舵鳍联合自抗扰主从控制策略设计

宋吉广,王继铭,梁利华,史洪宇

(哈尔滨工程大学自动化学院,黑龙江哈尔滨 150001)

1 引言

多操纵面综合控制技术在航空飞行器中已经获得应用,提高了航空器的飞行性能和安全性[1–4].但是除了配备动力定位的水面航行器在定位或低速航行时采用执行器(通常为螺旋浆)的联合控制外[5–6],水面航行器的舵、鳍、浆和侧推等操纵面绝大多数都采用单独的控制方式,这不利于水面航行器综合控制性能的提高.而伴随着舰船编队、护航、补给、反潜、防空等任务的增加,对搭载声呐、雷达、垂直发射等装置的舰艇平台提出了更高的要求[7–8].为此,对舰船等水面航行器采用多操纵面综合控制不仅可以提供更加稳定的生活和武器平台,同时对于减少能源消耗和人员配置也尤为重要.

作为舰船多操纵面综合控制技术中最基础的应用之一,舵鳍联合控制可以提高舰船的稳定性、操纵性和安全性.例如,法国现役的戴高乐号航母通过两部计算机对鳍、舵以及甲板下22 t重物进行综合控制.使得当母舰以30◦舵角、20 kn节航速回转时舰体横倾角不超过1◦,在六级海况下满足固定翼舰载机的起降要求.单从耐波性上来说,比10万吨级的美国尼米兹级航空母舰毫不逊色[9].

舵鳍联合控制通常包含两方面的应用:一是直航条件下的减摇和航向保持,另一个是回转条件下的减横倾与横摇[10].本文首先进行第1个问题的探讨.

不少学者已经对舵鳍联合减摇技术进行了研究[11–23].早在1972 年,Cowley 就研究了舵减横摇的可行性,并对一条商船进行了试验[11].王新屏对2009 年之前的舵鳍控制研究进行了总结[15].2012年Koshkouei针对船舶不同的工作条件设计了不同的控制器,并通过切换策略对控制器做出选择[17].2018年Liang针对联合控制中的不同通道分别设计了预测控制器[21].2019年Wang对比了H∞和H2控制器在舵减摇上的应用[22].2020年李晖基于反馈线性化设计了舵鳍联合线性模型预测控制(model predictive control)[23].

然而到目前为止,仅有美国海岸警卫队的WMEC 901级舰及法国的戴高乐航母(配合移动重物法减摇)进行了实际应用,其他大多为试验性质或理论研究.究其原因主要是:1)目前舰船的舵机普遍采用开关舵(通过换向阀进行控制)而不是伺服舵(通过比例阀或伺服阀进行控制)控制精度和舵速均较低,限制了减摇效果的明显提高.2)舵减摇对横摇和航向模型敏感,现有的控制方法大多采用简单的叠加原理,在航向控制指令(低频信号)基础上叠加减摇指令(相对高频信号),当浪向和航速变化导致遭遇频率发生变化时,控制器不能很好的适应这些变化,造成航向误差加大且增加了舵机的磨损[12].3)现有的控制策略往往在控制器的初始设计阶段考虑舵角的速度和幅值约束,当工作环境变化时,没有动态的进行约束处理.从而影响最终舵产生的横摇稳定力矩、鳍产生的横摇稳定力矩与海浪扰动力矩的相位匹配[16,18–20].

目前,对成本不敏感的军用舰船上,已经开始使用控制精度更高和响应速度更快的伺服舵[24].从该实际情况和舵鳍联合控制面临的问题出发,作者试图在航向保持精度基本不变的前提下,提高舰船的综合减摇效果.为此,通过非线性扩张状态观测器来估计海浪扰动、未建模动态和航行条件变化等因素引起的系统不确定性,基于自抗扰控制(active disturbance rejection control,ADRC)设计了两步主从控制策略.

2 舵鳍联合控制的数学模型

2.1 船舶运动四自由度模型

进行舵鳍联合控制策略设计时,必须考虑横摇、首摇和横荡间的耦合作用,参考图1所示坐标系,船舶操纵性数学模型(ship manoeuvring mathematical model group)可进行如下描述[12,25]:

式中:u和v分别为舰船纵荡和横荡速度,r和p分别为舰船首摇和横摇角速度,X和Y分别为沿x和y轴方向的合力,N和K分别为绕z和x轴方向的合力距,船体重心在船体坐标系中的坐标位置CPG[xGyGzG],ρ为流体密度,g为重力加速度,∇为舰船排水量,GZ(ϕ)为恢复力臂.

