本發(fā)明涉及的是一種全墊升氣墊船航向控制方法。

背景技術(shù)：

全墊升氣墊船是一種高性能船舶，具有良好的快速性和兩棲性，有很廣泛的應(yīng)用領(lǐng)域。但由于系統(tǒng)本身的非線性特性，很難獲得很好的操縱性。為了控制提高動態(tài)特性和獲得精確控制規(guī)律，提出采用灰色預(yù)測的混合遺傳算法-PID方法，利用遺傳算法在每個采樣時間對PID參數(shù)進(jìn)行在線優(yōu)化整定，同時利用灰色誤差預(yù)測可以準(zhǔn)確預(yù)測誤差的實(shí)時變化趨勢，以誤差預(yù)測值進(jìn)行PID控制可以起到一種超前控制的作用從而改善氣墊船的操縱水平，減輕駕駛員的操縱負(fù)擔(dān)，同時提高控制品質(zhì)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種能滿足航跡控制精度、穩(wěn)定性好的基于灰色預(yù)測混合遺傳算法-PID全墊升氣墊船航向控制方法。

本發(fā)明的目的是這樣實(shí)現(xiàn)的：

用位置參考系統(tǒng)測得全墊升氣墊船的實(shí)際位置，用姿態(tài)參考系統(tǒng)測得全墊升氣墊船的實(shí)際艏向姿態(tài)；

進(jìn)行灰色誤差預(yù)測，即建立新陳代謝模型、通過實(shí)際位置和實(shí)際艏向姿態(tài)預(yù)測未來行為數(shù)據(jù)得到超前控制值；

PID控制器將輸入的期望位置及艏向姿態(tài)與灰色誤差預(yù)測得到的超前控制值做比較，并經(jīng)過解算得到誤差信號用于全墊升氣墊船航跡控制系統(tǒng)的控制；PID控制器利用混合遺傳算法在線整定PID控制器。

本發(fā)明還可以包括：

1、所述PID控制器利用混合遺傳算法在線整定PID控制器具體包括：

確定每個參數(shù)的范圍和編碼長度進(jìn)行編碼，隨機(jī)產(chǎn)生n個個體構(gòu)成初始種群，將種群中各個體解碼成對應(yīng)的參數(shù)值，用此參數(shù)值求目標(biāo)函數(shù)J及適應(yīng)函數(shù)值f，取f＝1/J，采用誤差絕對值、誤差和誤差變化率的加權(quán)作為第k個采樣時間的第i個個體的參數(shù)選擇最小目標(biāo)函數(shù)；

J(i)＝α_p×|errori(i)|+β_p|de(i)|

其中α_p，β_p為位置跟蹤誤差、誤差變化率權(quán)值，errori(i)為第k個采樣時間第i個個體的位置跟蹤誤差，de(i)為第k個采樣時間第i個個體的位置跟蹤誤差變化率，采用懲罰功能，即一旦產(chǎn)生超調(diào)，將超調(diào)量作為最優(yōu)指標(biāo)的一項(xiàng)，最優(yōu)指標(biāo)為：

if errori(i)<0

J(i)＝J(i)+100×I errori(i)I

應(yīng)用復(fù)制、交叉、和變異算子對種群P(t)進(jìn)行操作，產(chǎn)生下一代種群P(t+1),復(fù)制過程中，采用適應(yīng)度比例法，種群中的第j個個體，被選中進(jìn)行復(fù)制的概率

其中f為第j個個體的適應(yīng)度，∑f為某代種群中所有個體適應(yīng)度之和，遺傳算法中的交叉概率P_c和變異概率P_m采用隨適應(yīng)度變化的自適應(yīng)調(diào)整方法，P_c和P_m的計(jì)算公式

式中f_max為種群中最大的適應(yīng)度；f_avg為每代種群的平均適應(yīng)度；f’為要交叉的兩個個體中較大的適應(yīng)度；f為要變異個體的適應(yīng)度。

2、灰色誤差預(yù)測：定義y⁰(n)為氣墊船航向與模型不精確，外界環(huán)境擾動灰色序列，定義y¹(n)為灰色序列累加數(shù)列。對氣墊船航向進(jìn)行實(shí)時采樣，得到一個連續(xù)航向序列y⁰(0),y⁰(2),y⁰(3)...y⁰(n)，所得到了序列為灰色數(shù)列，對得到的灰色序列進(jìn)行累加生成，得到一次生成累加數(shù)列y¹(1),y¹(2),y¹(3),y¹(4)...yⁿ(n)，確定灰色序列累加數(shù)列系數(shù)矩陣B，模型不精確，外界環(huán)境擾動灰色序列系數(shù)矩陣Y_N：

