舵效系數增大。參數代表系統質量（慣性）大小，高航速前進時系統實際質量并沒有發生變化，但舵效相對于低航速時增大，此時相同的舵角在高航速時能夠產生更大的轉艏推力而更快改變航向，于是高航速相對于低航速可等效認為是系統質量減小而易于進行航向機動。

圖1 航速6kn時實際航向與預測航向曲線

圖2 航速12kn時實際航向與預測航向曲線

圖3 航速18kn時實際航向與預測航向曲線

圖4 航速24kn時實際航向與預測航向曲線

4 結論

針對大型船舶水面二階線性K-T運動方程參數辨識問題，本文所提出的分離型辨識方法能夠準確獲得不同運行狀態下的參數值，實船物理實驗驗證了所提出方法的有效性。

[1] 薛國威，包蕓，陳禮建，等. 船舶自動舵控制技術的發展[J]. 中國水運, 2016, 37(7): 47-48.

[2] 林榮智. 利用克隆選擇進行船舶航向自適應控制優化[J]. 艦船科學技術, 2017, 39(14): 16-18.

[3] 張洪飛，閆守成. 自適應智能航向控制方法研究[J]. 艦船科學技術, 2016, 38(2): 76-78.

[4] Mitra P, Venayagamoorthy G K. An adaptive control strategy for DSTATCOM applications in an electric ship power system[J]. IEEE Transactions on Power Electronics, 2010, 25(1): 95-104.

[5] 袁雷. 船舶航向非線性系統的多滑模自適應模糊控制[J]. 智能系統學報, 2010, 5(04): 308-312.

[6] Chang W J, Chang K Y. Multivariable performance‐constrained sliding mode control for ship yaw‐motion systems with perturbations [J]. International Journal of Adaptive Control & Signal Processing, 2015, 14(4): 393-409.

[7] 潘永平，黃道平，孫宗海. 欠驅動船舶航跡Backstepping自適應模糊控制[J]. 控制理論與應用, 2011, 28(07): 907-914.

[8] 陳永利，蘭洋. Backstepping在船舶航向自適應魯棒非線性控制器設計中的應用簡[J]. 艦船科學技術, 2016, 38(22): 55-57.

[9] 銀少海. 濾波反步法在船舶航向自適應控制中的應用[J]. 艦船科學技術, 2017, 39(14): 28-30.

[10] 蘇娜，曲美紅. RBF神經網絡在船舶航向保持非線性控制中的應用[J]. 艦船科學技術, 2017, 39(10): 94-96.

[11] 王欣，劉正江，李鐵山，等. 船舶航向離散非線性系統自適應神經網絡控制[J]. 哈爾濱工程大學學報, 2016, 37(1): 123-126.

[12] Tang J, Deng C, Huang G B, et al. Compressed-domain ship detection on spaceborne optical image using deep neural network and extreme learning machine[J]. IEEE Transactions on Geoscience & Remote Sensing, 2014, 53(3): 1174-1185.

[13] 甘世紅. 基于遺傳算法的模糊控制型船舶自動駕駛儀研究[J]. 中國造船, 2011, 52(01): 173-179.

[14] Yuan L, Wu H S. Terminal sliding mode fuzzy control based on multiple sliding surfaces for nonlinear ship autopilot systems[J]. Journal of Marine Science & Application, 2010, 9(4): 425-430.

Research on Parameter Identification of Kinematical Equation for Large Vessel

Shang Kailin, Zhang Huajun

(Wuhan University of Technology, Wuhan 430070, China)

TP 274

A

1003-4862（2017）11-0025-04

2017-10-16

湖北省自然科學基金（2016CFB502，2015CFB586）

尚凱林（1990-），男，碩士研究生。研究方向：運動控制系統設計。