1、 南望山職業(yè)技術(shù)學(xué)院研究生課程論文封面課程名稱 智能檢測(cè)與控制技術(shù) 教師姓名 大師 研究生姓名 哈哈 研究生學(xué)號(hào) 8888888 研究生專業(yè) 自動(dòng)化 所在院系 機(jī)電學(xué)院 類別: 碩士 日期: 1998年11月11日 船舶橫向減搖的智能控制引 言船舶在風(fēng)浪中航行時(shí),在波浪擾動(dòng)的作用下,會(huì)產(chǎn)生橫搖、縱搖、垂蕩等各種運(yùn)動(dòng),其中橫搖是一般風(fēng)浪條件下行駛中最劇烈的，在大風(fēng)浪中也是除垂蕩外最為劇烈的,為改善乘客和船員的生活、工作條件,提高船舶適航性,同時(shí)減少加在裝載貨物及設(shè)備上的附加慣性力,提高機(jī)械設(shè)備使用效率、可靠性及裝載貨物的安全性,人們發(fā)明了多種減搖設(shè)備,如減搖鰭、舭龍骨、減搖水艙、減搖陀螺、移動(dòng)重

2、物等等,它們均可在不同層度上減輕船舶在航行時(shí)的橫搖運(yùn)動(dòng),其中減搖鰭是一種減搖效率最高,應(yīng)用也最為廣泛的減搖裝置1。 目前減搖鰭控制系統(tǒng)中多采用基于PID控制的控制器,而且絕大多數(shù)控制器的PID參數(shù)為預(yù)先設(shè)定值。而波浪作為船舶的主要外界擾動(dòng)信號(hào),其生成及變化情況非常復(fù)雜,波浪具有很強(qiáng)的隨機(jī)性、非線性,同時(shí)影響PID控制器參數(shù)的原因如船舶本身的裝載量、不同的航行海域等也常常發(fā)生變化,為使得減搖鰭的PID控制器更加高效,其參數(shù)必須隨外界情況變化而變化,同時(shí)它最后具有在線學(xué)習(xí)及預(yù)測(cè)能力,基于這樣的背景,本文提出將BP神經(jīng)網(wǎng)絡(luò)引入減搖鰭控制系統(tǒng)并開展相關(guān)研究。圖1：船底的減搖鰭1 BP神經(jīng)網(wǎng)絡(luò)介紹人工神

3、經(jīng)網(wǎng)絡(luò)(ANN)是模仿生物神經(jīng)系統(tǒng)的工作原理,通過大量的分布式連接,形成了分布式存儲(chǔ)、并行處理、自適應(yīng)學(xué)習(xí)等功能。近30年來神經(jīng)網(wǎng)絡(luò)的研究發(fā)展非常迅速,在模式識(shí)別、圖像處理、預(yù)測(cè)管理、控制及優(yōu)化等方面都取得了很好的應(yīng)用。神經(jīng)網(wǎng)絡(luò)一般由神經(jīng)元模型、網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法三個(gè)要素共同決定,其中學(xué)習(xí)算法有很多種,從神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)上可分為前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò),本文選定BP(back propagation反向傳播算法)神經(jīng)網(wǎng)絡(luò)作為工具進(jìn)行研究,BP神經(jīng)網(wǎng)絡(luò)采用并行網(wǎng)絡(luò)結(jié)構(gòu),包括輸入層、中間層(隱含層)和輸出層, BP算法學(xué)習(xí)過程包括前向信息傳播和反向誤差傳播,輸入信號(hào)經(jīng)中間層傳到輸出層形成輸出信號(hào),

4、信號(hào)傳遞時(shí)網(wǎng)絡(luò)的權(quán)值不變,如果在輸出層無法得到期望輸出,則轉(zhuǎn)入反向誤差傳播,誤差信號(hào)從輸出端反向傳遞,在次過程中誤差反饋對(duì)網(wǎng)絡(luò)權(quán)值進(jìn)行調(diào)節(jié),通過對(duì)權(quán)值的不斷調(diào)整使誤差值變?yōu)樽钚?。BP神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的非線性映射及泛化能力,其三層網(wǎng)絡(luò)可實(shí)現(xiàn)對(duì)任意函數(shù)或映射, BP神經(jīng)網(wǎng)絡(luò)作為一種成熟網(wǎng)絡(luò)類型被廣泛應(yīng)用。其基本結(jié)構(gòu)如圖2所示:神經(jīng)網(wǎng)絡(luò)是由神經(jīng)元構(gòu)成,神經(jīng)元模型一般包括連接權(quán)ij、求和單元和非線形激勵(lì)函數(shù)()組成,非線形激勵(lì)函數(shù)的作用是進(jìn)行非線形映射并限制神經(jīng)元輸出幅度在一定范圍以內(nèi),同時(shí)還包括域值k,圖2所示的三層網(wǎng)絡(luò)的輸出可用數(shù)學(xué)公式表達(dá)如下:輸入層: Oi=xi(1)中間層: Oj=j(netj

