论文doc-浏览网首页杂志订阅数字杂志在线阅读、广告投放.docx

基于PSD算法的船舶航向单神经元PID控制王艳，袁赣南(哈尔滨工程大学407教研室，哈尔滨，150001)摘要：本文详细分析了单神经元自适应PID控制算法，为了弥补其增益不具有在线学习自动调整功能的缺点，对其进行了改进，将自适应PSD控制器中递推计算并修正增益的方法应用到单神经元自适应PID控制算法中，以组成具有自动调整增益的单神经元自适应PSD控制器。最后利用基于MATLAB语言的S函数来实现单神经元自适应PSD控制算法，并将其应用到船舶航向控制系统的Simulink仿真模型中，仿真结果证实了此算法的有效性。关键词：PSD算法；航向控制；单神经元PID控制；Simulink仿真模型中图分类号：U661.3 文献标识码：A1 引言在船舶操纵控制中，传统PID控制规律的自动操舵仪是性能比较完善的自动舵，也是一种精确的航向保持自动控制系统。但是PID自动舵不能随着船舶动态特性和海况的变化自动调节参数，而是依靠人工，凭借经验和判断进行参数的整定，实现间断有限的调节，所以PID参数一般不能处于最佳工作状态；而且 PID自动舵由于对高频海浪干扰采取高频转舵实际上是无效舵，这将导致船舶阻力增加，引起推进能耗增加，机械磨损增大。针对上述问题，为了为满足实际要求，必须寻求更好的控制方法。近年来，神经网络由于具有自学习、自组织、联想记忆和并行计算等功能，因而受到了控制界的关注，在系统辨识与控制中得到了应用。例如应用具有自学习和自适应能力的单神经元构成的单神经元PID控制，不但结构简单，且能适应环境变化，进行参数实时在线调整，具有较强的鲁棒性。本文正是基于此对船舶航向自适应PID控制系统进行了一定的研究，仿真结果显示了论文提出的方法的合理性和有效性。2 单神经元自适应PID控制增量式PID控制规律可用差分方程表示为： （1）式中：为比例增益，为积分数，为微分系数； 。用单神经元实现自适应PID控制的结构框图如图1所示。图1 单神经元自适应PID控制器结构框图（2）图中转换器的输入反应被控过程及控制设定的状态。设为设定值，为输出值，经过转换器后转换成为神经元的输入量，分别为：（3）为性能指标或递进信号。为对应于输入的加权系数，为神经元的比例系数，>0。单神经元自适应PID的控制算法为：（4）神经元自适应控制器通过加权系数的调整来实现自适应、自组织功能，当加权系数的调整采用有监督的Hebb学习规则时，将得到下式（4）所示的用单神经元组成的简单自适应PID控制系统的学习方法： 式中：，积分、比例、微分的学习速率。3 单神经元自适应PSD控制神经元自适应PID控制虽具有在线学习和自适应调整PID参数功能，但增益不具有在线学习自动调整的功能。这是其不足之处，需待进一步改进。为此将自适应PSD控制算法引入单神经元自适应PID控制器中，以组成具有自动调整增益的单神经元自适应PSD控制器。由Marsik和Strejc提出的无需辨识的自适应控制算法，其机理是：根据过程误差的集合特性建立性能指标，从而形成PSD(即比例、求和、微分)控制规律。该方法无需辨识过程参数，只要在线检查过程的期望输出和实际输出，即可形成自适应规律。（5）Marsik和Strejc给出的递推增益公式为： (6)其中，为符号函数。（7）由式（5）和（7）可看出是单调增加的，且当时取，即当控制误差改变符号时，增益下降到上一时刻值的75%。 将自适应PSD控制算法与单神经元自适应PID控制器结合起来构成单神经元自适应PSD控制器，其结构框图如图2所示，图中符号意义同图1。图2 单神经元自适应PSD控制（8）单神经元PSD控制算法如下：（11）（10）（9）若，则：式中，。