[發明專利]基于支持向量機和廣義預測控制算法的船舶動力定位方法

無效

• 申請號: 201010275872.0
• 申請日: 2010-09-07
• 公開（公告）號: CN101963784A
• 公開（公告）日: 2011-02-02
• 發明（設計）人: 齊亮;李彥
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 樓高潮

技術領域

本發明涉及的是船舶工程技術領域，具體涉及基于支持向量機和廣義預測控制混合算法的船舶動力定位控制方法。

背景技術

船舶動力定位系統(簡稱DPS)，是指不借助錨泊系統，利用自身推進裝置有效地產生反力和反力矩去抵抗風、流和浪作用于船上的環境外力和力矩，維持船舶在給定位置，或使船舶精確地跟蹤某一給定軌跡的系統。

專利號為200510027565.X、名稱為“基于模糊自適應算法的船舶動力定位控制系統”將測位系統的信息輸出連接到模擬/數字轉換器輸入端，模擬/數字轉換器輸出端連接到計算機，計算機再與濾波器輸入端連接，濾波器輸出端經學習器、優化決策器接到電位放大器輸入端，電位放大器輸出端接到執行機構，所采用的是模糊算法，其算法中的模糊規則及隸屬函數完全憑經驗獲得，算法缺乏系統性和普遍性，因此，其本質上是無法自適應于船的內部的裝載變化及外部的海況變化，定位精度差。

申請號為94117369.0、名稱為“船舶動力定位的神經網絡控制系統及其方法”，其動力定位方法是由測位系統將信息經濾波后送給學習器，再經優化決策選擇將控制信號輸給執行機構，使船以最小誤差與沖擊接近指定位置，采用神經網絡算法是以經驗風險最小化為準則，辨識過程中需要大量學習樣本，相反還容易出現局部最小點，導致泛化能力較差。

支持向量機(簡稱SVM)是建立在統計學理論基礎上、以結構風險最小化為準則的一種神經網絡。SVM先固定經驗風險，再最小化置信風險，將輸入空間映射到高維內積的空間，通過解一個線性約束的二次規劃問題得到全局最優解，不存在局部最小值問題，快速算法保證了收斂速度。因此SVM在很大程度上解決了小樣本建模、模型選擇與過學習、非線性和局部最小點等問題。

廣義預測控制(簡稱GPC)是一種魯棒性強、能夠有效地克服系統滯后、應用于開環不穩定非最小相位系統的先進控制算法，是一種基于模型的先進控制技術，采用的是多步測試、滾動優化和反饋校正等控制策略，因而控制效果好，適用于控制不易建立精確數字模型且比較復雜的過程。一般GPC算法首先利用易于得到的工業過程脈沖或階躍響應曲線，將在采樣時刻的一系列值作為描述對象動態特征的信息，從而構成測試模型，這樣來確定控制量的時間序列，使未來一段時間內被控變量與經過“柔化”后的期望軌跡之間的誤差最小，此優化過程反復做線進行，以期達到優化控制的目的。

發明內容

本發明的目的在于克服現有技術中存在的不足，在重點考慮船舶三個自由度的運動即縱蕩、橫蕩和艏搖運動的基礎上，提出一種基于支持向量機和廣義預測控制算法的船舶動力定位方法，使其能自適應于船的裝載變化及海況變化，提高定位精度。

本發明采用的技術方案是：先對船舶動態運動模型進行模型辨識，建立SVM預測模型；再將期望位置和姿態作為船舶動力定位系統的縱蕩、橫蕩和艏搖方向的三個給定，將三個SVM預測模型分別嵌入三個GPC控制器并作為GPC控制器的預測模型，將三個給定分別輸入三個GPC控制器，分別對縱蕩、橫蕩和艏搖運動進行控制；最后三個GPC控制器通過推力分配模塊將縱蕩、橫蕩和艏搖方向的三個力矩施加到船舶動態運動模型上，并將縱蕩、橫蕩位移和艏搖的三個角度分別反饋給三個SVM預測模型，構成閉環反饋控制系統，對船舶動力定位系統進行控制。

本發明的有益效果是：

1、本發明針對船舶具有的非線性、大時滯和大慣性等特性，采用廣義預測控制算法中的多步預測、滾動優化和反饋校正機制，控制效果好，定位精度高。采用支持向量機算法對數學模型要求低，泛化能力強，無需大量學習樣本，解決了小樣本建模、模型選擇與過學習、非線性、維數災和局部最小點等問題。

2、本發明將廣義預測控制算法和支持向量機算法進行混合，先將支持向量機在小樣本情況下對船舶動力非線性模型進行有效辨識，辨識結果作為廣義預測控制算法的預測模型，該預測模型辨識精度高和泛化能力強，能為船舶動力定位系統控制器提供有效預測信息；然后采用多步預測、滾動優化和反饋校正機制對具有非線性、大時滯和大慣性的船舶對象進行控制，控制效果好，定位精度高。

3、整個控制算法具有嚴格的數學推導，不依賴經驗知識，具有很強的系統性、邏輯性和普遍性，能夠自適應于船舶內部的裝載變化及外部的海況變化。

附圖說明

圖1是支持向量機辨識的具體實現框圖。

圖2是基于支持向量機的廣義預測控制混合控制策略結構框圖。

具體實施方式