[发明专利]基于支持向量机和广义预测控制算法的船舶动力定位方法

说明书

技术领域

本发明涉及的是船舶工程技术领域，具体涉及基于支持向量机和广义预测控制混合算法的船舶动力定位控制方法。

背景技术

船舶动力定位系统(简称DPS)，是指不借助锚泊系统，利用自身推进装置有效地产生反力和反力矩去抵抗风、流和浪作用于船上的环境外力和力矩，维持船舶在给定位置，或使船舶精确地跟踪某一给定轨迹的系统。

专利号为200510027565.X、名称为“基于模糊自适应算法的船舶动力定位控制系统”将测位系统的信息输出连接到模拟/数字转换器输入端，模拟/数字转换器输出端连接到计算机，计算机再与滤波器输入端连接，滤波器输出端经学习器、优化决策器接到电位放大器输入端，电位放大器输出端接到执行机构，所采用的是模糊算法，其算法中的模糊规则及隶属函数完全凭经验获得，算法缺乏系统性和普遍性，因此，其本质上是无法自适应于船的内部的装载变化及外部的海况变化，定位精度差。

申请号为94117369.0、名称为“船舶动力定位的神经网络控制系统及其方法”，其动力定位方法是由测位系统将信息经滤波后送给学习器，再经优化决策选择将控制信号输给执行机构，使船以最小误差与冲击接近指定位置，采用神经网络算法是以经验风险最小化为准则，辨识过程中需要大量学习样本，相反还容易出现局部最小点，导致泛化能力较差。

支持向量机(简称SVM)是建立在统计学理论基础上、以结构风险最小化为准则的一种神经网络。SVM先固定经验风险，再最小化置信风险，将输入空间映射到高维内积的空间，通过解一个线性约束的二次规划问题得到全局最优解，不存在局部最小值问题，快速算法保证了收敛速度。因此SVM在很大程度上解决了小样本建模、模型选择与过学习、非线性和局部最小点等问题。

广义预测控制(简称GPC)是一种鲁棒性强、能够有效地克服系统滞后、应用于开环不稳定非最小相位系统的先进控制算法，是一种基于模型的先进控制技术，采用的是多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的过程。一般GPC算法首先利用易于得到的工业过程脉冲或阶跃响应曲线，将在采样时刻的一系列值作为描述对象动态特征的信息，从而构成测试模型，这样来确定控制量的时间序列，使未来一段时间内被控变量与经过“柔化”后的期望轨迹之间的误差最小，此优化过程反复做线进行，以期达到优化控制的目的。

发明内容

本发明的目的在于克服现有技术中存在的不足，在重点考虑船舶三个自由度的运动即纵荡、横荡和艏摇运动的基础上，提出一种基于支持向量机和广义预测控制算法的船舶动力定位方法，使其能自适应于船的装载变化及海况变化，提高定位精度。

本发明采用的技术方案是：先对船舶动态运动模型进行模型辨识，建立SVM预测模型；再将期望位置和姿态作为船舶动力定位系统的纵荡、横荡和艏摇方向的三个给定，将三个SVM预测模型分别嵌入三个GPC控制器并作为GPC控制器的预测模型，将三个给定分别输入三个GPC控制器，分别对纵荡、横荡和艏摇运动进行控制；最后三个GPC控制器通过推力分配模块将纵荡、横荡和艏摇方向的三个力矩施加到船舶动态运动模型上，并将纵荡、横荡位移和艏摇的三个角度分别反馈给三个SVM预测模型，构成闭环反馈控制系统，对船舶动力定位系统进行控制。

本发明的有益效果是：

1、本发明针对船舶具有的非线性、大时滞和大惯性等特性，采用广义预测控制算法中的多步预测、滚动优化和反馈校正机制，控制效果好，定位精度高。采用支持向量机算法对数学模型要求低，泛化能力强，无需大量学习样本，解决了小样本建模、模型选择与过学习、非线性、维数灾和局部最小点等问题。

2、本发明将广义预测控制算法和支持向量机算法进行混合，先将支持向量机在小样本情况下对船舶动力非线性模型进行有效辨识，辨识结果作为广义预测控制算法的预测模型，该预测模型辨识精度高和泛化能力强，能为船舶动力定位系统控制器提供有效预测信息；然后采用多步预测、滚动优化和反馈校正机制对具有非线性、大时滞和大惯性的船舶对象进行控制，控制效果好，定位精度高。

3、整个控制算法具有严格的数学推导，不依赖经验知识，具有很强的系统性、逻辑性和普遍性，能够自适应于船舶内部的装载变化及外部的海况变化。

附图说明

图1是支持向量机辨识的具体实现框图。

图2是基于支持向量机的广义预测控制混合控制策略结构框图。

具体实施方式