再計(jì)算(B^TB)^-1，再根據(jù)最小二乘法求參數(shù)列其中確定誤差變化模型然后對其微分方程進(jìn)行求解到：

其中為y¹的n+d時刻的灰色估計(jì)值，其中d＝0，1，2，…，由得到y(tǒng)⁰的n+d時刻的灰色估計(jì)值：

經(jīng)以上步驟利用灰色序列得到航向的當(dāng)前采時刻的下d個時刻的灰色估計(jì)值因?yàn)楹较虻慕o定值r一般是不變的，所以航向的當(dāng)前采樣時刻的下d個采時問的誤差估計(jì)值最后表示為：

3、在進(jìn)行灰色誤差預(yù)測之前，先對實(shí)際位置和實(shí)際艏向姿態(tài)進(jìn)行濾波及融合。

本發(fā)明針對全墊升氣墊船航向控制技術(shù)，提出了一種基于灰色預(yù)測混合遺傳算法-PID的控制方法，利用遺傳算法的尋優(yōu)特點(diǎn)及灰色誤差預(yù)測的超前控制特性使氣墊船航向控制有很強(qiáng)的適應(yīng)性，并在各種環(huán)境下都能得到很好的效果。本發(fā)明的技術(shù)特點(diǎn)主要體現(xiàn)在：

1.氣墊船的位置和姿態(tài)參數(shù)的獲?。?/p>

用位置參考系統(tǒng)測得全墊升氣墊船的位置信息，用姿態(tài)參考系統(tǒng)測得全墊升氣墊船的艏向姿態(tài)數(shù)據(jù)信息；對獲取的全墊升氣墊船的姿態(tài)及位置信號進(jìn)行濾波及融合，得到全墊升氣墊船的精確位置及姿態(tài)。

2.混合遺傳算法-PID航向控制器：

由期望的位置及姿態(tài)與實(shí)際的位置及姿態(tài)做比較，并經(jīng)過解算得到誤差信號；并利用混合遺傳算法在線整定PID，最終得到全墊升氣墊船航跡控制系統(tǒng)穩(wěn)定的控制器。

3.灰色誤差預(yù)測：

建立新陳代謝模型預(yù)測預(yù)測未來行為數(shù)據(jù)，通過將行為預(yù)測值與行為的給定值進(jìn)行比較得到系統(tǒng)得超前控制值，達(dá)到控制及時，并提高自適應(yīng)能力。

本發(fā)明包括以下有益效果：

1、本發(fā)明引入了灰色預(yù)測混合遺傳算法-PID進(jìn)行航跡控制器的設(shè)計(jì)，針對惡劣條件下高速行駛的全墊升氣墊船能夠滿足其航跡控制要求。

2、本發(fā)明中全墊升氣墊船位置及姿態(tài)的獲取采用了集成位姿傳感器，其精度滿足航跡控制需求同時體積小巧更換方便。

3、本發(fā)明所述的灰色預(yù)測混合遺傳算法-PID與常規(guī)PID控制器相比具有較好的自適應(yīng)性和良好的動態(tài)調(diào)節(jié)品質(zhì)，短的穩(wěn)定時間體現(xiàn)灰色預(yù)測控制的超前控制特性，彌補(bǔ)了全墊升氣墊船本身非線性特性使其能夠快速穩(wěn)定的按給定航向航行，具有一定的航向穩(wěn)定性。

附圖說明

圖1混合遺傳算法-PID控制器設(shè)計(jì)框圖；

圖2灰色預(yù)測控制框圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明作進(jìn)一步的描述。

本發(fā)明的目的按以下步驟實(shí)現(xiàn)：

1.獲取氣墊船的位置和姿態(tài)參數(shù)：

用位置參考系統(tǒng)測得全墊升氣墊船的位置信息，用姿態(tài)參考系統(tǒng)測得全墊升氣墊船的艏向姿態(tài)數(shù)據(jù)信息；對獲取的全墊升氣墊船的姿態(tài)及位置信號進(jìn)行濾波及融合，得到全墊升氣墊船的精確位置及姿態(tài)。

