[發明專利]基于改進差分進化機理的動力定位節能推力分配方法

有效

• 申請號: 201810067356.5
• 申請日: 2018-01-22
• 公開（公告）號: CN108255062B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 吳德烽;趙珂;顧佳棟
• 申請（專利權）人: 集美大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種基于改進差分進化機理的動力定位節能推力分配方法，其特征在于：包括以下步驟：

步驟S1：確定動力定位功率需求；

步驟S2：建立動力定位功率分配數學模型；

步驟S3：針對動力定位中的功率分配問題初始化解；

步驟S4：根據突變常量λ來選擇突變方式；

步驟S5：進行突變操作；

步驟S6：進行交叉操作；

步驟S7：評價所有解的適應值，并記錄最優解；

步驟S8：判斷是否滿足終止條件，是則執行步驟S9，否則返回步驟S4；

步驟S9：停止循環，輸出最優解，根據最優解進行功率分配；

步驟S4包括以下步驟：

步驟S41：在改進差分進化中，按照如下公式將人工蜂群算法加入差分進化算法的方式作為局部搜索策略；

式中，x_i為選中的進行鄰域搜索的個體，x_k為x_i相鄰的個體，x_i′為鄰域搜索后的得到的粒子，即x′_i是x_i通過和其相鄰的隨機個體x_k相互比較后的修正解，是[-1，1]中隨機生成的值；

k∈{1，2，3，...，SN}其中SN是種群的數量；

步驟S42：按照如下公式加入粒子群算法的社會認知部分來優化差分進化算法，

x′_i＝x_r1+F(x_r2-x_r3)+ψ(x_gbest-x_r1)

其中ψ是范圍[0，1]中隨機生成的數值，x_gbest是全局最優解；x_r1，x_r2和x_r3是隨機選取的變量且r1≠r2≠r3；F是用于控制在突變過程中的攝動總量和提高收斂速度的縮放因子，其取值范圍為[0，1]；新解x′_i由三個部分合成產生：第一部分被選取的目標個體x′_i；第二部分是由隨機選擇的父代個體的差分產生的向量；最后一部分是根據由被選取的目標個體和當前整個種群中全局最優解的差值來進行差分操作生成的解向量；

步驟S43：按照以下步驟將這步驟S41和步驟S42改進方式進行組合：如果rand＜λ則利用否則按照x′_i＝x_r1+F(x_r2-x_r3)+ψ(x_gbest-x_r1)進行突變操作；rand為產生隨機數的一個隨機函數；其中λ是范圍在[0，1]的控制變量；

步驟S2包括以下具體步驟：

步驟S21：關于推力分配問題的非線性優化數學模型如下：

約束調節如下：

s＝τ-B(α)F

F_min≤F≤F_max

ΔF_min≤F-F₀≤ΔF_max

α_min≤α≤α_max

Δα_min≤α-α₀≤Δα_max

其中，第一項中W是總能耗，P為權值系數，F_i為第i個推進器的推力，k_i為計算參數；第二項s^TQs為懲罰項，s是廣義推力誤差向量；權值矩陣Q為對角正定矩陣，其應取大值，用以保證誤差s趨近于零；第三項(α-α₀)^TΩ(α-α₀)是用來約束推進角度的變化速度，其中α為本時刻的推進器的方位角，α₀為前一時刻的推進器的方位角，權值矩陣Ω＞0用來調節優化目標；第四項是用來避免奇異結構的，其中

l_xn和l_yn分別是第n個推進器的X方向坐標和Y方向坐標；X方向為從船中到船首，Y方向為從船中到船右舷；如果推進系統奇異或趨近于奇異，即det(B(α)B′(α))等于零或近似于零，則第四項的值會很大，相當于懲罰函數；式中ε＞0，δ大于零，δ是調節系數，用來平衡船舶的能耗與操縱性，δ取值越大操縱性越好，相應的能耗也會有所增加，δ取值越小，則情況正好相反；

步驟S22：在約束條件中，τ＝(τ_x，τ_y，τ_M)^T是期望得到的力和力矩，F是推進系統的推力矩陣，B(α)F則是推進系統實際產生的合推力及合力矩，由B(α)計算公式計算出實際與期望之間的廣義推力誤差向量；F_max和F_min分別表示推進器推力的最大值和最小值，限制了推進器的推力范圍；ΔF_max和ΔF_min分別表示推進器推力在單位時間內變化的上下限，B(α)計算公式規定了推力變化率的范圍；相應的，α_max和α_min為推進器旋轉角度的范圍，Δα_max和Δα_min是兩時刻間推進器角度變化幅值的上下限；

按照以下公式來調節λ值來選擇尋優策略：

其中t是當前循環次數，T是選定的最大循環次數；

步驟S5包括以下步驟：分別利用公式ABC改進策略或PSO改進策略進行突變操作；

其中ABC改進策略包括以下步驟：

1.引領蜂鄰域搜索產生新解，并計算其適應度值；

2.根據公式生成待評價解；

3.得到突變試驗群體；

PSO改進策略包括以下步驟：

1.更新每個個體的歷史最優值Pbest和全局最優值Gbest；

2.根據公式x′_i＝x_r1+F(x_r2-x_r3)+ψ(x_gbest-x_r1)生成待評價解；

3.得到突變試驗群體；

步驟S6包括以下步驟：按照如下公式設計動態增量的交叉參數

CR＝CR_min+(CR_max-CR_min)×(t/T)²

其中CR_max和CR_min是交叉參數的最大值和最小值；t是當前循環次數，T是選定的最大循環次數。