当前位置:文档之家› 船舶运动控制的舵机仿真改进

船舶运动控制的舵机仿真改进

第47卷2018年7月 船海工程SHIP&OCEANENGINEERING Vol.47Jul.2018 

DOI:10.3963/j.issn.1671 ̄7953.2018.S1.033

船舶运动控制的舵机仿真改进

张志恒ꎬ张显库ꎬ周韬(大连海事大学航海学院ꎬ辽宁大连116026)

摘 要:基于大连海事大学校船“育鲲”轮海试数据ꎬ在已有舵机特性的基础上增加了小的航向偏差不操

舵环节和舵效维持环节ꎬ建立非线性Nomoto模型和MMG模型ꎬ进行仿真验证ꎮ仿真发现ꎬ在风浪流干扰作

用下ꎬ在舵机特性中增加舵效维持环节模拟操舵响应缓慢特性ꎬ操舵频率和操舵幅度更符合航海实践ꎬ操舵效

果与海试舵效基本一致ꎮ结果表明ꎬ用舵效维持模拟船舶操舵响应缓慢的特性更符合海试操舵效果ꎮ

关键词:船舶工程ꎻ船舶运动控制ꎻ仿真ꎻ零阶保持器ꎻ舵机

中图分类号:U675.79 文献标志码:A 文章编号:1671 ̄7953(2018)S1 ̄0154 ̄07

收稿日期:2018-03-11

修回日期:2018-04-11

基金项目:国家自然科学基金(51679024)ꎬ中央高校

青年教师基本科研业务费(3132016315)

第一作者:张志恒(1991—)ꎬ男ꎬ硕士生

研究方向:船舶运动控制和鲁棒控制 海洋运输是交通运输的重要方式ꎬ船舶运动

控制是海洋运输研究的热点ꎮ实船实验是理论应

用于实践验证的重要环节ꎬ但船舶实验成本较高ꎬ

所以仿真实验成为研究者进行科研的重要手段ꎮ

理论研究是更好工程应用的前提ꎮ本研究基于大

连海事大学校船“育鲲”轮海试试验ꎬ根据舵角反

馈器记录数据的特点ꎬ改进现有船舶运动控制仿

真ꎮ本研究结合海试数据、船长经验及文献[1 ̄6]

对航海操舵进行如下总结ꎮ1)船舶如果不是在受限水域掉头或紧急避

让ꎬ多数不采用大舵角ꎬ通常用小舵角来抑制船舶

偏转ꎬ用中等舵角来进行转向或正常避让ꎮ2)根据经验ꎬ航海实践中好的海况不操舵的

航向偏差一般限定为±0.5°~±1.0°ꎬ恶劣海况

不操舵的航向偏差一般限定为±3°~±5°ꎮ

文献[7]采用自适应神经网络控制算法ꎬ船

舶航向跟踪控制效果良好ꎬ但操舵频繁ꎮ文献[8]研究了二阶非线性多智能体系统的输出反馈

同步控制ꎬ舵机操舵幅度小ꎬ操舵频繁ꎮ文献[9]

