船舶减摇鳍与翼鳍矢量控制方法与流程

本发明涉及的是一种船舶减摇鳍控制方法，特别是一种船舶减摇鳍-翼鳍矢量控制面增效节能控制方法。

背景技术：

船舶减摇鳍是一种主动控制式减摇装置，已被公认为是船舶减摇的有效技术，减摇效果较为理想，已被国内外广泛应用于各种船舶。对于不可收放式减摇鳍系统，主要由鳍及机械传动装置，驱动鳍的伺服系统和减摇控制器等构成。对于装有两对不可收放式船舶减摇控制系统，其结构原理图如图1所示。

不可收放式减摇鳍对其流体动力要求是鳍在正、负转角时升力对称，升力要大，阻力要小，转鳍力矩小，机械强度高，小展弦比。根据这些约束及工程上的限制，就完全决定了鳍的形状和剖面。此外，出于工程上和技术上考虑，鳍的最大转角也必须有机械限位(一般最大不宜超过30°)，鳍伺服系统驱动功率也限制了鳍面积为有限值。因此，在鳍展弦比和鳍面积固定的条件下，鳍能提供的升力(最大升力)也就随之确定，其减摇能力也随之确定。使得现有船舶减摇鳍的减摇效果受到了限制。另一方面，驱动鳍伺服机构是大功率系统，能量消耗较大，故节能控制技术也是需要考虑的问题。

综上所述，如何提高不可收放式船舶减摇鳍控制系统减摇效果，降低能耗成为船舶控制界的一个关注课题。

技术实现要素：

本发明的目的在于提供一种能有效地通过鳍及翼鳍矢量面智能控制提高减摇效果，降低能耗的船舶减摇鳍与翼鳍矢量控制方法。

本发明的目的是这样实现的：

第一步：横摇传感器测得船舶当前时刻的横摇信息，送入船舶减摇智能调节器；

第二步：针对当前横摇信息，进行船舶减摇鲁棒控制算法解算，得出减摇所需的横摇扶正控制力矩；

第三步：针对所需横摇扶正力矩，进行鳍角与翼鳍角智能决策算法解算，得到所需的鳍角与翼鳍角指令信号；

第四步：将鳍角与翼鳍角的指令信号经异步串行通信接口传到鳍与翼鳍伺服系统，对鳍及翼鳍进行驱动控制，提供所需的减摇扶正力矩，减小船舶横摇。

本发明还可以包括：

1、第二步所述的船舶减摇鲁棒控制算法具体包括：

船舶横摇运动模型即Conolly模型为：

式中：I_x-----船舶对x轴的转动惯量，ΔI_x-----船舶对x轴的附加转动惯量，-----横摇角，2N_p-----每单位横摇角速度的船舶阻尼力矩，W-----船舶排水量，h-----横稳心高，K_f(α_f,β_f)-----鳍/翼鳍产生的横摇力矩，K_d-----船舶受到的横摇干扰力矩。

设考虑模型中的参数不确定性，有：

将船舶横摇运动写成如下状态方程的形式：

其中，x＝[x₁ x₂]^T，u＝K_f(α_f,β_f)，w₁＝K_d，

C＝[0 1]^T；

将上述船舶横摇运动状态方程化为标准形式：

其中：

ΔB₁＝0_2×1

[ΔA ΔB₁]＝HF[E₁ E₂]

E₁＝I_2×2E₂＝0_2×1

F是不确定对角阵，满足F^TF≤I，

将上述标准形式展开得船舶减摇控制系统状态空间实现为：

2、第三步中所述鳍角与翼鳍角智能决策算法具体包括：

首先，分析鳍伺服系统和翼鳍伺服系统所需克服的负载力矩，由负载力矩对鳍角、翼鳍角积分，建立鳍与翼鳍驱动能量方程；

然后，采用基于不可行度的改进遗传算法优化鳍角与翼鳍角，得到一组对应系统能耗最小的鳍角与翼鳍角组合。

3、所述船舶减摇智能调节器采用3片DSP的TMS320C6713芯片作为系统控制器芯片，一片作为减摇鲁棒调节器，实现减摇鲁棒调节算法解算；另两片DSP作为智能矢量决策器载体，实现鳍角与翼鳍角智能决策算法，以能量驱动方程作为适应度函数，计算各子种群中个体适应度值，实现遗传算法的计算过程。

