船舶運動系統的多模型自適應混合控制方法及系統的制作方法
【專利說明】
[00011 本申請要求申請日為2014-08-19、申請號為201410409446.X、名稱為基于多模型 的非線性系統的自適應混合控制方法及系統的優先權。
技術領域
[0002] 本發明涉及一種船舶運動系統的控制方法及系統，尤其涉及一種船舶運動系統的 多模型自適應混合控制方法及系統。
【背景技術】
[0003] 多模型自適應控制(MMAC)是對于具有強非線性和參數跳變的系統進行控制的一 種有效的方法。上世紀90年代以來，由Middleton，Goodwin，Narendra等人基于線性連續時 間系統，相繼給出了基于指標切換函數的多模型自適應控制，并證明了算法的閉環穩定性。 近來神經元網絡作為強有力的非線性建模工具已大量應用于非線性被控對象，它與多模型 方法的結合，對非線性系統如船舶運動系統的控制已得到了一些令人滿意的結果。目前存 在兩種主要的控制思路：1通過在一個工作點建立一個線性魯棒自適應控制器和一個基于 神經網絡的非線性自適應控制器，根據切換準則選取一個合適的控制器對系統進行控制。 線性控制器用以保證系統的穩定性，非線性控制器用以提高系統的性能.2在工作點建立線 性魯棒控制器，并在控制器中引入動態結構自適應網絡來補償未建模動態和建模誤差。但 上述思路均采用基于切換的多模型自適應控制器，能快速地響應模型的突變，但子控制器 間切換時暫態響應不好，且系統控制存在滯后時，有可能會導致子控制器間頻繁切換，引發 系統震蕩。因此尋找一種控制方法解決控制器間切換引發的振蕩是非常必要的，這樣會有 益于提高控制效果。

【發明內容】

[0004] 本發明的目的在于提供一種船舶運動系統的多模型自適應混合控制方法及系統， 以解決基于多模型的船舶運動系統控制中系統振蕩的問題。
[0005] 為了解決上述問題，本發明涉及了一種船舶運動系統的多模型自適應混合控制方 法，所述船舶運動系統的數學模型為：
[0006] x(k+l)=F(x(k)，u(k))
[0007] y(k) =Cx(k);該方法包括以下步驟：
[0008] 船舶運動系統線性模型建立步驟:將所述船舶運動系統在平衡點處線性化以獲得 線性模型
[0009] Si:y(k+d) = 9Tw(k)，其中w(k) = [y(k)，…，y(k_n+l)，u(k)，···uCk-n+l)]T，u(k)，y (k) ER為船舶運動系統的操縱輸入和船舶航向，船舶運動系統的操縱性指數為
Ω ; Θ所有取值構成的集合為船舶運動系統的參數模型集 ?
[0010] 多線性模型子集建立步驟:根據先驗知識，將Ω劃分成n個模型子集Ω i(i = 1，2··· η)，Ω,代表船舶運動系統的某一工況下船舶運動系統的線性模型；參數估計辨識步驟:采 用辨識算法得到船舶運動系統的不確定性操縱性指數f(k);
[0011] 混合控制信號設置步驟:設置扒0，= [01(0^1(0，]1為混合控制信號，其中3 (Θ*)是連續可微的函數，且+ = 1，βΚθ*)，β2(θ*)，一β^θ*) 2〇,當 沒"運?或A 時，Μθ：ι：)=0,其中i = l，…n，k表示為活躍參數子集的集合，當參數估 計值時，稱Ω,為活躍的參數子集;混合控制器設置步驟:對每一個模型子集設置 一個魯棒控制器為Μ,α) = ζ(ζΚ/?) 5其中，ζ-1為單位延遲算子;所有魯棒控制器與其 對應的混合控制信號β(θ*)值得到混合控制器，所述混合控制器為A 混合 控制器的傳遞函數C(z;/?)力：
[0012]
$ 中，pi E R，p2和 1 E RN-2，an-2 (z ) = [ z2-n，z3 -η···1] = eieRN為第i個標準基礎矢量，Ρι(β)，Ρ2(β)，1(β)是關于郵]連續 可微的函數;對于所有的使所述船舶運動系統的線性部分保持穩定；
[0013] 非線性部分補償步驟:混合控制器中引入RBF神經網絡來補償所述船舶運動系統 中的非線性部分，使混合控制器為u = uf+un，RBF神經網絡為：二…/Γ^?+〃（A:)糾>(々)）>將 所述船舶運動系統在零點線性化后得到模型表述為：
[0014] x(k+l)=Ax(k)+Bu(k)+f(x(k)，u(k))
[0015] y(k)=Cx(k)
[0016]