基于RBF神经网络对2艘船舶进行仿真控制ꎬ但

舵角在±0.1°范围内频繁操舵ꎮ文献[10 ̄12]的

操舵频率为每次0.3~3sꎬ对船舶航向保持控制效果良好ꎬ但操舵频率较高ꎬ不符合航海实践ꎮ在

航海实践中ꎬ舵机具有大惯性、舵角饱和和舵角速

率限制、小的航向偏差不操舵、操舵频率低等特

性ꎮ船舶运动的大惯性特点ꎬ时间常数为几十秒

甚至是几百秒ꎬ操舵响应缓慢ꎬ在响应过程中舵角

把定(维持)某个状态等待船舶状态调整ꎮ本研

究以大连海事大学校船“育鲲”和“育鹏”为例ꎬ分

别采用非线性Nomoto模型和MMG模型进行仿

真验证ꎮ基于Nomoto模型ꎬ给出了包含舵机惯性

环节、舵角饱和和舵角速率限制特性的非线性模

型ꎬ在此基础上ꎬ分别增加了小的航向偏差不操舵

环节、时滞环节以及零阶保持器(Zero-Order-HolderꎬZOH[13])环节的仿真对比效果ꎻ基于MMG

模型ꎬ给出了包含舵机惯性环节、舵角饱和和舵角

速率限制特性模型以及增加零阶保持器环节模型

的航向保持控制和操舵的对比效果ꎮ

1 准备工作

为了仿真研究中舵效更接近航海实践ꎬ对舵

机加入了小航向偏差不操舵、舵角维持(或舵角

时滞)、舵机惯性环节、舵角饱和和舵角速率限制

等特性ꎬ舵机仿真结构见图1ꎮ结合航海实践ꎬ小

的航向偏差取±1.0°ꎬ舵角维持(每间隔操舵一

次)设定为10sꎬ舵机惯性为一阶惯性环节1

Trs+1ꎬTr=5sꎬ舵角范围为-35°~35°ꎬ舵角速

率范围为-5°/s~5°/sꎮ

舵角维持环节和时滞环节对系统的响应产生干

扰ꎬ控制输出不能很好地跟踪控制输入ꎮ根据文献45

12018年7月张志恒ꎬ等:船舶运动控制的舵机仿真改进船海工程第47卷

图1 舵机特性结构

[14]ꎬ船舶运动非线性Nomoto模型如式(1)所示ꎮ

ψ􀅰􀅰+KT(αψ􀅰+βψ􀅰3)=KTδ(1)

式中:ψ为船艏向角输出ꎻδ为舵角输入ꎻK、T为船

舶运动操纵性指数ꎻα、β为非线性参数ꎮ

在工业中存在许多时滞模型如蒸馏塔、造纸

机、磁悬浮和水箱等ꎬ许多已出版的如文献[15 ̄19]对时滞模型都有研究ꎬ文献[20]对船舶状态

时滞导致控制效果变差做了研究ꎮ但时滞是信号

输出在时间上滞后输入ꎬ并不改变信号形状和幅

值ꎬ还会对所有航向偏差都做出反馈控制ꎬ频繁操

舵ꎬ并不符合航海实践ꎮ时滞环节和信号维持环

节并不相同ꎬ以正弦变化的航向为例ꎬ给出时滞信

号和信号维持对比见图2ꎮ

图2 正弦信号响应对比图

由图2可知ꎬ信号时滞只是对原信号的输出

延迟ꎬ而信号维持是保持信号在一定时间内恒定ꎮ

为了更好地对舵机特性进行量化分析ꎬ引入如式(2)所示的指标ꎬ整体操舵次数(TotalSteering

FrequencyꎬTSE)ꎬ平均操舵幅值(MeanSteering

AmplitudeꎬMSA)ꎬMSA、TSF指标用来评估控制效

果ꎮ

TSF=∑SF(δ(t))

MSA=1TSF∑ARA(|δ(t)|)(2)

操舵次数(SteeringFrequencyꎬSF)操舵幅值

(amplitudeofrudderangleꎬARA)ꎬTSF用来衡量

操舵频率ꎬMSA用来衡量操舵幅值大小ꎮ

2 控制器设计

2.1 Nomoto模型控制器

舵机加入了惯性环节、舵角饱和和舵角速率限制等特性ꎮ非线性模型控制器的推导较为复

杂ꎬ为了简化计算ꎬ对非线性模型进行线性近似处

理ꎬ去掉式(1)非线性项ꎬ用近似处理的线性模型

推导出的控制器进行非线性模型控制ꎮ

G(s)=ψδ=K

Ts+1()s(3)

根据文献[21]提出的基于闭环增益成形算

法的PID控制器ꎬ如式(4)所示ꎮ

C(s)=1

KT1+εKT11s+TKT1s(4)

控制器参数如式(5)所示ꎮ

kp=1

KT1+λpidꎬki=εKT1ꎬkd=TKT1(5)

式中:T1为闭环系统的带宽频率的倒数ꎻε为一个

很小的常值ꎻλpid为改善系统响应速度的参数ꎬ通

常取2~6ꎮ2.2 时滞模型控制器

舵机在惯性环节、舵角饱和和舵角速率限制

环节上增加了小航向偏差不操舵、舵机时滞环节ꎬ

含时滞环节的非线性近似模型为

G(s)=Ke-θsTs+1()s(6)

利用一阶Taylor展开得

e-θs≈1-θs(7)

式(7)代人式(6)得

G(s)≈K(1-θs)(Ts+1)s(8)

定理1(极大模定理)ꎮ假设f(s)是一个函数

且在区域Ω不存在极点ꎬ如果函数f(s)不是一个

恒值ꎬ那么|f(s)|在区域Ω内部任一个点不能取

得极大值[22]ꎮ

区域Ω为开右半平面ꎬW(s)S(s)为系统扰

动输入到输出的传递函数且在区域Ω中没有极

点存在ꎬW(s)为权函数ꎬS(s)为灵敏度函数ꎬ根据

定理1得:‖W(s)S(s)‖∞=

‖W(s)[1-G(s)Q(s)]‖∞=

supRes>0|W(s)[1-G(s)Q(s)]|(9)

