技術特征：

1.一種基于灰色預測混合遺傳算法-PID全墊升氣墊船航向控制方法，其特征是：

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

進行灰色誤差預測，即建立新陳代謝模型、通過實際位置和實際艏向姿態(tài)預測未來行為數(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。

2.根據(jù)權利要求1所述的基于灰色預測混合遺傳算法-PID全墊升氣墊船航向控制方法，其特征是所述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行編碼，隨機產(chǎn)生n個個體構成初始種群，將種群中各個體解碼成對應的參數(shù)值，用此參數(shù)值求目標函數(shù)J及適應函數(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，將超調量作為最優(yōu)指標的一項，最優(yōu)指標為：

if errori(i)<0

J(i)＝J(i)+100×I errori(i)I

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

$P_s=\frac{f_j}{\mathrm{\&Sigma;}f}$

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

$P_c=\left\{\begin{array}{cc}{P}_{c1}-\frac{(P_{c1}-P_{c2})(f^{\&prime;}-f_{max})}{f_{max}-f_{avg}}& f^{\&prime;}\&GreaterEqual;f_{avg}\\ P_{c1}& f^{\&prime;}\&lt;f_{avg}\end{array}\right.$

$P_m=\left\{\begin{array}{cc}{P}_{m1}-\frac{(P_{m1}-P_{m2})(f^{\&prime;}-f_{max})}{f_{max}-f_{avg}}& f\&GreaterEqual;f_{avg}\\ P_{m1}& f\&lt;f_{avg}\end{array}\right.$

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

3.根據(jù)權利要求1或2所述的基于灰色預測混合遺傳算法-PID全墊升氣墊船航向控制方法，其特征是灰色誤差預測：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，對氣墊船航向進行實時采樣，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：

$B=\left[\begin{array}{cc}-0.5\&times;\left(y^1\right(1)+y^1\left(2\right))& 1\\ -0.5\&times;\left(y^1\right(2)+y^1\left(3\right))& 1\\ & ...\\ -0.5\&times;\left(y^1\right(n-1)+y^1\left(n\right))& 1\end{array}\right]$

$Y_N=\left[\begin{array}{c}{y}^0\left(2\right)\\ y^0\left(3\right)\\ ...\\ y^0\left(n\right)\end{array}\right]$

再計算(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行求解到：

$\hat{y}(n+d)=\left(y^0\right(1)-\frac{u}{a})e^{-a(n+d-1)}+\frac{u}{a}$

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

$\hat{y}(n+d)=\left(y^0\right(1)-\frac{u}{a})e^{-a(n+d-1)}(1-e^a)$

經(jīng)以上步驟利用灰色序列得到航向的當前采時刻的下d個時刻的灰色估計值因為航向控制策略中給定量是不變的，所以航向的當前采樣時刻的下d個采時問的誤差估計值最后表示為：

4.根據(jù)權利要求1或2所述的基于灰色預測混合遺傳算法-PID全墊升氣墊船航向控制方法，其特征是：在進行灰色誤差預測之前，先對實際位置和實際艏向姿態(tài)進行濾波及融合。

5.根據(jù)權利要求3所述的基于灰色預測混合遺傳算法-PID全墊升氣墊船航向控制方法，其特征是：在進行灰色誤差預測之前，先對實際位置和實際艏向姿態(tài)進行濾波及融合。

6.根據(jù)權利要求2所述的基于灰色預測混合遺傳算法-PID全墊升氣墊船航向控制方法，其特征是：選取P_cl＝0.9，P_c2＝0.6，P_m1＝0.1，P_m2＝0.001。