图1 船体运动参考坐标系(基于ITTC操纵性标准)Fig.1 Ship motion coordinate system(based on ITTC maneuverability standard)

为了使问题相对简化,在进行舵鳍联合减摇和航线保持时,可以认为舰船航速恒定或速度变化较慢,将式(1a)从其他公式中解耦不予考虑.

式(1)右边的力(为叙述简便,下面讨论中在不引起误会的前提下把力和力矩统称为力)ΣY,ΣN和ΣK中包含流体动力τh、环境扰动力τd和控制力τc.定义向量

下面分别对这3种力进行说明.

2.2 流体动力

式(2)中τh[YhNhKh]T,忽略三阶以上系数,各分向量可表示如下:

2.3 控制力和控制力矩

舵鳍联合控制中的控制力/力矩包含由舵提供的控制力τcR和鳍提供的控制力τcF,即τcτcR+τcF[τcYτcNτcK]T.考虑图1所示舰船,该船配备双桨双舵和两对减摇鳍.

将舵和鳍上产生的水动力归为其上的一点,并设舵的压力中心在船体坐标系中的坐标为CPR(i)[xCPR(i)yCPR(i)zCPR(i)](i1,2),鳍的压力中心在船体坐标系中的坐标为CPF(j)[xCPF(j)yCPF(j)zCPF(j)](j1,2,3,4).单个舵上产生的正压力

式中:ρ为流体密度,AR为舵的面积,UR为舵表面的流体流速,CNR为舵的升力系数在0◦时的斜率,αIR为流入舵的有效冲角.考虑到船体伴流和螺旋桨增速的影响,上式中各变量可根据下列公式计算:

其中:δ为舵角,uR和vR为流入舵的有效纵向流速和有效横向流速,uP为桨轴方向的进速,kT为推力系数,JP为进速系数,wP为螺旋桨处的伴流系数,βP为螺旋桨处的入流角.修正系数ε,k,τ和γ反映了船体–桨–舵之间的相互影响.cRr,cRrrr和cRrrv为试验系数.上述这些变量或系数的详细意义和计算公式可参考文献[26]和文献[27].为了表示简洁化,上述的变量中省略了(i),当考虑左右舵的不同作用力时,δ,uP等变量应为δ(i)和uP(i),在下述的表示中,仍采用这种简化的表示方法.舵产生的控制力

式中αH为修正因子,该值与操舵诱导船体横向力∆Y有关,而操舵诱导船体横向力在船体坐标系中的无因次坐标为CP∆Y[xHyHzH],舵的压力中心相对船体重心的坐标为CPR−CPG[xRyRzR][xCPR−xGyCPR−yGzCPR−zG].类似的可以获得鳍提供的控制力.虽然鳍上的来流速度也会受到船体、舭龙骨以及前后鳍之间的影响,但这些影响相对较小,通常可以忽略.因此单个鳍上产生的升力为

式中:AF为鳍的面积,UF为鳍表面的流速,UF≈u,CLF为鳍的升力系数在0◦时的斜率,αIF为鳍的入流角αIF≈α(鳍角).则鳍产生的控制力

式中:β为鳍0◦时弦线面与水平面的夹角,鳍的升力中心相对船体重心的坐标为

2.4 环境扰动力和力矩

环境扰动力

τwind是由海风引起的扰动力,把船体看成与舵鳍相同的翼面,则风造成的正压力

式中:ρA为空气密度,As为舰船水线以上侧投影面积,CWY为船体对风压力系数斜率,UW和αRW为相对风速和相对风向角.设风压力中心相对船舶重心的坐标为CPW−CPG[xwindywindzwind],则

τcurr是由海流产生的干扰力,可以采用与海风类似的处理方法.在舵鳍联合减摇和航向保持时,由于计程仪获得是对水速度,船舶航速u和v中已经包含了海流速度,因此海流的影响可以看成是船舶的相对运动进行忽略.而在进行目标跟踪和航线保持时,需要采用北斗提供的对地航速,此时海流的影响不可忽略.关于海风和海流的中系数求取的经验公式可以参考文献[25].