4、所述鳍与翼鳍伺服系统中、鳍伺服系统的结构与翼鳍的伺服系统结构相同，所述鳍伺服系统采用伺服电机同轴连接减速器和传动装置的电驱动伺服控制，由高速小转矩向低速大转矩的转变，带动鳍按照给定指令旋转，采用DSP芯片TMS320F28335作为系统控制器，实现数据转换和串口通信，采用伺服电机驱动器作为系统的驱动装置，采用绝对式编码器对鳍位置进行检测，编码器安装在鳍轴处，减摇鳍伺服系统的控制器DSP实现位置环调节，通过内环的速度环和电流环调节，实现对减摇鳍的位置伺服控制。

本发明提供了一种不可收放式减摇鳍-翼鳍矢量控制面增效节能减摇控制技术。

鳍-翼鳍矢量控制面就是在普通鳍的后缘开襟，形成一个可控可动面的翼鳍，与主鳍构成两个可相互独立的矢量控制面。根据流体力学理论，当鳍的升力系数一定时，其鳍的升力随其攻角的增加而增大，随其攻角的减小而减小，当鳍的攻角达到临界最大值时，其升力也达到最大值。鳍的升力系数与鳍表面的曲率有关，鳍的升力系数随其曲率的增加而增大。在鳍展弦比和鳍剖面几何形状相同条件下，后缘带有翼鳍的组合鳍升力系数可大大增加。翼鳍相当于一个调整组合鳍表面曲率的可动面，其实质上是提供了两个控制面，通过鳍/翼鳍的运动控制，提供船舶减摇所需的扶正控制力矩。

本发明提供的船舶减摇鳍/翼鳍智能矢量控制系统技术在设计海情下，能有效地通过鳍/翼鳍矢量面智能控制提高减摇效果，降低能耗，在高于设计海情下，能大大提高组合鳍矢量控制面的扶正控制能力，保障系统正常工作，有效减小船舶横摇，提高系统全天候适航性和可靠性。系统在五级海情下，标称参数，正横浪下减摇律高于96％，能耗下降22％；五级海情下，系统参数摄动30％，正横浪下减摇效率高于95％，能耗下降8.1％。

附图说明

图1不可收放式船舶减摇鳍控制系统结构原理图；

图2船舶减摇鳍/翼鳍智能矢量控制系统结构原理图；

图3智能决策分配器程序流程图；

图4鳍/翼鳍转动过程分解示意图；

图5智能决策分配器并行遗传算法决策流程图。

具体实施方式

下面结合附图举例对本发明作进一步描述。

图1为目前工程上应用的不可收放式船舶减摇鳍控制系统原理结构图，主要由鳍及机械传动装置，驱动鳍的伺服系统和减摇控制器等构成。

图2为船舶减摇鳍/翼鳍智能矢量控制系统原理结构图。结合图2，本发明以配装不可收放式两对鳍水面舰船为研究对象。控制系统由两对主鳍及伺服系统、两对翼鳍及伺服系统、横摇信息检测传感器、减摇智能矢量控制器等构成。减摇智能矢量控制器具有横摇减摇调节器、鳍角/翼鳍角智能分配决策器、航速、浪级自动增益调整等功能。系统输出量为横摇角，控制量为前左鳍角、前坐翼鳍角、前右鳍角、前右翼鳍角、后左鳍角、后左翼鳍角、后右鳍角、后右翼鳍角等。

结合图3，船舶减摇鳍-翼鳍智能矢量控制策略的程序设计分为初始化程序设计、串口通信程序设计、鲁棒调节器程序设计、遗传算法程序设计及McBSP通信模块程序设计等五个组成部分。算法具体工作流程如下：通过上位机发送的当前时刻船舶当前的横摇角数据，通过横摇鲁棒调节器的运算，得到船舶所需的横摇扶正控制力矩，经鳍角-翼鳍角智能决策分配器中的并行遗传算法分配，分配给出鳍角/翼鳍角指令信号，通过串口发送到鳍/翼鳍伺服系统中，并等待下一次上、下位机数据的发送。

