一种基于能量优化的综合减摇装置双重神经网络自整定PID控制方法

摘要

本发明的目的在于提供一种基于能量优化的综合减摇装置双重神经网络自整定PID控制方法，建立综合减摇系统模型，以海浪波倾角作为综合减摇系统输入。根据建立的综合减摇系统模型创建性能指标，性能指标主要包括横摇角方差，鳍角饱和率以及驱动减摇鳍系统能量消耗。利用双重神经网络在线调整PID控制器的参数，实现PID参数自整定。在实时海况条件下，PID控制器中加入延迟环节。实时调整延迟时间，使综合减摇系统能够充分发挥减摇鳍和减摇水舱的减摇能力。实时更新PID控制参数，得到最优的PID参数值，优化综合减摇系统性能指标。本发明不仅可以满足船舶减摇性能指标，而且可以节约PID参数寻优时间，提高实际应用效率。

主权项

一种基于能量优化的综合减摇装置双重神经网络自整定PID控制方法，其特征是：(1)建立综合减摇系统模型，以海浪波倾角作为综合减摇系统输入当船舶同时装备减摇鳍和被动式减摇水舱，减摇鳍产生扶正力矩时，综合减摇系统模型为：$\left\{\begin{array}{c}(I_1+J_t+C)\stackrel{··}{\phi }+({2N}_{\phi }+B)\stackrel{·}{\phi }+({\mathrm{Dh}}^{\prime }+A)\phi -{\rho }_t{S}_0{b}^2\stackrel{··}{z}-2{\rho }_{t}g{S}_0\mathrm{Rz}=K_{\omega }\\ {2\rho }_t{S}_0{\lambda }_t\stackrel{··}{z}+{2N}_t\stackrel{·}{z}+{2\rho }_{t}g{S}_{0}z-{\rho }_t{S}_0{b}^2\stackrel{··}{\phi }-{2\rho }_{t}g{S}_0\mathrm{R\phi }=0\end{array}\right.$其中，$A=l_f{\rho }_t{V}^2{A}_F\frac{\partial \mathrm{Cy}}{\partial \alpha }{K}_h{K}_I,B=l_f{\rho }_t{V}^2{A}_F\frac{\partial \mathrm{Cy}}{\partial \alpha }{K}_h{k}_P,$l_f为自减摇鳍上水动力压力中心到船舶重心的作用力臂，ρ_t为海水密度，V为航速，A_F为减摇鳍的投影面积，为升力系数斜率，φ为横摇角，为横摇角速度，为横摇角加速度，K_h为航速调节系数，K_I、K_P、K_D为PID参数，它们分别为$K_I=\frac{\mathrm{DhF}}{l_f{\rho }_t{A}_F\frac{\partial \mathrm{Cy}}{\partial \alpha }{V}^2},$$K_D=\frac{I_{1}F}{l_f{\rho }_t{A}_F\frac{\partial \mathrm{Cy}}{\partial \alpha }{V}^2},$h为初稳心高，F为常数，K_ω＝Dhα_e cosωt为扰动力矩，I1为相对于通过船舶重心的纵轴的惯量和附加惯量之和，为舱内液体对横摇轴的质量惯性矩，S为沿水舱轴线的法线方向的局部截面积，r为微质量dm的质心到横摇轴的距离微质量，为船舶阻尼系数，D为排水量，h′为加入水舱后稳心高，ρ_t为海水密度，S₀为边舱自由液面面积，为水舱轴线对横摇轴的静压力矩，γ为r与d之间的夹角，dl为液体微体积沿水舱轴线的长度，l为U型水舱轴线长度，z为边舱内水位高度，为舱内水柱相当长度，N_t为水舱阻尼系数，R为边舱中至船舶纵中刨面的水平距离，g为重力加速度；(2)建立综合减摇系统性能指标综合减摇系统性能指标可表示为：$J=1/T{\int }_0^T[{\sigma }^2+{\lambda }_1{(p-13.5\%)}^2+{\lambda }_2{E}^2]\mathrm{dT}$式中，σ²为横摇角方差，λ₁和λ₂为加权系数，p为鳍角饱和率，E²为减摇鳍系统工作消耗的能量，根据随机理论，减摇后船舶横摇角方差为：减摇鳍性能指标要求鳍角最大为22°，即θ_m＝22°，鳍角饱和率为13.5％时的鳍角的方差为：${\left[{\sigma }_{\theta }\right]}^2=-{\theta }_m^2/\left(21\mathrm{np}\right)$驱动减摇鳍系统的能量消耗为：$E={2E}^{\prime }/\eta =\frac{I{\int }_0^{\infty }{S}_{\theta }\left({\omega }_e\right){\mathrm{d\omega }}_e}{\eta }$式中，η为液压传动系统的传输效率，则综合减摇系统性能指标为：$J=\frac{1}{T}{\int }_0^T\{\frac{1}{\mathrm{2\pi }}{\int }_0^{\infty }{\left|\Phi \left(\mathrm{j\omega }\right)\right|}^2{S}_{\mathrm{\alpha w}}\left({\omega }_e\right){\mathrm{d\omega }}_e+{\lambda }_1[\exp ({-\theta }_m^2/2{\left[{\sigma }_{\theta }\right]}^2)-13.5\%]\mathrm{dt}+{\lambda }_2\frac{I{\int }_0^{\infty }{S}_{\theta }\left({\omega }_e\right){\mathrm{d\omega }}_e}{\eta }\}\mathrm{dT}$式中：S_αw(ω)为海浪的等效波倾角谱密度，Φ(jω)为综合减摇系统开环传递函数，S_θ(ω_e)鳍角角速率的谱密度，I为减摇鳍绕鳍轴的转动惯量，[σ_θ]²为鳍角方差，_η为传动系统的传输效率，λ₁和λ₂为权系数，T为横摇周期；(3)利用双重神经网络在线调整PID控制器的参数K_P、K_I和K_D，实现PID参数自整定；双重神经网络包括系统辨识神经网络NN1和参数自整定神经网络NN2，系统辨识神经网络NN1用于识别和预测综合减摇系统输入与输出的动态关系；参数自整定神经网络NN2用于在线自整定PID控制器的参数；(4)在实时海况条件下，PID控制器中加入延迟环节在双重神经网络自整定PID控制器中加入滞后环节，在中、低海情下，PID控制器输出延迟时间为t＝0.335～0.475T₁，T₁为水舱振荡周期，在高海情下，PID控制器输出延时时间t＝0.122～0.239T₁；(5)实时更新PID控制参数，得到最优的PID参数值，优化综合减摇系统性能指标通过步骤(3)和步骤(4)得到最优PID参数K_P、K_I和K_D，优化综合减摇系统输出的横摇角和鳍角速率，在任何海情下，优化后的平均鳍角速率不超过5°/s，并使优化后的减摇效率达到80％以上，否则重复执行步骤(3)和(4)，减摇效率R为：$R=\frac{\bar{\phi }-\overline{{\phi }_0}}{\overline{{\phi }_0}}$式中：为未安装减摇鳍时横摇角平均值；为安装减摇鳍时横摇角平均值。