τwave是由波浪对船体压力的变化所引起的扰动力,是环境干扰中最重要的影响.在操纵性问题中,粘性力在水动力中起主要作用,而在波浪引起的船舶运动中,非粘性力占主导地位.因此海浪对船体的作用可以分为引起船舶横摇、纵摇和垂荡变化的一阶干扰力(高频波浪诱导力)和引起船舶漂移和首摇运动的二阶干扰力(低频漂移力).因此可以采用双时间尺度法来描述一阶波浪力和二阶波浪力[28–29].随机海浪可通过描述其能量分布的谱密度表示,通常可采用如下的国际拖曳水池会议(International Towing Tank Conferences,ITTC)单参数谱

其中:h1/3为有义波高,g为重力加速度.波升可以认为是高斯分布的零均值的随机过程,在控制器设计和仿真中,可以用高斯白噪声通过如下的海浪成型滤波器来简化对海浪扰动力矩的描述:

式中:Kω2λwoσ,σ为描述波密度的常数,λ为阻尼系数,ωo为波浪主频率.对于特定海况,通过调整式(12)中的参数,可以使式(12)与式(11)有相同的分布形式.基于此,则可以使用如下的滤波器描述海浪扰动力:

环境扰动是舵鳍联合控制中最重要的不确定性,同时由于海浪的随机性,导致对这种不确定性的估计比较困难.

3 舵鳍联合控制策略的设计

目前,舵鳍联合控制通常采用分离的通道设计控制器来分别计算鳍角和舵角指令,然后进行指令叠加[17–18,21];或者采用综合的控制器产生鳍角和舵角指令[13,20,22–23].这些研究在一定程度上解决了舵鳍联合控制的问题,并促进了舵鳍联合减摇技术的发展.然而正如在引言中所述,目前的研究中存在如下问题:

1) 几乎都采用船舶线性化模型进行控制器的设计[17,20–22],未充分考虑船舶具有较强非线性和较大不确定性的特点.同时直接以舵角和鳍角作为控制量,未充分考虑式(6)和式(8)中的输入非线性问题.

2) 舵减摇对横摇和航向模型敏感[12],当浪向和航速变化导致遭遇频率发生变化时,简单的指令叠加不能很好的适应这些变化,造成航向误差加大且增加了舵机的磨损.

3) 现有的控制策略往往在控制器的初始设计阶段考虑舵角的速度和幅值约束,而没有在工作中动态的调整这些约束(比如最大允许鳍角会随航速而变化),从而影响最终控制效果.

3.1 运动方程变换

在操纵性研究中,对于横向路径跟随误差,一般是通过视距导航(line-of-sight)将路径跟踪转换为航向跟踪[30].在直航状态进行航线跟随和减摇时,横向偏差较小,这里综合考虑舰船横向误差、首向误差和横摇角.因此在控制策略设计中除了各方向速度v,r和p外,还要考虑横荡y、横摇角ϕ和航向角ψ,当舰船保持直航状态时,航向变化较小,可以有如下近似:

yd,ψd和ϕd分别为目标横荡、首摇角和横摇角.则舰船的航线和横摇控制方程可转换为如下的误差方程:

式中:θ1和θ2为考虑式(14)中的近似误差而加入的修正项,将一起被估计;uvYτcY/(m −Y˙v),uvNτcN/(Izz−N˙r)和uvKτcK/(Ixx−K˙p)分别为3个自由度方向的虚拟控制力;f1(·),f2(·)和f3(·)为虚拟控制力之外总的作用力,包含非线性耦合、不确定性以及系统状态:

式中∆f1,∆f2和∆f3为包含外部环境扰动,未建模动态和工作条件变化引起的系统不确定性.假设函数f1(·),f2(·)和f3(·)连续可微,同时环境扰动力τd连续有界.这些假设对舵鳍联合控制的实际情况是合适的.

在此基础上,以虚拟控制力为中间变量设计主从控制器.主控制器根据舵鳍联合控制的要求计算所需控制力;从控制器根据对控制力的要求计算最终控制量,即舵角和鳍角.

3.2 主控制器设计

在系统模型并不清楚且存在很大的不确定性的情况下,自抗扰控制仍然可以取得良好的控制效果[31].在舵鳍联合控制方程(15)中水动力导数和环境扰动中含有大量的非线性和不确定性,可以采用非线性自抗扰技术进行控制器的设计.

为了获得良好的控制效果,采用如下的非线性扩张状态观测器(nonlinear extended state observer,NESO)在线估计广义扰动:

式中:α1µ,α22µ−1,α33µ−2,µ∈(2/3,1).上式用于建立扩张状态观测器的非线性分数阶函数,比线性状态观测器对扰动的估计更加准确,具有更好的控制效果[33].式中较大的增益θ可以使观测误差充分小.