[0017] 其中 #:0>為1在k時刻的估計值。 y
[0018] 進一步地，參數估計辨識步驟包括：
[0019] 9*(k) = 9*(k_l)+γ R-V(k)e(k)，其中
f:式中R為正定 常數矩陣，γ為自適應增益。
[0020] 進一步地，所述船舶運動系統的線性模型子集滿月
□1非空，1 = 1，2··· η·，Ω i η Ω ?+1 = δ，? = 1，2···η·，δ為常量，V# eQ<f/：Ki，:.2…打，3沒;€·Ω:.和0 < ri《⑴，| | Θ*- Θ」|為所述船舶運動系統的線性模型子集01的中心，ri為該子集半徑，為參數估 計值，η為正整數。
[0021] 進一步地，#仏）的調整方式為：
[0022]
[0023]
[0024] 式中μ為自適應增益，δ為設計參數。
[0025] 進一步地，通過RBF神經網絡來補償所述船舶運動系統中的非線性部分的變化為 通過神經網絡在某個集合上以任意精度逼近所述船舶運動系統的非線性部分而得到：
[0026]
[0027] 其中
yT=[wi，···，wp]，并 且約的元素（
為已知的常數，ε(1〇為 有界逼近誤差，且有|糾為大于零的常數。
[0028] 基于同樣的發明構思，本發明還提供了一種船舶運動系統的多模型自適應混合控 制系統，對一船舶運動系統進行控制，包括線性模型建立單元:將所述船舶運動系統在平衡 點處線性化以獲得線性模型Si:y(k+d) = 0Tw(k)，其中w(k) = [y(k)，…，y(k-n+l)，u(k)，···ιι (k-n + 1 ) ]T，u(k)，y(k) eR為船舶運動系統的控制輸入和船舶航向，參數
丨為船舶運動系統的操縱性指數，Θ所有取值構成的集合 為船舶系統的參數模型集Ω ;
[0029] 多線性模型子集建立單元:與線性模型建立單元相連接，根據先驗知識，將Ω劃分 成η個模型子集Ω Ki = 1，2···η)，Ω ,表示某一工況下的船舶運動系統的線性模型；
[0030] 參數估計辨識單元:采用辨識算法得到船舶系統的不確定性操縱性指數f(k);參 數估計辨識單元直接影響到系統控制的暫態性能；
[0031] 混合控制信號設置單元：與參數估計辨識單元相連接，設置= (Θ*)]Τ*混合控制信號，其中β(θ*)是連續可微的函數，且β1(θ*)+β 2(θ*) + ···β1(θ*) = 1，β1 (0*)，扮（0*)，..也（0*)2〇，當礦#〇或砵貧%時上（9*)=〇，其中1 = 1，1，^表示為活 躍參數子集的集合，當參數估計值f(k) e Ω i時，稱Ω i為活躍的參數子集；
[0032] 混合控制器設置單元:與多線性模型子集建立單元以及混合控制信號設置單元相 連，對每一個船舶運動系統的線性模型設置一個魯棒控制器為％(々）二其中， 為單位延遲算子;所有魯棒控制器與其對應的混合控制信號β(θ，值得到混合控制器，所 述混合控制器為:>混合控制器的傳遞函數亡_;蹲為：
[0033]
其中，piER，p2和 1 ERN-2，an-2(z) = [z2-n，z3 -"???1]，6(?):尕〇^),#0為第1個標準基礎矢量，1)1(0)，1) 2(0)，1(0)是關于邱勺連續 可微的函數，β是混合控制信號;通過混合控制器得到所述線性模型得到所述船舶運動系統 的線性部分；
[0034] 非線性部分補償單元:與混合控制器設置步驟單元相連，向混合控制器中引入RBF 神經網絡來補償所述船舶運動系統中的非線性部分，使混合控制器為u = uf+un，神經網絡為
)t將船舶運動系統在零點線性化后得到模型表述為：
[0035] x(k+l)=Ax(k)+Bu(k)+f(x(k)，u(k))
[0036] y(k) =Cx(k)
[0037] 其中B為控制矩陣，#(幻為W在k時刻的估計值。
[0038] 進一步地，采用辨識算法得到船舶系統的不確定性操縱性指數f(k)為f(k) = 0$ (k-l)+yR-V(k)e