[发明专利]一种基于机器学习的在线实时推力分配方法

说明书

本发明涉及一种基于机器学习的在线实时推力分配方法，包括：步骤S1：确定船舶推进装置布局，载入各推进器的参数，其中，推进器的参数包括：推进器推力方向可变范围、推力大小可变范围、推力方向变化率范围，推力大小变化率范围；步骤S2：接受到控制信号后，根据控制信号得到目标合推力，其中，所述合推力由纵向推力和、横向推力和与艏摇力矩和组成；步骤S3：将各推进器的推进器推力方向可变范围、推力大小可变范围、推力方向变化率范围，推力大小变化率范围作为约束条件，建立目标函数：步骤S4：采用机器学习算法中的粒子群算法对推力分配问题进行优化，得到最佳推力分配。与现有技术相比，本发明解决了粒子群算法收敛速度慢的缺陷。

技术领域

本发明涉及船舶动力领域，尤其是涉及一种基于机器学习的在线实时推力分配方法。

背景技术

现代工业的迅速发展高度依赖矿产资源。近年来，随着陆地多种资源开采并日趋于减少，海洋资源的开发成为各国关注的主题，采矿船和海洋平台等海洋工程装备得到大量应用。

在采矿船和海洋平台等海洋工程作业中，由于受到作业环境的限制，锚泊定位已经不能满足要求，而动力定位技术因不受水深的限制而成为开发的热点。动力定位系统，是指一种依赖本身的动力来抵抗海洋环境载荷的干扰，如海风、海浪和波浪的扰动，使船舶维持在规定的位置和艏向，或者沿着期望轨迹行进的闭环系统。

动力定位系统通常包含一系列船用子系统，包括测量系统、推力系统和控制系统等，本发明主要涉及推力系统的设计。

推力系统是动力定位系统的执行机构，它根据来自控制器的信号产生所需的推力和推力矩。理想的推力器能够在360度方向上产生任意大的推力，但在实际中，推进器的推进角度和推力大小都会受到限制，存在很强的约束。

动力定位推力系统采用的推力机构包括敞式螺旋桨、导管螺旋桨、全回转推进器及吊舱推进器等。早期的动力定位系统主要采用推力方向不可变的推进装置，如敞式螺旋桨和导管螺旋桨。在没有冗余的推力系统中，推力分配方案主要是通过求解线性方程组来实现的。随着全回转推进器和吊舱推进器的出现，推力方向也可以实时改变，这给动力定位系统带来了很大挑战，意味着推力分配控制算法必须要在考虑各种约束的前提下在线实时地计算各推进器的推进角度和推力大小。理论上，该问题可以描述为一个多目标非线性优化问题，目标函数需要综合考虑能量消耗、推力(矩)误差、奇异等问题，约束条件则涉及到力和力矩的平衡方程、推力幅值和方向的变化率、推力器磨损等。

早期广泛采用的序列二次规划(SQP)方法对非线性规划模型利用进行设计最优分，该方法可以考虑约束，如能量优化、奇异值、机械磨损等问题，但是对初值依赖性很强，很难满足全局最优。此后发展起来的基于L2范数伪逆方法，因为简单、可靠等特点，在工程实际中应用较为广泛，但是其无法对推力大小和方向变化率和角度禁区加以限制。随着智能算法的不断发展，很多智能算法被尝试用于解决推力分配问题，克服L2范数伪逆法和序列二次规划法的不足，但是研究还不够成熟，面临着无保证全局收敛性和算法收敛速度慢等通用性问题，尚处于探索阶段。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于机器学习的在线实时推力分配方法。

本发明的目的可以通过以下技术方案来实现：

一种基于机器学习的在线实时推力分配方法，包括：

步骤S1：确定船舶推进装置布局，载入各推进器的参数，其中，推进器的参数包括：推进器推力方向可变范围、推力大小可变范围、推力方向变化率范围，推力大小变化率范围；

步骤S2：接受到控制信号后，根据控制信号得到目标合推力，其中，所述合推力由纵向推力和、横向推力和与艏摇力矩和组成；

步骤S3：将各推进器的推进器推力方向可变范围、推力大小可变范围、推力方向变化率范围，推力大小变化率范围作为约束条件，建立目标函数：