在非线性扩张状态观测器的基础上,构建如下的非线性误差反馈控制率(nonlinear state error feedback law,NLSEFL)实现对系统的控制:

式中:µ12µ−1,µ2(2µ−1)/µ,饱和函数

式中Mj为饱和参数,其取值依赖于执行机构的限制(如舵角限制和鳍角限制)和初始状态上界.在非线性控制作用下,舵鳍联合控制完整的闭环控制系统为式(21)所示.

文献[34]和文献[35]给出了状态观测器的收敛性证明,本文将其扩展到三维情况(舰船三自由度控制问题).由于舰船三自由之间的耦合在式(15)中被认为是广义扰动,进行了解耦.因此收敛性并不会发生改变.虽然ADRC的稳定性证明比较困难,但对于式(15)的二阶系统,文献[36]对控制器的稳定性进行了说明.

3.3 约束的处理

舵和鳍的电液伺服系统(通常称为舵机和鳍随动系统)根据控制指令δc驱动实际的舵角/鳍角δ完成对指令的跟踪.通常要求伺服系统快速的跟踪指令并保持较小的误差.然而液压系统的响应频率、机械结构和翼形水动力特性(如失速等)限制了舵和鳍的转动速度和最大工作角度,在控制器设计中要考虑这种特性,如图2所示.

图2 舵/鳍伺服系统框图Fig.2 Block diagram of rudder and fin servo system

图2具有如下性质:

1) 角度饱和限制:−δmax≤δ≤δmax;

3) 控制指令δc与实际角度δ之间的时间延迟,该延时可用一阶环节来近似,环节的时间常数为tr其中:δpb为比例带宽,δmax和分别为舵/鳍允许的最大角度和最大角速度.

对于上述的控制约束通常可采用两种处理方式:

1) 在主控制中不考虑约束作用来计算中间虚拟控制力,在从控制器中采用求解饱和法来满足约束条件.该方法可能导致从控制器无解且闭环系统的稳定性难以分析.

2) 根据式(6)和式(8)将这种饱和约束动态转换为对虚拟中间控制力的约束,并在式(19)中计算控制力时考虑这种约束.此方式可以克服方式1)的问题,因此这里采用这种处理方法.

3.4 从控制器设计

式中η1,η2和η3为根据控制目的不同设置的可变系数.如经济模型下(航线优先)设置较大的η1和η2,舒适模式下(减摇优先)则设置较大的η3.

图1所示舰船有2个舵和4个鳍共6个翼面,虽然通过控制6个翼面分别产生不同的角度,可产生更精确的控制力ˆτc,但从简化工程实用的角度,通常两个舵保持相同的舵角,两个左鳍保持相同的鳍角而两个右鳍保持与左鳍相反的鳍角.因此实际的控制量为舵角δ和鳍角α.由式(22)(6)和式(8)直接计算δ和α比较困难,这里采用数值迭代反解来求取δ和α.数值迭代控制器的作用是在[δL,δU]和[αL,αU]内最小化J,其中

式中:δt为当前舵角,∆δ是允许的变化步长,δML为允许的最大工作舵角,[αL,αU]有相似的定义,求解式(22)的通常解法有割线法、Newton-Raphson和智能优化算法.对于多变量的优化问题,这些算法都需要多次循环以达到比较高的精度.由于遗传算法(genetic algorithm,GA)具有天然的并行计算能力,适合解多变量的优化问题.这里采用实数编码的遗传算法求解式(22),关于遗传算法的详细描述可参考文献[37]和文献[38],这里直接给出计算过程,如图3所示.遗传算法中有一个缺点是容易陷入局部收敛,即“早熟”现象.为此引入自适应交叉概率[39]

和自适应变异概率

式中:Pc和Pm为交叉概率和变异概率,fmax为最大适应度,favg为平均适应度,fc和fm分别为在交叉操作和变异操作中当前个体的适应度.适应度函数采用如下形式:

式中J的定义如式(22)所示.

图3 遗传算法工作过程Fig.3 Working process of GA

为了满足实时性的要求,在遗传算法的参数中需要设置较小的种群数量和进化代数.由于[δL,δU]和[αL,αU]的区间较小,因此这种设置是合理的.为了确定这两个参数,对基于遗传算法的反演控制器进行如下验证.设某船当舵角δ10.20◦和鳍角α16.70◦时产生的控制力/力矩τcY531609 N,τcN22951019 Nm,τcK5771302 Nm.最大舵速20(◦)/s,最大鳍速49(◦)/s,当伺服周期为50 ms时,则[δL,δU][9.80,10.60],[αL,αU][15.72,17.68],当种群数量设置为40,进化代数设置为25时,应用遗传算法的获得的舵角δ10.2027◦,鳍角α16.7012◦,舵角和鳍角变化如图4所示.可见当种群数量为40时,将进化代数设置为15以上就可满足要求.

