[发明专利]一种多模块船协同推力分配方法

说明书

本发明公开了一种多模块船协同推力分配方法，建立协同推力分配数学模型；种群随机平均分成种群1和种群2，种群1采用改进的人工萤火虫算法计算最优值，种群2采用差分进化算法计算最优值，初始化两种算法参数；计算种群1和种群2适应度值，取较小值作为初始最优适应度值并得到最优解；对种群1个体执行改进的人工萤火虫算法搜索，对种群2个体执行差分进化算法搜索；比较两个种群t+1代适应度值，取较小值作为最优适应度值，并将最优适应度值与初始最优适应度值比较，取较小值作为最优适应度值并将初始最优适应度值更新为该值；到达最大代数输出结果，否则重复执行。本发明原理简单、易于实现、提高了全局寻优能力和搜索性能，加快收敛速度。

技术领域

本发明涉及一种多模块船协同推力分配方法，特别是一种基于混合优化算法的多模块船协同推力分配方法，属于船舶运动控制领域。

背景技术

多模块船组装后形成的海上移动平台由多个带有推进装置的独立模块船组成，由连接器保持紧密对齐的大型浮动海洋结构，其具有与陆地基地一样的价值意义和作用。多用于近海的货物运输和转让，公海上作战部队的物资存储和军事硬件的维护以及为直升机提供升降跑道。因此，海上移动式平台的发展和应用，对社会经济的发展和国家主权的保护起到重大作用。

推力分配作为动力定位系统的重要组成部分，其任务是将控制器输出的总推力和力矩合理高效地分配给各个推进器。在多艘船舶存在的情况下，推力分配问题更加复杂。传统推力分配将每条模块船独立进行推力分配，没有将多模块船当作整体进行协调分配，减小了推力分配求解的可行解，而采用多艘船舶协同推力分配扩大了在满足物理限制条件下的求解范围。另外，推力分配的求解算法的速度和精度直接影响动力定位系统的控制性能，目前较为常用的优化算法如差分进化算法(DE)、遗传算法(AG)、萤火虫算法(AGSO)及其改进算法在控制分配领域的应用还存在求解精度和速度冲突的问题。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种基于改进的人工萤火虫算法与差分进化算法的多模块船协同推力分配方法，克服多模块船作业时推力分配出现的可行解范围小、计算精度低的问题，以提高搜索性能和收敛速度。

为解决上述技术问题，本发明是我一种多模块船协同推力分配方法，包括以下步骤：

步骤1：确定船舶推进器布局，建立船体坐标系，建立由两条船构建的平台作业时的协同推力分配数学模型；

步骤2：初始化种群，并将种群随机平均分成种群1和种群2，种群1个体X_i,t采用改进的人工萤火虫算法计算最优值，种群2个体Y_i,t采用差分进化算法计算最优值，初始化两种算法参数；

步骤3：计算种群1和种群2的个体t代适应度值f(X_i,t)和f(Y_i,t)，比较计算结果，取较小的值作为整个种群的初始最优适应度值f(Z_i,t)并得到对应的最优解Z_i,t；

步骤4：对种群1个体X_i,t+1执行改进的人工萤火虫算法搜索，对种群2个体Y_i,t+1执行差分进化算法搜索；

步骤5：比较两个种群t+1代适应度值，取较小的值作为t+1代最优适应度值，并将t+1最优适应度值与初始最优适应度值比较，取较小的值作为t+1代的最优适应度值并将初始最优适应度值更新为该值；

步骤6：判断是否到达给定的最大代数，若是，则终止混合优化算法，输出最优适应度值和对应的最优解，若否，令t＝t+1，返回步骤4。

本发明还包括：

1.步骤1中建立由两条船构建的平台作业时的协同推力分配数学模型具体为：

两条船舶协同作业且每条船含有两个全回转推进器，两条船共同作业时的推力分配目标函数和约束条件为：