Q(s)是一个稳定传递函数ꎬG(s)在开右半平

面s=1θ存在零点ꎬs=1θ是区域Ω上的一个内

点ꎮsupRes>0|W(s)[1-G(s)Q(s)]|≥

55

12018年7月张志恒ꎬ等:船舶运动控制的舵机仿真改进船海工程第47卷

||W(s)[1-G(s)Q(s)]|s=1θ|=θ(10)

由式(10)得‖W(s)S(s)‖∞的最小值为θꎬ

假如系统输入d(s)为阶跃信号1/sꎬ权函数W(s)

在H∞鲁棒控制中应满足‖d(s)/W(s)‖2≤1ꎬ式

(10)W(s)取1/sꎬ式(8)代人式(10)得

‖W(s)[1-G(s)Q(s)]‖=

s1-K(1-θs)(Ts+1)sQ(s)[]

∞=θ(11)

唯一最优解为

Qopt(s)=Ts2+sK(12)

Qopt(s)为非正则函数ꎬ渐近收敛性要求:

lims→0S(s)=lims→01-G(s)Q(s)[]=0(13)

将式(14)所示的滤波器引入使Qopt(s)在高频衰

减ꎮ

J(s)=1(λdelays+1)2(14)

一个次优正则Q(s)为

Q(s)=Qopt(s)J(s)=

Ts2+sK􀅰1(λdelays+1)2(15)

单位反馈控制器为

C(s)=Q(s)1-G(s)Q(s)=

K􀅰Ts2+sλ2delays2+(2λdelay+θ)s(16)

参数λdelay通常取0.5θ~2.0θꎮ2.3 ZOH模型控制器

舵机在惯性环节、舵角饱和和舵角速率限制环节上增加了小航向偏差不操舵、舵机ZOH环

节ꎬ含ZOH环节的非线性近似模型为

G(s)=K(1-e-θs)(Ts+1)s2(17)

ZOH的传递函数中的eθs项展开成幂级数ꎬ并取前两项ꎬ则有:1-e-θss=1

s1-1eθs()≈θ1+θs(18)

式(18)代人式(17)得

G(s)≈Kθ

θs+1()(Ts+1)s(19)

‖W(s)S(s)‖∞=

‖W(s)[1-G(s)Q(s)]‖∞=

supRes>0|W(s)[1-G(s)Q(s)]|(20)

W(s)仍取1/sꎬ要保证W(s)S(s)∞的最小值ꎬ渐近收敛性要求:lims→0S(s)=lims→01-G(s)Q(s)[]=0(21)

式(21)代人式(20)得

‖W(s)1-G(s)Q(s)[]‖∞=

s1-Kθ(θs+1)(Ts+1)sQ(s)[]

∞=0

(22)

唯一最优解为

Qopt(s)=1+θs()Ts+1()s

Kθ(23)

Qopt(s)为非正则函数ꎬ式(24)所示的滤波器

引入使Qopt(s)在高频衰减

J(s)=

1(0.01λzohs+1)(0.6λzohs+1)(2λzohs+1)+1

(24)

一个次优正则Q(s)为

Q(s)=Qopt(s)J(s)=

(1+θs)(Ts+1)s

Kθ[(0.01λzohs+1)(0.6λzohs+1)(2λzohs+1)+1](25)

单位反馈控制器为

C(s)=Q(s)1-G(s)Q(s)=

Kθ􀅰1+θs()Ts+1()0.012λ3zohs2+1.226λ2zohs+2.61λzoh+1

(26)

参数λzoh通常取0.5θ~2.0θꎮ

3 仿真实验

3.1 风浪流仿真

船舶在海上航行受到风浪流的干扰ꎬ使船舶

偏离计划航线而浪费能源ꎮ船舶受风可以分为平

均风和脉动风ꎬ根据文献[23]平均风力干扰等效

为压舵角ꎮ根据文献[24]脉动风是由大气的湍

流所造成的ꎬ脉动风可以认为是某种白噪声的实

现ꎮ该白噪声的标准差σYꎬσN与绝对风速VT的

平方成正比σY=0.2ρAV2T|CY(γR)|L3

σN=0.2ρAV2T|CN(γR)|L3(27)

式中:ρA为空气密度

ꎻCY(γR)ꎬCN(γR)为量纲的

量的风力和风力矩系数ꎻL为船长ꎮ

海浪干扰由风干扰模型耦合产生ꎬ风速Vwind651

相关主题