2.混合遺傳算法-PID航向控制器的航向控制

在附圖2中，r為給定航向，e為誤差，u為PID控制器輸出，y為氣墊船實(shí)際航向,遺傳算法模塊的功能為對PID參數(shù)進(jìn)行整定。

確定每個參數(shù)的大致范圍和編碼長度，進(jìn)行編碼；隨機(jī)產(chǎn)生n個個體構(gòu)成初始種群；將種群中各個體解碼成對應(yīng)的參數(shù)值，用此參數(shù)求目標(biāo)函數(shù)J及適應(yīng)函數(shù)值f，取f＝1/J。為了獲取滿意的過渡過程動態(tài)特性，并防止產(chǎn)生超調(diào)，采用誤差絕對值、誤差和誤差變化率的加權(quán)及作為第k個采樣時間的第i個個體的參數(shù)選擇最小目標(biāo)函數(shù)。

J(i)＝α_p×|errori(i)|+β_p|de(i)|

其中α_p，β_p為位置跟蹤誤差、誤差變化率權(quán)值，errori(i)為第k個采樣時間第i個個體的位置跟蹤誤差，de(i)為第k個采樣時間第i個個體的位置跟蹤誤差變化率。為了避免超調(diào)，采用了懲罰功能，即一旦產(chǎn)生超調(diào)，將超調(diào)量作為最優(yōu)指標(biāo)的一項(xiàng)，此時最優(yōu)指標(biāo)為：

if errori(i)<0

J(i)＝J(i)+100×I errori(i)I

應(yīng)用復(fù)制、交叉、和變異算子對種群P(t)進(jìn)行操作，產(chǎn)生下一代種群P(t+1),復(fù)制過程中，采用適應(yīng)度比例法，種群中的第個個體，它被選中進(jìn)行復(fù)制的概率

其中f為第j個個體的適應(yīng)度，Σf為某代種群中所有個體適應(yīng)度之和，遺傳算法中的交叉概率P_c和變異概率P_m采用隨適應(yīng)度變化的自適應(yīng)調(diào)整方法，P_c和P_m的計(jì)算公式

式中f_max為種群中最大的適應(yīng)度；f_avg為每代種群的平均適應(yīng)度；f’為要交叉的兩個個體中較大的適應(yīng)度；f為要變異個體的適應(yīng)度。適應(yīng)度低于平均適應(yīng)度的個體，采用較大的交叉概率和變異概率；適應(yīng)度高于平均適應(yīng)度的個體，采用較小的交叉概率和變異概率。為了保證優(yōu)化過程盡可能的不進(jìn)入局部最優(yōu)，交叉概率和變異概率一般不為零,選取P_cl＝0.9，P_c2＝0.6，P_m1＝0.1，P_m2＝0.001。

這樣針對每個采樣時間，進(jìn)行PID控制參數(shù)的整定，取得更好的控制效果。

3.灰色誤差預(yù)測

附圖2為典型的灰色預(yù)測控制定義y⁰(n)為氣墊船航向與模型不精確，外界環(huán)境擾動灰色序列，定義y¹(n)為灰色序列累加數(shù)列。對氣墊船航向進(jìn)行實(shí)時采樣，得到一個連續(xù)航向序列y⁰(0),y⁰(2),y⁰(3)...y⁰(n)，所得到了序列為灰色數(shù)列，對得到的灰色序列進(jìn)行累加生成，得到一次生成累加數(shù)列y¹(1),y¹(2),y¹(3),y¹(4)...yⁿ(n)，確定灰色序列累加數(shù)列系數(shù)矩陣B，模型不精確，外界環(huán)境擾動灰色序列系數(shù)矩陣Y_N：

再計(jì)算(B^TB)^-1，再根據(jù)最小二乘法求參數(shù)列其中確定誤差變化模型然后對其微分方程進(jìn)行求解到：

其中為y¹的n+d時刻的灰色估計(jì)值，其中d＝0，1，2，…。由得到y(tǒng)⁰的n+d時刻的灰色估計(jì)值：

經(jīng)以上步驟利用灰色序列得到航向的當(dāng)前采時刻的下d個時刻的灰色估計(jì)值因?yàn)楹较蚩刂撇呗灾薪o定量一般是不變的，所以航向的當(dāng)前采樣時刻的下d個采時問的誤差估計(jì)值最后表示為：

利用灰色誤差預(yù)測可以準(zhǔn)確預(yù)測誤差的實(shí)時變化趨勢，以誤差預(yù)測值進(jìn)行PID控制可以起到一種超前控制的作用。