[发明专利]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

权利要求书

1.一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：

(I1+Jt+C)φ··+(2Nφ+B)φ·+(Dh′+A)φ-ρtS0b2z··-2ρtgS0Rz=Kω2ρtS0λtz··+2Ntz·+2ρtgS0z-ρtS0b2φ··-2ρtgS0Rφ=0]]>

其中，A=lfρtV2AF∂Cy∂αKhKI,B=lfρtV2AF∂Cy∂αKhkP,]]>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KI=DhFlfρtAF∂Cy∂αV2,]]>KD=I1FlfρtAF∂Cy∂αV2,]]>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∫0T[σ2+λ1(p-13.5%)2+λ2E2]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：

[σθ]2=-θm2/(21np)]]>

驱动减摇鳍系统的能量消耗为：

E=2E′/η=I∫0∞Sθ(ωe)dωeη]]>

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=1T∫0T{12π∫0∞|Φ(jω)|2Sαw(ωe)dωe+λ1[exp(-θm2/2[σθ]2)-13.5%]dt+λ2I∫0∞Sθ(ωe)dωeη}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=φ‾-φ0‾φ0‾]]>

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。