5、,j) (2)輸出層: yk=k(netkj,k) (3)圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖 2 基于BP神經(jīng)網(wǎng)絡(luò)的減搖鰭系統(tǒng)分析及仿真模型建立 減搖鰭的工作原理是當(dāng)船在海浪中航行時(shí),海浪運(yùn)動(dòng)使得船舶形成橫搖運(yùn)動(dòng),減搖鰭裝置中的角速度陀螺檢測(cè)到船舶橫搖角速度信號(hào),經(jīng)過PID控制器等環(huán)節(jié)處理后傳給電液伺服系統(tǒng),由電液伺服系統(tǒng)驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)帶動(dòng)鰭轉(zhuǎn)動(dòng)一個(gè)角度,這時(shí)鰭在水流作用下會(huì)產(chǎn)生“升力”,由于左右兩舷都裝有鰭,而且工作時(shí)鰭的轉(zhuǎn)角大小相等,方向相反。從而形成在船體上產(chǎn)生一個(gè)與波浪力矩方向相反的力矩(穩(wěn)定力矩),進(jìn)而達(dá)到減小船舶橫搖運(yùn)動(dòng)的目的。結(jié)合BP神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí),可設(shè)計(jì)出如圖3所示的基于BP神經(jīng)網(wǎng)

6、絡(luò)的減搖鰭原理框圖。為便于對(duì)系統(tǒng)進(jìn)行仿真研究,需要分析并建立各環(huán)節(jié)數(shù)學(xué)模型:圖3 基于BP神經(jīng)網(wǎng)絡(luò)的減搖鰭原理框圖2.1 船舶橫搖模型減搖鰭作為一種主動(dòng)式減搖裝置,因其相對(duì)高效的減搖效果而得到了廣泛應(yīng)用。要建立其數(shù)學(xué)模型,必須先了解船舶橫搖運(yùn)動(dòng)模型,由于船舶的橫搖運(yùn)動(dòng)主要由海浪的擾動(dòng)產(chǎn)生,在橫搖角度比較小的情況下用Conolly橫搖方程來進(jìn)行分析,可以得到如下方程:(Ix +Ix)+2N+Dh=-Dhe (4)4其中Ix橫搖轉(zhuǎn)動(dòng)慣量 N橫搖阻尼系數(shù) Ix附加轉(zhuǎn)動(dòng)慣量D船舶排水量 h船舶初穩(wěn)心高 橫搖角 e有效波傾角在零初始條件下船舶對(duì)有效波傾角的傳遞函數(shù):GC(s) =(s)/e(s)=1/(

7、T c2S2+2TccS+1) (5)其中Tc=Sqrt(Ix+Ix)/Dh為船舶固有橫搖周期、c=NDh(Ix+Ix)為無因次阻尼系數(shù)2.2 角速度陀螺儀模型角速度陀螺儀用于測(cè)量船舶橫搖角速度,它可將橫搖角速度以電壓信號(hào)輸出,可作為線形元器件看待,其輸出對(duì)船舶橫搖角的傳遞函數(shù):GS(s) =V(s)/(s)=ks (6)其中k為角速度陀螺儀比例系數(shù)2.3 電液伺服系統(tǒng)模型從液壓系統(tǒng)控制方式上,可以把減搖鰭電液伺服系統(tǒng)分為容積式和節(jié)流型兩種。本文以容積式作為參考對(duì)象建立模型,其模型可等效為一個(gè)二階系統(tǒng),為方便分析,對(duì)系統(tǒng)做適當(dāng)簡(jiǎn)化處理。可得到伺服閥電壓到最終執(zhí)行機(jī)構(gòu)帶動(dòng)鰭轉(zhuǎn)動(dòng)角度的傳遞函數(shù)為:

8、Gv(s) =V(s)/e(s)=k3/(s2+k1s+k2) (7)其中k1、k2、k3分別為特定電液伺服系統(tǒng)參數(shù)2.4 鰭角到船舶形成扶正角度間系數(shù)kz由于鰭角轉(zhuǎn)化為船舶扶正角計(jì)算復(fù)雜,可以對(duì)該系數(shù)進(jìn)行靜態(tài)估算,對(duì)特定的減搖鰭系統(tǒng),它是看作一個(gè)常數(shù)。2.5 BP神經(jīng)網(wǎng)絡(luò)PID控制器減搖鰭使用的是經(jīng)典PID控制的控制器,其PID控制器的參數(shù)kp、ki、kd為預(yù)先設(shè)定值,本文研究根據(jù)系統(tǒng)的運(yùn)行情況,用BP神經(jīng)網(wǎng)絡(luò)來調(diào)節(jié)kp、ki、kd參數(shù),這里采用增量式數(shù)字PID控制算法:u(k) =u(k-1) +u(k) (8)其中u(k)=kp(e(k)-e(k-1)+kie(k)+kd(e(k)-2e

9、(k-1)+e(k-2)我們采用如圖2所示的三層神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)結(jié)構(gòu)為2-6-3,同時(shí)選Sigmoid函數(shù)f(x)=1/(1+ex)作為激勵(lì)函數(shù)。眾所周知BP算法在實(shí)際運(yùn)用中存在收斂速度慢和目標(biāo)函數(shù)局部極小等問題。根據(jù)前人研究,有很多方法可以對(duì)以上問題進(jìn)行改進(jìn),本文選用較為常用的附加動(dòng)量項(xiàng)的方法來解決該問題。要讓神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)預(yù)期功能,必須先對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練, BP網(wǎng)絡(luò)的訓(xùn)練通常采用局部梯度下降法(學(xué)習(xí)律),其基本思想是使網(wǎng)絡(luò)的輸出和訓(xùn)練樣本之間的誤差均方值最小,誤差均方值E=(tn-yn)2。這里以t代表樣本,對(duì)網(wǎng)絡(luò)的訓(xùn)練通常包括以下幾點(diǎn):1)初始化網(wǎng)絡(luò):包括初始化網(wǎng)絡(luò)權(quán)值和域值,本文取權(quán)值和域值

10、為隨機(jī)數(shù)值;2)選取并輸入訓(xùn)練樣本:在給定范圍內(nèi)對(duì)輸入值進(jìn)行5次等分獲得36個(gè)訓(xùn)練樣本;3)計(jì)算各層輸出及誤差:網(wǎng)絡(luò)的輸出層輸出即為PID參數(shù)kp、ki、kd;4)調(diào)整網(wǎng)絡(luò)權(quán)值和域值;輸出層權(quán)值調(diào)整:wjk(n +1) =kOj+wjk(n) (9)其中k=(tk-yk)k(netk,k),為學(xué)習(xí)步長,為動(dòng)量因子。域值及中間層權(quán)值調(diào)整方法類同。5)判斷目標(biāo)函數(shù)是否達(dá)到預(yù)期,如達(dá)到則訓(xùn)練結(jié)束,否則重新開始訓(xùn)練直至達(dá)到預(yù)期。3 系統(tǒng)仿真過程及結(jié)果以安裝JQB-3型減搖鰭的海巡168船為例:其排水量為800t,初穩(wěn)心高為1. 7m,船舶自搖周期為6s=2TC,無因次阻尼系數(shù)為0.13,角速度陀螺儀比

11、例系數(shù)k=0.4,電液伺服系統(tǒng)系數(shù)k1=25、k2=325、k3=450,轉(zhuǎn)化系數(shù)kz=0.35。將以上參數(shù)分別帶到表達(dá)式(5)、(6)、(7)中即得到各環(huán)節(jié)具體數(shù)學(xué)模型。用MATLAB/Simulink對(duì)減搖鰭系統(tǒng)進(jìn)行仿真,可得到圖4所示仿真結(jié)構(gòu)圖:圖4 減搖鰭系統(tǒng)Simulink仿真結(jié)構(gòu)圖 圖中輸入信號(hào)用模擬海浪信號(hào),模擬海浪信號(hào)由高斯白躁聲與正弦波疊加后輸入到波浪擾動(dòng)模型而產(chǎn)生,其模擬波傾角如圖5所示。圖中PID控制器及BP神經(jīng)網(wǎng)絡(luò)控制器分別由MATLAB程序編制。當(dāng)船的航速為10節(jié)（18.52km/h）,船以45度浪向航行,可獲得如圖6所示傳統(tǒng)PID控制器控制時(shí)船舶的橫搖角響應(yīng)仿真曲線