结合图3，其中的船舶减摇鲁棒控制算法说明如下：

船舶横摇运动模型(即Conolly模型)为：

式中：I_x-----船舶对x轴的转动惯量，ΔI_x-----船舶对x轴的附加转动惯量，-----横摇角，2N_p-----每单位横摇角速度的船舶阻尼力矩，W-----船舶排水量，h-----横稳心高，K_f(α_f,β_f)-----鳍/翼鳍产生的横摇力矩，K_d-----船舶受到的横摇干扰力矩。

设考虑模型中的参数不确定性，具有不确定性的参数主要为有：

令x＝[x₁ x₂]^T，u＝K_f(α_f,β_f)，w₁＝K_d，船舶横摇运动写成如下状态方程的形式：

C＝[0 1]^T

则船舶横摇运动状态方程为：

进一步得到：

有：

其中：

令将w定义为广义干扰。并令：

得到标准形式：

其中：

ΔB₁＝0_2×1

[ΔA ΔB₁]＝HF[E₁ E₂]

E₁＝I_2×2，E₂＝0_2×1

其中：F是不确定对角阵，显然是满足F^TF≤I的。

将标准形式展开可得船舶减摇控制系统状态空间实现为：

结合图4，鳍和翼鳍转动过程中系统驱动能量的表达分析如下。设k时刻的鳍角和翼鳍角分别为α_f(k)和β_f(k)，k+1时刻的鳍角和翼鳍角分别为α_f(k+1)和β_f(k+1)。由于在k时刻到k+1时刻的时间段内鳍和翼鳍是同时转动的，因此对鳍和翼鳍的受力分析(尤其是水动力)十分复杂。为了便于分析，将该过程分解为两个步骤，结合图4，鳍角先从α_f(k)转至α_f(k+1)(翼鳍角保持不变)，然后翼鳍角从β_f(k)转至β_f(k+1)(鳍角保持不变)。设鳍伺服系统的驱动力矩为M_T，翼鳍伺服系统的驱动力矩为M_T翼，从k时刻到k+1时刻系统驱动能量可由下式表示：

在转鳍过程中，鳍伺服系统需要克服的力矩有：

(1)鳍受到的水动力对鳍轴的力矩M_R；

(2)鳍速变化时产生的惯性力矩M_J；

(3)恢复力矩M_h；

(4)摩擦力矩M_f。

由力矩平衡原理可知：

M_T＝-(M_R+M_J+M_h+M_f)

M_R在鳍伺服系统克服的力矩中占主要部分，有：

式中：S_p为鳍面积，b_p为水动力作用点距鳍轴的距离，C_m(α_f,β_f)为鳍扭矩系数。

对于惯性力矩M_J，有：

M_J＝-Jω

式中：J为鳍绕鳍轴的转动惯量，ω为鳍角加速度。

对于恢复力矩M_h，有：

M_h＝h·α_f

h为鳍恢复系数。

摩擦力矩M_f按总力矩的10％计算，即有：

M_T翼的分析过程同M_T是相似的，因此有：

M_T翼＝-(M_R翼+M_J翼+M_h翼+M_f翼)