图4 遗传算法变量优化过程Fig.4 Variable optimization process by GA

3.5 控制器结构框图

基于上述分析,舵鳍联合控制策略框图如图5所示.图中ADRC主控制器主要由3部分组成,即微分跟踪器(tracking differentiator,TD)、非线性扩张状态观测器(NESO)和非线性误差反馈控制率(NLSEF).ADRC根据式(19)和目标横荡yd、目标航向ψd、目标横摇ϕd计算虚拟控制量,即横荡控制力uvY航向控制力矩uvN横摇控制力矩uvK从控制器根据主控制器的输出和式(6)与式(8)计算舵角指令δc和鳍角指令αc,通过最终的舵机和鳍随动系统产生实际的舵角δ和鳍角α,舵和鳍在流体的作用下产生最终的控制力τcτcR+τcF[τcYRτcNRτcKR]T+[τcYFτcNFτcKF]T[τcYτcNτcK]T对抗扰动力矩.

图5 舵鳍联合策略框图Fig.5 Block diagram of rudder and fin integrated control

约束计算单元根据舵机和鳍伺服系统的物理特性以及船舶的航速U计算舵角、鳍角以及角速率约束,并通过式(6)与式(8)转换为式(19)中的约束M1,M2和M3.

基于干扰观测器的主控制器通过NESO可以对环境扰动和模型不确定性进行实时估计,进而计算虚拟控制力并直接对非线性模型进行反馈控制.这样就解决了问题(1)和问题(2).由于在反馈控制中直接进行了约束处理,这种约束是根据工作状态在每个伺服周期动态计算的,因此也解决了问题(3).从控制器通过数值反演算法,不仅方便了对直接控制量的求取,获得最优的鳍角和舵角控制量,同时解决了问题(1)中的输入非线性问题.

4 船模试验与仿真

4.1 船模试验

作为多操纵面综合控制技术的一部分,在一条6 m船模上对上述控制策略进行了试验,如图6所示.限于篇幅,船模和试验细节请参考文献[40].这里直接给出试验结果.

图6 舵鳍联合控制试验Fig.6 Test of rudder and fin integrated control

表1列出了分别在四级海况和五级海况下舵鳍联合控制的减摇效果.需要注意的是表中的航速和海况等数据折算到了实船.自然环境中的海浪、海风等环境扰动为随机信号,因此实船计算横摇角等数据时通常采用有义值,表中沿用了这一统计方法.因此表中数值与图7和图8中的幅值有所差异,图中体现的是信号幅值.为了对控制效果进行对比,同时进行了常规PID控制下的舵鳍联合控制试验.图7和图8详细展示了五级海况下航线、横摇角和控制量的变化情况.

表1 不同条件下的减摇效果Table 1 Anti-rolling effect under different conditions

图7 舵鳍联合控制试验曲线Fig.7 Experimental curves of rudder and fin integrated control

图8 鳍单独减摇试验曲线Fig.8 Experimental curves of anti-rolling by fin

从表1、图7和图8中可以看出:

1) 采用舵鳍联合控制比单独的鳍减摇可以增加减摇效果.

无论是采用常规的PID控制器还是采用自抗扰控制都可以使减摇效果有所增加.四级海况下采用PID的联合控制减摇效果增加了5.4%;四级海况下采用ADRC的舵鳍联合控制减摇效果增加了6.7%,五级海况下增加了8.0%.

2) 可以在航线控制精度基本不变的情况下,提高舵鳍联合控制的减摇效果.

从图7(d)中可以看出,在联合控制中,虽然舵角幅值超过了5◦,船舶轨迹并未出现“蛇形”前进的情况,而是保持了较好的平滑航线.这主要是由于优化算法式(21)对控制量进行了最优分配,同时干扰信号的频率与首摇固有频率相差较多.可以预计在实际的自然环境扰动下,航线必然为出现“蛇形”,式(21)的作用比常规PID控制可以减小与理想航向之间的方差.

3) 随着海况的增加,联合控制的减摇效果比单独的鳍减摇增加的幅度加大.

