摘要:为解决全垫升气垫船受风和惯性力影响较大,容易产生侧漂,其转艏角速度较常规船舶难于控制的问题,建立了全垫升气垫船的平面运动模型。设计了神经网络PID控制器,利用BP神经网络具有的任意非线性表达能力,通过对系统性能的学习,实现具有最佳组合的PID控制。对气垫船的转艏角速度控制进行仿真,并与常规PID控制效果进行对比,结果表明,在全垫升气垫船受风力干扰的情况下,神经网络PID控制器相比常规PID控制器在克服风力干扰方面控制效果更好。
下载论文
  关键词关键词:全垫升气垫船;转艏角速度;神经网络;风力干扰
  DOIDOI:10.11907/rjdk.172512
  中图分类号:TP301
  文献标识码:A文章编号文章编号:16727800(2018)003001805
  英文摘要Abstract:For solving the problem that the air cushion vehicle is easy to be affected by wind and inertia force, and it is easy to have large side drift, so the keeping of its angular velocity is difficult to control. In order to improve the heading maneuver of Air Cushion Vehicle, the Yawing Angular Velocity Keeping Control must be used frequently, established the air cushion vehicle motion model, and the design of PIDneural network controller based on BP neural network with arbitrary nonlinear expression ability, the system can achieve the best combination of learning. The control of the angular velocity of air cushion vehicle is simulated by the model, and the results are compared with those of the conventional PID control.The simulation results show that the air cushion vehicle in the case of wind disturbance, PIDneural network controller of the yawing angular velocity control, control effect in overcoming the wind disturbance compared with the conventional PID controller has better effect.
  英文?P键词Key Words:air cushion vehicle; yawing angular velocity; neural network; wind disturbance
  0引言
  气垫船是一种高性能船舶,其结构与其它船舶有很大不同,它由气垫压力承担船体重量,采用空气螺旋桨推进,具有水陆两栖能力,可在草地、沼泽地带、多石滩河面、浅水和冰雪海面航行,在军用和民用领域应用广泛。全垫升气垫船没有常规排水船的水下螺旋桨、舵等水下器件,不能通过水下器件产生回转向心力,而是通过空气舵产生回转力。全垫升气垫船在回转运动中,由于侧向水阻力很小,而且航速高,很容易受风和惯性力影响,其转艏角速度很难保持在相对稳定的水平,影响航行安全。
  随着现代控制理论及技术的发展,许多先进控制算法成功应用到全垫升气垫船的航迹向控制[14]和升沉运动控制中[5],但是在转艏角速度控制中应用较少。针对经典PID控制参数不能在线调整的缺陷,为改善全垫升气垫船的操纵水平,使气垫船在回转运动中转艏角速度保持在相对稳定水平,设计了一种基于BP神经网络的PID控制算法,利用BP神经网络具有的任意非线性表达能力,通过对系统性能的学习,实现具有最佳组合的PID控制[69]。
  1全垫升气垫船运动模型
  为建立全垫升气垫船的三自由度平面运动数学模型,作如下假设:①气垫船为刚体;②船体左右对称;③船所在的水域流速为零。
  图1所示为船体坐标系xOy及北东坐标系ξEζ,其中ξ指北东坐标系的北, ζ指北东坐标系的东,ψ为艏向角,以ξ轴至x轴顺时针旋转为正。x轴指向船艏,y轴指向右舷,E和O为各自坐标系的原点且处于同一水平高度,各坐标轴都与水面平行。
  u、v分别是船速V在x轴和y轴上的分量,V和x轴间的夹角β为气垫船漂角,x轴至船速V顺时针方向为正。基于上述坐标系,建立全垫升气垫船平面运动模型:
  m(-vr)=Fx
  m(+ur)=Fy
  Iz=Mz(1)
  其中,m为气垫船质量,Fx为船体纵向所受合力,Fy为船体横向所受合力,Iz为气垫船通过其重心的铅垂线转动惯量,Mz为气垫船的转艏力矩,r为船的转艏角速度。上述合力及力矩的表达式为:
  Fx=Fxa+Fxh+Fxp+FxR
  Fy=Fya+Fyh+Fyp+FyR
  Mz=Mza+Mzh+Mzp+MzR (2)
  下标α表示空气动力,R表示空气舵力,通过船模风洞试验得到。h表示水动力,通过水池拖拽试验和船模空气动力扣除试验得到。p表示空气螺旋桨推进力,通过选桨及单桨试验、推力影响等试验得到[1011]。北东坐标系与船体坐标系之间的转换关系为:   u(k)O(3)l(k)?O(3)l(k)net(3)l(k)?net(3)l(k)w(3)li(24)