式中：M_R翼为翼鳍受到的水动力对翼鳍轴的力矩，M_J翼、M_h翼、M_f翼分别为翼鳍的惯性力矩、恢复力矩和摩擦力矩。

对于M_R翼有：

式中：S_p翼为翼鳍面积，b_p翼为水动力作用点距翼鳍轴的距离，C_m翼(α_f,β_f)为翼鳍扭矩系数。

对于M_J翼有：

M_J翼＝-J_翼ω_翼

式中：J_翼为翼鳍绕翼鳍轴的转动惯量，ω_翼为翼鳍角加速度。

对于恢复力矩M_h翼，有：

M_h翼＝h_翼·β_f

h_翼为翼鳍恢复系数。

M_f翼的处理同M_f，有：

综上所述，鳍/翼鳍从α_f(k)/β_f(k)转至α_f(k+1)/β_f(k+1)时系统驱动能量的表达式ΔJ_f(k+1)为：

结合图5，鳍角/翼鳍角智能决策器并行遗传算法决策程序流程如下：

在本发明中，首先在主DSP 6713芯片中利用鳍角/翼鳍角分配规则，限定种群的编码范围，进行初始化种群。然后将初始化产生的种群个体平均分给两个从DSP 6713中，从DSP 6713以能量驱动方程作为适应度函数，计算各子种群中个体适应度值。之后选出适应度较强的个体，并通过非均匀算术交叉和高斯变异的遗传操作，维持种群的多样性。最后经过设定的遗传代数，将取出最小的适应度值对应的鳍角/翼鳍角指令信号分配值以及所有个体适应度的方差值传回主DSP6713中，进行适应度值比较，选出适应度值较小的一组，并利用方差值判断是否满足终止条件，如满足则终止运算并把最优的鳍角/翼鳍角指令信号分配值传给下位机，否则将适应度值较小的一组值传回继续进行遗传操作。

本发明采用的全局型遗传算法是一种改进型遗传算法，可大大提高遗传算法的搜索速度。其原理是把一个大的群体，分成若干个子种群，由于该遗传算法对每个子种群中的个体的评价是独立的，因此每个个体的分配在某个子种群中是任意的，个体间无需通信。每个子种群中个体的适应度值都根据整个群体的适应度函数进行计算。子种群内个体之间可以任意交叉，但在整个群体上的选择需考虑到所有子种群。

具体实现过程如下：

①初始化种群设计

采用浮点数编码改善了遗传算法的计算复杂性，提高了运算效率，便于处理复杂的决策变量约束条件，并且采用的TMS320C6713芯片为浮点型DSP，因此本发明采用具有浮点数编码的方法选用鳍角/翼鳍角的值作为种群个体。

根据鳍角/翼鳍角限位和鳍速/翼鳍速的限制约束条件，可以得到鳍角/翼鳍角的编码范围。本发明中设定主DSP中初始种群数目为40，种群个体随机分布在整个解空间内。但由于实际中主DSP芯片产生的初始化种群数据过小，无法通过McBSP模块正常通信，需将其值扩大10000倍后平均分配给2片从DSP中，从DSP得到种群个体的首先应除以10000进行解码，然后再进行适应度计算以及选择、交叉、变异操作。

②适应度函数设计

本发明直接利用鳍/翼鳍伺服系统能量驱动方程作为适应度函数。系统能量驱动方程已经在前面给出。

③选择操作设计

本发明采用最优保存策略的方法，将最优的个体保存下来并替代经交叉、变异后适应度最低的个体。具体操作过程为：

a)找出当前代适应度值最优和最差的个体。

b)如果当前种群中个体适应度的最大值优于目前为止最好的适应度值，则加以替换。

c)用目前为止适应度最好个体，代替种群中最差个体。

本发明运用该策略进行选择操作，可以保证种群中的最优个体不会被遗传操作所破坏，有利于遗传算法的快速收敛性。但由于保留的最优解有可能为局部最优，因此其全局搜索能力不强。必须与其他的选择操作结合起来。

④交叉操作设计

本发明采用的浮点数编码方式，因此选取非均匀算术交叉的方式，进行交叉运算。非均匀算术交叉是指子代个体是通过两个父代个体进行线性组合运算产生。两个个体进行交叉运算可由以下公式运算：

其中，个体X_A、X_B为父代进行交叉个体，X_A'、X_B'为产生的两子代个体，a为由进化代数决定的参数。

⑤变异操作设计

本发明采用高斯近似突变的方式，变异操作时选取一个满足均值为P，方差为P²的高斯随机数，加在父代个体上，产生变异的子代个体。其变异产生后代个体可由下式得出：

x'＝x+N(0,Δσ')

其中，N(0,Δσ')为一个均值为0标准差为Δσ'的独立正态分布随机数。

⑥终止条件设定

本发明采用种群适应度的方差小于设定值0.001为判定准则，作为终止遗传算法运行的条件。