12、,同時(shí)可獲得如圖7所示基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器控制時(shí)船舶的橫搖角響應(yīng)仿真曲線。選取=0.1,=0.7,設(shè)定方差0.000001,可以得到圖8誤差曲線,經(jīng)過580步訓(xùn)練學(xué)習(xí),誤差達(dá)到設(shè)定值。 圖5：浪向角45時(shí)的海浪傾角仿真圖 圖6：傳統(tǒng)PID控制器時(shí)的船舶橫搖角仿真圖 圖7：基于BP神經(jīng)網(wǎng)絡(luò)控制的橫搖角仿真圖圖8 誤差曲線同時(shí)通過仿真,可看到PID參數(shù)kp、ki、kd的實(shí)時(shí)調(diào)整變化情況。通過以上在45浪角行駛下的仿真曲線可以看出，在不同的浪向角下，神經(jīng)網(wǎng)絡(luò)混合控制器的效果要優(yōu)于PID控制，這主要是因?yàn)镻ID控制器的參數(shù)是針對(duì)浪向角為標(biāo)準(zhǔn)45的情況下設(shè)定的，而在其它海況下，PID的參數(shù)可能

13、不是最優(yōu)的，需要重新設(shè)定參數(shù)，而神經(jīng)網(wǎng)絡(luò)混合控制器可以適應(yīng)不同的海況，且減搖效果是令人滿意的。4 小結(jié)本文在分析船舶減搖鰭系統(tǒng)各環(huán)節(jié)數(shù)學(xué)模型的基礎(chǔ)上,引入BP神經(jīng)網(wǎng)絡(luò)的思想,將傳統(tǒng)PID控制器和BP神經(jīng)網(wǎng)絡(luò)結(jié)合起來,使得在線訓(xùn)練學(xué)習(xí),并根據(jù)外界情況變化動(dòng)態(tài)調(diào)節(jié)PID控制器相關(guān)參數(shù)，通過仿真比較,BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于減搖鰭系統(tǒng)后能明顯提升控制系統(tǒng)品質(zhì)，具有一定實(shí)用性。通過了一個(gè)學(xué)期的理論課程學(xué)習(xí)，也參與了討論，本人掌握了模糊算法和神經(jīng)網(wǎng)絡(luò)的基本知識(shí)，通過金老師的詳細(xì)講解還有同學(xué)們間的課堂的交流，獲得了不少智能控制方面的知識(shí)，如專家系統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)合模糊算法控制等內(nèi)容，通過這次對(duì)于智能檢測(cè)與控制技術(shù)這

14、門課程的學(xué)習(xí)，同學(xué)們完成理論與實(shí)操的結(jié)合、提高了自己的實(shí)踐能力，尤其是觀察、分析和解決問題的實(shí)際工作能力，在老師的培養(yǎng)下，我們要爭(zhēng)取成為社會(huì)所需的高素質(zhì)的研究型人才。在此，對(duì)幫助與指導(dǎo)過我的老師和幾位師兄表示衷心的感謝。參考文獻(xiàn)：1盛振邦,劉應(yīng)中,船舶原理 M.上海:上海交通大學(xué)出版社,2004.2郭慶祝,等.基于模糊理論的船舶減搖鰭智能控制系統(tǒng)分析J.中外船舶科技, 2005,2.3洪超.艦船減搖鰭伺服系統(tǒng)傳遞函數(shù)研究 J.液壓氣動(dòng),2008,4.4夏國澤.船舶流體力學(xué)M.華中科技大學(xué)出版社,2003.5 MATLAB中文論壇,MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析M.北京:北京航空航天大學(xué)出版社, 2010.6余曉紅. BP神經(jīng)網(wǎng)絡(luò)的MATLAB編程實(shí)現(xiàn)及討論J.浙江交通職業(yè)技術(shù)學(xué)院學(xué)報(bào),2007,8(4).7江同洋, 船舶橫搖運(yùn)動(dòng)及減搖鰭控制系統(tǒng)的仿真研究D.大連:大連海事大學(xué),20118 Odd M.Faltinsen,NON-LIFTING HYDRODYNAMIC INTERACTION FORCES BETWEEN TWO SHIPS UNDER