论文部分内容阅读
有效的航向保持控制是船舶安全航行的重要任务，无人船航向控制问题是无人船智能航行控制的核心问题之一。无人船航向控制系统具有很强的非线性，是一个复杂的不确定性系统，前期有些研究成果在建模时进行简化处理，其中很多简化在有人船自动舵上应用是可以被接受的，但对于无人船就可能无法被接受;也有一些控制方法能够有效改善控制效果，但控制器设计具有极高的复杂性。传统的航向控制对数学模型简化、算法复杂等问题将很难满足无人船航向控制的现实需求，有必要在传统控制方法的基础上，利用新的控制理论和方法对上述问题加以解决。在当前及今后一段时期，人工智能、大数据等技术将快速发展，无人船利用海量的离线数据、在线数据以及输入输出数据，在建立受控系统精准数学模型非常困难的情况下，实现对航行过程和船舶设备的优化控制、预判以及后续的评价将成为可能。因此，利用数据驱动的控制理论与方法解决工程中的实际问题是当前及未来一定时期内船舶运动控制的现实需求，对于丰富无人船控制理论体系也具有重要的理论与现实意义。
本文基于数据驱动的理论和方法，针对无人船系统的数据采样稳定性、航向保持控制和航向跟踪控制问题进行了深入研究，期望实现更加有效的无人船航向控制器设计。本文主要研究工作和成果如下所示:
1.具有时变时滞的无人船数据采样系统稳定性分析。针对无人船系统数据采样过程延时和采样频率产生的振荡、发散或不稳定问题，采用动态时滞区间的方法，构造一个新的Lyapunov-Krasovskii泛函(LKF)，利用Wirtinger积分不等式和反凸组合的方法处理LKF的导数项，将固定的时滞区间扩展为动态的时滞区间，并利用一些三重积分项分析无人船的时变时滞稳定性。
仿真结果表明:系统可以渐近稳定的最大时滞上界值最大，为12.9394;当时滞下界值分别为2和3时，运用本文方法得到的时滞也达到最大上界，分别为13.3602和13.8200;选取任一时滞上界，通过分析无人船系统各状态轨迹，验证得出本文方法具有更好的保守性。因此，此方法打破了时滞区间上界和下界的限制，将固定时滞区间扩展成为动态时滞区间，获得了一个更宽松的标准来分析无人船系统的稳定性，也意味着可以有更多的能力来应对延迟所带来系统振荡、发散或不稳定等诸多问题。
2.基于随机微分方程的带有广义噪声无人船航向保持控制器设计。将无人船受到的外部干扰因素由白噪声扩展到广义噪声，在分析航向保持依概率噪声-状态稳定性和渐近增益基础上，利用随机微分方程(RDE)理论为具有干扰噪声数据的船舶航向二阶模型搭建Lyapunov稳定性的理论框架，基于后推法开展控制器设计，并分析控制器的稳定性。
仿真结果表明:在广义噪声影响下，选取初始航向30°，船舶的航向和跟踪误差有一定的抖动，广义噪声和传统白噪声影响作用区别明显，无人船航向保持系统是依概率噪-状态稳定的(NSS-P)，并且系统的状态具有依概率渐近增益(AG-P)，跟踪误差非常小。在带有广义噪声情况下，本文提出的基于RDE理论的控制器具有有效性和稳定性。
3.基于近似策略迭代(API)架构的无人船航向保持最优控制器设计。通过实验获得目标船足够的输入输出数据，分别引入评价和执行神经网络来近似船舶性能指标和航向，计算出API算法的迭代公式，通过迭代计算神经网络的权重，获得船舶系统的最终控制策略并获得船舶航向输出。
仿真结果表明:在考虑无人船最低能耗的最优控制情况下，设定期望误差ξ=10-5，航向和舵角的初始值分别为5°和-30°，利用API算法进行实验，在第20次迭代时，评价神经网络和执行神经网络的权向量分别收敛到期望值，船舶航向保持控制系统是随时间收敛到零的，并且在噪声等多源干扰环境中，该算法也具有鲁棒性。因此，采用API架构的航向保持最优控制设计是实用有效的。
4.基于优化后推(OB)技术的无人船舵机饱和情况下航向跟踪控制器设计。在算法和控制实现上，采用后推技术作为主要控制框架，提出了基于执行网-评价网结构、径向基函数(RBF)神经网络的强化学习(RL)策略，利用辅助设计系统和高斯误差函数来处理实际的输入饱和问题。
仿真结果表明:一方面，在跟踪航向为定值情况下，设定为跟踪航向常值050°，执行网络和评价网络的初始权重为0.04，在初始航向偏差较大的情况下，基于本文的OB算法，船舶航向能够快速、准确地跟踪和收敛到期望值，控制输入舵角满足约束条件，也处于较低的能耗，这说明本文设计方法在跟踪定值航向时具有良好的控制效果，且比较符合航海实际情况。另一方面，在跟踪航向为时变情况下，舵角输入指令在0°到30°范围内变化，OB方法能够使第一步的航向跟踪误差降低1.9％，表明跟踪性能相近;但是本文提出的OB方法的第一和第二步代价函数、舵角减少幅度较大，分别降低了22.7％、24.7％和21.5％。因此，本文提出的方法跟踪精度、能源节约、降低舵机磨损方面具有更好的控制性能。