小海况下联合控制比单独鳍控制减摇效果增加不显著,这主要是单独依靠鳍已经获得了比较好的效果.从控制的观点看船舶的剩余横摇角是式(15)所描述系统的动态误差.随着干扰的增大,舵的横摇稳定力矩补偿作用开始变得明显.可以预计在更高的海况下,随着鳍角逐渐饱和,舵的辅助作用会更加显著.因此联合控制特别适合于高海况下的横浪航行状态.

4) 反演控制算法有待于进一步改善.

从图7(b)可以看出,在鳍角还有很大余量(18 kn时的鳍角约束为26◦)的情况下已经开始使用舵角来减摇,虽然没有增加航向误差.但仍保持目前的参数设置,还是增加鳍角以减小舵角是一个需要研究的问题.可以把式(1a)也引入,从减小综合阻力的目标进行优化.或者进行其他设置,这些有待进一步考虑.

从表1中可以看出,本次试验中ADRC对比PID控制并没有太大优势,其原因主要在于:

试验在湖中进行,基本没有自然的浪和流,仅有微风的影响.限于试验条件,人工海浪干扰采用的是规则波而不是随机波,且干扰信号频率等于横摇固有频率,在此情况下PID控制也可以获得较好的减摇效果,从表中可以看出PID的减摇效果略小于理论计算值,自抗扰控制已经没有太大提高的余地.可以预见在随机扰动下,自抗扰控制器的优势可以进一步体现.

船模保持直线航行,配重情况也没有变化,因此模型是基本确定的.针对确定性模型PID控制器也可以获得较好的控制效果,此时非线性状态观测器的优势没有充分发挥,限制了自抗扰控制性能的发挥.

从试验结果可以看出没有明显差距的原因不是自抗扰控制器的效果不好(五级海况下联合减摇效果达到了90.4%),而是在上述试验条件下,PID控制也很“优秀”.

4.2 数值仿真

真实的海洋扰动是随机的不规则信号,为了进一步验证所设计的基于干扰观测器的控制策略,进行了随机海况下的仿真.仿真船舶的基本参数和仿真条件如表2所示,文献[41]中给出了式(3)中的各水动力系数,以此为基础进行舵机联合控制的仿真.

表2 船舶参数和仿真条件Table 2 Ship parameters and simulation conditions

仿真结果如图9所示.图9(a)显示了PID控制器和ADRC主从控制器的航向控制效果.PID控制器作用下的航向最大偏差为0.49◦,ADRC作用下的最大偏差为0.16◦.从局部放大图可以看出,受舵减摇的影响,航向轻微的抖动,这是由于在随机扰动下,横摇信号包含不同的频率成分,常规PID控制器不能很好的处理首摇和横摇之间的耦合.基于干扰观测器的主从控制策略中的主控制器ADRC通过扰动观测和从控制器通过GA的最佳力矩分配,不仅提高了航向控制精度,同时较好的处理了这一问题.

图9 不规则波下的舵鳍联合控制仿真曲线Fig.9 Simulation curves of rudder and fin integrated control at irregular waves

图9(b)和图9(c)对比了主从控制策略和PID控制器作用下舵鳍联合控制的减摇效果,图9(b)中未减摇时横摇角有义值为3.19◦,剩余横摇角有义值为0.91◦.在图9(c)中采用ADRC控制后的剩余横摇角有义值为0.51◦.减摇效果从PID控制器作用下的71.47%,提高到了84.01%.可以看出在随机扰动下,基于干扰观测器的主从控制策略由于NESO的引入和遗传算法优化,可以明显的提高舵鳍联合控制的航向保持精度和减摇效果.

5 结论

在分析舵鳍联合控制特点和现有控制方法的基础上,给出了阻碍舵鳍联合控制广泛应用的原因和当前研究面临的问题.从解决上述问题出发,论文将舰船三自由度之间的耦合、环境扰动、未建模动态等效为广义扰动.基于非线性扩张状态观测器对扰动进行在线估计,进而设计了自抗扰控制器.为简化自抗扰控制器的结构,采用了两步主从控制.以虚拟控制力作为中间变量设计主控制器,通过基于遗传算法的数值反演来求取最终控制量.

为了验证所设计的控制策略,进行了自航模试验和仿真,试验和仿真结果验证了策略的可行性,证明了ADRC控制的有效性.同时试验中也发现了一些控制策略待商榷和算法工程化的问题,这些问题有待进一步完善.

由于可以进行随机波造浪的水池长度有限,刚加速到所需航速就需要减速停船.因此下一步,笔者将进行实船的试验,以对比在真实环境扰动下不同控制策略的实船控制性能.