[发明专利]一种基于多种学习算法的船舶横摇运动姿态控制系统

说明书

本发明涉及一种基于多种学习算法的船舶横摇运动姿态控制系统，主要包括横摇检测装置、包括横摇深度学习神经网络辨识器和横摇深度学习神经网络子控制器的船舶横摇运动控制器、鳍伺服系统及存储有历史横摇数据的数据库；横摇检测装置用于检测目标船舶在运动过程中产生的目标横摇数据；船舶横摇运动控制器用于根据所述目标横摇数据生成目标鳍控制信号，并发送至鳍伺服系统以控制单体鳍的运动进而实现对目标船舶的控制；历史横摇数据是船舶横摇数据分类模型确定的；船舶横摇数据分类模型是在无监督机器学习算法的基础上构建得到的。本发明将深度学习神经网络方法与无监督机器学习方法相结合，有效提高船舶横摇运动姿态控制效果。

技术领域

本发明涉及船舶运动姿态控制领域，特别是涉及一种基于多种学习算法的船舶横摇运动姿态控制系统。

背景技术

深度学习能自动地从大量数据中学习到表征数据更深层本质的特征，具有大数据泛化能力。

船舶在航行中经常受到海浪等环境因素干扰，不可避免的产生摇摆，尤其在恶劣的海况条件下，对船舶的海上作业造成很大的安全隐患。

船舶在海上航行是一个复杂的问题。在随机海浪的作用下船舶不可避免的会发生摇摆、倾斜，这样不仅影响到船舶在海面上的正常航行，对船舶的航行性能和操纵性能产生一定程度的影响，而且海浪的扰动对船上物体的运动状态也会产生影响。特别是在恶劣海况下，对于客滚船、民船以及小型渔业船，由于其排水量较低(一般都在1000t一一3000t之间)，这些小型船只受海浪的影响将更大，在海浪作用下会发生大幅度的摇荡运动，其最大倾角甚至可能达到 15°以上。在这些情况下，主要采用PID控制、自适应控制、鲁棒控制或单一的神经网络方法，控制船体的运动姿态，但是上述方法在控制船体运动时稳定性较差。

发明内容

本发明的目的是提供一种基于多种学习算法的船舶横摇运动姿态控制系统，将深度学习神经网络方法与无监督机器学习方法相结合，有效提高船舶横摇运动姿态控制效果。

为实现上述目的，本发明提供了如下方案：

一种基于多种学习算法的船舶横摇运动姿态控制系统，包括：横摇检测装置、船舶横摇运动控制器、鳍伺服系统、单体鳍以及数据库；

所述横摇检测装置用于检测目标船舶在运动过程中产生的目标横摇数据，并将所述目标横摇数据发送至所述船舶横摇运动控制器；所述目标横摇数据为目标船舶的横摇角；

所述数据库与所述船舶横摇运动控制器连接；所述船舶横摇运动控制器用于根据所述目标横摇数据和所述数据库中的数据生成目标鳍控制信号，并将所述目标鳍控制信号发送至所述鳍伺服系统；所述船舶横摇运动控制器包括横摇深度学习神经网络辨识器和横摇深度学习神经网络子控制器；

所述鳍伺服系统用于根据所述目标鳍控制信号控制所述单体鳍的运动以实现对目标船舶的控制；

所述数据库存储有历史横摇数据和历史鳍控制信号；所述历史横摇数据是将原始历史横摇数据输入到船舶横摇数据分类模型后得到的，所述历史鳍控制信号是将原始历史鳍控制信号输入到船舶横摇数据分类模型后得到的；所述船舶横摇数据分类模型是在无监督机器学习算法的基础上构建得到的。

可选的，所述横摇深度学习神经网络辨识器用于根据所述历史横摇数据和所述历史鳍控制信号，计算横摇预测数据；

所述横摇深度学习神经网络子控制器用于根据所述横摇预测数据、所述历史横摇数据、所述历史鳍控制信号和所述目标横摇数据生成目标鳍控制信号。

可选的，所述横摇深度学习神经网络辨识器和所述横摇深度学习神经网络子控制器均采用基于深度学习神经网络的前馈反向传播神经网络结构。