通过理论分析、模拟仿真、与其他方法的对比验证等方式表明，本文提出的基于数据驱动的无人船航向控制设计方法能够提升无人船航向控制的精准度和效率、降低船舶能耗、减少船舶设备磨损，具有实用性和有效性。该研究对于提升无人船安全有效航行的性能、丰富无人船运动控制理论具有重要的现实意义。
本文基于数据驱动的理论和方法，针对无人船系统的数据采样稳定性、航向保持控制和航向跟踪控制问题进行了深入研究，期望实现更加有效的无人船航向控制器设计。本文主要研究工作和成果如下所示:
1.具有时变时滞的无人船数据采样系统稳定性分析。针对无人船系统数据采样过程延时和采样频率产生的振荡、发散或不稳定问题，采用动态时滞区间的方法，构造一个新的Lyapunov-Krasovskii泛函(LKF)，利用Wirtinger积分不等式和反凸组合的方法处理LKF的导数项，将固定的时滞区间扩展为动态的时滞区间，并利用一些三重积分项分析无人船的时变时滞稳定性。
仿真结果表明:系统可以渐近稳定的最大时滞上界值最大，为12.9394;当时滞下界值分别为2和3时，运用本文方法得到的时滞也达到最大上界，分别为13.3602和13.8200;选取任一时滞上界，通过分析无人船系统各状态轨迹，验证得出本文方法具有更好的保守性。因此，此方法打破了时滞区间上界和下界的限制，将固定时滞区间扩展成为动态时滞区间，获得了一个更宽松的标准来分析无人船系统的稳定性，也意味着可以有更多的能力来应对延迟所带来系统振荡、发散或不稳定等诸多问题。
2.基于随机微分方程的带有广义噪声无人船航向保持控制器设计。将无人船受到的外部干扰因素由白噪声扩展到广义噪声，在分析航向保持依概率噪声-状态稳定性和渐近增益基础上，利用随机微分方程(RDE)理论为具有干扰噪声数据的船舶航向二阶模型搭建Lyapunov稳定性的理论框架，基于后推法开展控制器设计，并分析控制器的稳定性。
仿真结果表明:在广义噪声影响下，选取初始航向30°，船舶的航向和跟踪误差有一定的抖动，广义噪声和传统白噪声影响作用区别明显，无人船航向保持系统是依概率噪-状态稳定的(NSS-P)，并且系统的状态具有依概率渐近增益(AG-P)，跟踪误差非常小。在带有广义噪声情况下，本文提出的基于RDE理论的控制器具有有效性和稳定性。
3.基于近似策略迭代(API)架构的无人船航向保持最优控制器设计。通过实验获得目标船足够的输入输出数据，分别引入评价和执行神经网络来近似船舶性能指标和航向，计算出API算法的迭代公式，通过迭代计算神经网络的权重，获得船舶系统的最终控制策略并获得船舶航向输出。
仿真结果表明:在考虑无人船最低能耗的最优控制情况下，设定期望误差ξ=10-5，航向和舵角的初始值分别为5°和-30°，利用API算法进行实验，在第20次迭代时，评价神经网络和执行神经网络的权向量分别收敛到期望值，船舶航向保持控制系统是随时间收敛到零的，并且在噪声等多源干扰环境中，该算法也具有鲁棒性。因此，采用API架构的航向保持最优控制设计是实用有效的。
4.基于优化后推(OB)技术的无人船舵机饱和情况下航向跟踪控制器设计。在算法和控制实现上，采用后推技术作为主要控制框架，提出了基于执行网-评价网结构、径向基函数(RBF)神经网络的强化学习(RL)策略，利用辅助设计系统和高斯误差函数来处理实际的输入饱和问题。
仿真结果表明:一方面，在跟踪航向为定值情况下，设定为跟踪航向常值050°，执行网络和评价网络的初始权重为0.04，在初始航向偏差较大的情况下，基于本文的OB算法，船舶航向能够快速、准确地跟踪和收敛到期望值，控制输入舵角满足约束条件，也处于较低的能耗，这说明本文设计方法在跟踪定值航向时具有良好的控制效果，且比较符合航海实际情况。另一方面，在跟踪航向为时变情况下，舵角输入指令在0°到30°范围内变化，OB方法能够使第一步的航向跟踪误差降低1.9％，表明跟踪性能相近;但是本文提出的OB方法的第一和第二步代价函数、舵角减少幅度较大，分别降低了22.7％、24.7％和21.5％。因此，本文提出的方法跟踪精度、能源节约、降低舵机磨损方面具有更好的控制性能。
通过理论分析、模拟仿真、与其他方法的对比验证等方式表明，本文提出的基于数据驱动的无人船航向控制设计方法能够提升无人船航向控制的精准度和效率、降低船舶能耗、减少船舶设备磨损，具有实用性和有效性。该研究对于提升无人船安全有效航行的性能、丰富无人船运动控制理论具有重要的现实意义。