否则： （12）上述几式中：，。4仿真研究在仿真实验中，采用的仿真对象参数为：船长L为126m，船宽B为20.8 m，满载吃水d为8.0 m，方形系数为0.681。船舶运动模型的量纲一参数T'，K'通过计算求得分别为T' =13.88和K' =7.9269 。设船舶操纵时的初始速度=7.2m/s，则船舶运动模型的标称参数分别为=242.9和=0.453。船舶运动的数学模型为：舵机伺服系统的数学模型为：基于自适应PSD算法的神经元PID控制器的Simulink仿真模型可以用图3表示，图中，神经元自适应PSD算法以被封装后的”neuro”模块来实现，它是用MATLAB语言编写的S函数。其输入即期望航向为阶跃信号，参考输入为30度。在无干扰和相同随机干扰下，分别用简单自适应PID控制算法和自动调整增益K值的单神经元自适应PID控制算法控制，经过多次试验，得出的仿真曲线如下所示，其中图4，5，6，7分别为在该输入下单神经元PID和单神经元PSD在无干扰与有干扰情况下的舵角变化和航向变化曲线图。图3 基于自适应PSD算法的神经元PID控制器的Simulink仿真模型图4单神经元自适应PID控制舵角及航向变化图(无干扰)图5 单神经元自适应PSD控制舵角及航向变化图(无干扰)图6 单神经元自适应PID控制舵角及航向变化图(有干扰)图7 单神经元自适应PSD控制舵角及航向变化图(有干扰)因为舵机环节中存在着饱和和死区等非线性环节，故值适当取小，这样可抑制值快速变大而导致输出发散。值对系统的阻尼系数有影响，值加大，则系统的阻尼加大，系统无超调；将值减少，可在海浪干扰加大时，使输出仍不发散。增加，系统的调整时间延长，而减小，上升时间加快；过大，系统会出现小幅振荡，甚至发散。在没有干扰的情况下，运用己有的PID参数调节方法，很容易获得使系统稳定并有很好控制效果的、值和权系数初值；而其中应用自动调整增益值的单神经元自适应PID控制算法的系统，参数调节更便利。在有随机干扰情况下，干扰较弱时，用简单自适应PID控制算法控制航向系统时，尽管控制效果变差，但还可以达到航向调节的目的；当干扰较强时，用简单自适应PID控制算法控制航向系统，难以达到目的，控制性能显著恶化，时常出现发散的情况，其原因就是神经元控制器的增益这个关键参数不能实时调整。而用自动调整增益值的单神经元自适应PID控制算法控制航向系统时，都能达到航向调节的目的。5 结束语采用单神经元的权系数与PID控制中比例、积分、微分系数对应，则其初值的确定和调整可以参照工程技术人员非常熟悉且已应用成熟的PID参数的整定方法，因此为神经元自适应PID控制方法的实际应用奠定了基础；另外在神经元的学习算法中引用PSD控制器中自动调整增益的方法，使系统的自学习、自组织能力和鲁棒性都有明显的提高，仿真结果显示它是一种应用于船舶航向控制系统中有效单神经元智能控制算法。参考文献：1刘伯春.神经网络在控制系统中的应用J.电气自动化.1995,(2):47.2DERRICK H Nguyen，BERNARD Widrow. Neural Networks for SelfLearning Control SystemJ.INT J Control,1995,4(6):143914513王晓东基于S型函数单神经控制元的直流传动系坑J电气自动化，1996，(5)：474舒迪前,李春涛,尹怡欣.单神经元自适应PSD控制器及在电加热炉上的应用J.电气传动,1995,25(I):29325刘金琨.先进PID控制MATLAB仿真(第2版)M .北京：电子工业出版社,2004.6贾欣乐,张显库.船舶运动智能控制与鲁棒控制M.大连：大连海事大学出版社，2002.