[发明专利]基于人工神经网络的动力定位推力分配装置及方法

权利要求书

1.一种基于人工神经网络的动力定位推力分配方法，其特征在于，包括以下步骤：

步骤S1，在实时控制计算机中建立并训练人工神经网络拟合推力系数；

步骤S2，将训练完成的人工神经网络加入推力分配模型，得到如下模型：

T_min≤T_i≤T_max

其中，c_i为每个全回转推进器与流体密度ρ和螺旋桨直径D有关的常数，T_max,T_min分别表示每个全回转推进器所能发出推力大小的上限和下限，F_x,F_y,M_z分别为设定的纵荡、横荡和艏摇三个自由度方向上所有推进器合力与合力矩；

步骤S3，在实时控制计算机中设定纵荡、横荡和艏摇三个自由度方向上所有推进器合力与合力矩；

步骤S4，结合二次规划算法进行推力分配迭代计算；推力分配数学模型简记为：

其中，x＝[T₁,T₂,…,T₈,α₁,α₂,…,α₈]，α_i,为第i个推进器的转角，i＝1,2,…,8，给定初值开始迭代计算，对于迭代过程中的某一中间值将每个推进器的转角变量带入训练好的人工神经网络，得到人工神经网络输出的第i个推进器的推力系数并带入推力分配模型；将推力分配模型线性化，得到线性约束的子问题：

其中，B_k为使用Wilson-Han-Powell方法计算得到的对称正定矩阵；使用有效集方法求解线性约束的二次规划最优化问题，得到目标函数在x_k处得下降方向d_k与步长α_k，更新x_k+1＝x_k+α_kd_k；若新的解小于容许误差，则得到推力分配的最优解，否则继续迭代；

将实时控制计算机根据推力分配迭代计算得到的各推进器转速与角度输出至全回转推进器转速控制器和角度控制器，从而产生海洋结构定位所需的推力，实现定位效果。

2.根据权利要求1所述的基于人工神经网络的动力定位推力分配方法，其特征在于，所述步骤S1中，建立的人工神经网络，包括输入层、隐藏层和输出层；输入向量为x＝[α]，α为前推进器转角，输出向量为y＝[η]，η为后推进器推力系数。

3.根据权利要求1所述的基于人工神经网络的动力定位推力分配方法，其特征在于，所述步骤S1中，训练人工神经网络的方法为，将人工神经网络模型试验得到的试验数据作为训练样本{(x(1),y(1)),(x(2),y(2)),…,(x(m),y(m))}；使用Back Propagation算法最优化人工神经网络各层神经元的输入权值以及偏置，使得人工神经网络的输出尽可能地接近期望输出，以达到训练的目的。

4.根据权利要求1至3中任一项所述的基于人工神经网络的动力定位推力分配方法，其特征在于，还包括如下步骤：

重复步骤3和步骤4，进行连续的推力分配计算。

5.一种基于人工神经网络的动力定位推力分配装置，其特征在于，包括实时控制计算机(1)和多个分布在海洋结构物底部的全回转推进器(4)，其中，每一个全回转推进器(4)上分别安装有螺旋桨转速控制器(2)和全回转角度控制器(3)，所述螺旋桨转速控制器(2)和全回转角度控制器(3)分别通过数据线与实时控制计算机(1)连接；

所述实时控制计算机采用权利要求1至4中任意一项所述的基于人工神经网络的动力定位推力分配方法，计算每一个全回转推进器(4)的转速与角度并输出至螺旋桨转速控制器(2)和全回转角度控制器(3)，产生海洋结构定位所需推力，实现定位。

6.根据权利要求5所述的基于人工神经网络的动力定位推力分配装置，其特征在于，多个全回转推进器(4)分布在海洋结构物底部的两个浮筒的前部和后部。