  这里需要用到变量y(k+1)/u(u)。由于y(k+1)/(k)未知,所以近似用符号函数sgn[y(k+1)/u(k)]来取代,由此带来计算不精确的影响可通过调整学习速率η加以补偿[16]。
  由式(18)、(19)、(20)得:
  u(k)O(3)0=e(k)-e(k-1)u(k)O(3)1=e(k)
  u(k)O(3)2=e(k)-2e(k-1)+e(k-2) (25)
  这样,可得BP神经网络输出层加权系数计算公式为:
  Δw(3)li(k+1)=ηδ(3)lO(2)i(k)+γΔw(3)li(k)(26)
  δ(3)l=e(k+1)?sgn[y(k+1)u(k)]?δu(k)O(3)l(k)?g[net(3)l(k)]l=0,1,2(27)
  同理可得隐含层加权系数计算公式为:
  Δw(2)ij(k+1)=ηδ(2)iO(1)j(k)+γΔw(2)li(k)(28)
  δ(2)i=f[net(2)i(k)]∑2l=0δ(3)lw(3)li(k)
  i=0,1,2…q-1(29)
  4实验与分析
  4.1转艏角速度保持控制仿真
  分别使用设计的神经网络PID以及传统PID控制器进行气垫船转艏角速度保持控制仿真。仿真时,设定气垫船初始状态艏向角为0°,转艏角速度为0°/s,航速为15m/s,转艏角速度期望值为2°/s。整个仿真过程中保持左右螺距角相同且始终不变,仅通过改变舵角实现气垫船转艏角速度控制。分别设定环境为无风,以及主风向角为45°,平均风速分别为5m/s、10m/s的脉动风,仿真结果如图6、图7、图8所示。
  4.2控制结果对比分析
  比较图6、图7、图8的转艏角速度保持控制仿真曲线,发现神经网络PID控制下的收敛速度较快,对气垫船转艏角速度控制效果好。PID控制器在无环境风情况下,基本能满足转艏角速度控制要求,但在有脉动风干扰时稳态误差较大。神经网络PID控制器具有自学习、自适应能力,无论在无风还是有环境风干扰的状况下,都能基本保持转艏角速度稳定,相对期望值的偏移总体小于传统PID控制算法,抗干扰能力更强,是较优良的控制算法。
  5结语
  全垫升气垫船由于结构的特殊性,其转艏角速度相比常规排水船难于控制。本文设计了神经网络PID控制器,对全垫升气垫船的转艏角速度保持控制进行了仿真,并与常规PID控制的效果进行了对比。实验结果显示,在气垫船受到环境风干扰时,神经网络PID控制器在克服干扰方面比常规PID控制效果更好。
  参考文献参考文献:
  [1]刘振业,刘伟,付明玉,等.基于模糊自适应ADRC的全垫升气垫船航向控制[J].信息与控制,2011,40(6):747752.
  [2]胡妍妍.气垫船特有操纵装置在航向控制中的应用研究[D].哈尔滨:哈尔滨工程大学,2011.
  [3]WANG C L, ZHANG H Y, FU M Y. Motion control of an amphibious hovercraft based on fuzzy weighting[C] .International Conference on Communication Technology.IEEE,2013:10061011.
  [4]刘振业,刘伟,付明玉,等.神经网络自抗扰全垫升气垫船航迹控制[J].哈尔滨工程大学学报,2012,33(3):283288.
  [5]刘伟,陈光祥.全垫升气垫船垫升压力控制[J].自动化技术与应 用,2014,33(10):2025.
  [6]WANG F Z, YU Q X. Speedregulation system of PMLSM based on BP neural network PID control[J]. Advanced Materials Research,2012.
  [7]OHNISHI Y, KITAGAWA H, MORI S, et al. Design of neural networks based FRIT PID controllers and its applications[J]. Ifac Proceedings Volumes,2013,46(11):355359.
  [8]汪先兵,?M树岷,徐清扬,等.BP神经网络PID控制的永磁真空开关储能电容恒流充电特性分析[J].电工技术学报,2015,30(10):212218.
  [9]刘宁,王晓强,任慧龙,等.全垫升气垫船在波浪中运动的非线性理论研究[J].华中科技大学学报:自然科学版,2014,42(4):9195.
  [10]王成龙,付明玉,边信黔,等.全垫升气垫船四自由度运动仿真[J].计算机仿真,2009,26(7):278281.
  [11]付明玉,王元慧,王成龙.海洋运载器运动建模[M].哈尔滨:哈尔滨工程大学出版社,2017.
  [12]李木国,褚晓安,刘于之,等.开放式风速控制系统的研制[J].计算机测量与控制,2015,23(9):30263028.
  [13]田园,杨承恩.基于ANFIS的舵阻横摇系统[J].南京航空航天大学学报,2006,38(7):112115.
  [14]赵光辉.几种非线性控制算法的比较及过程控制实验测试[D].青岛:中国石油大学(华东),2010.
  [15]田国钰,黄海洋.神经网络中隐含层的确定[J].信息技术,2010(10):7981.
  [16]王玲芝,王忠民.动态调整学习速率的BP改进算法[J].计算机应用,2009,29(7):18941896.
  责任编辑(责任编辑:杜能钢)

  • 大成 :
  • 1426479642
  • 小文 :
  • 1426479642

移动办公:17161073700

鹏程论文网提供MBA/MPA、经济管理、工商管理、教育管理、法律硕士、医学硕士、软件工程、在职硕士以及电子信息技术、计算机等各专业的硕士论文代写服务,还包括开题报告的撰写。 无需定金,信誉保证,当面交易,安全可靠 .

杂志库 更多>>
  • 官方微信