一种气垫船安全边界判定方法
【技术领域】
[0001] 本发明设及一种气垫船安全边界的判定方法，特别是基于神经网络的气垫船安全 边界的离线计算方法。
【背景技术】
[0002] 气垫船在航行操纵过程中，在风浪扰动下或围裙破损或操控设备故障和驾驶员操 纵不当等情况下，可能会出现不同的风险，如高速埋首、低速翻船、高速甩尾等。若驾驶员操 纵不当时，气垫船航行时的危险状态表现为：随着回转角速度的增大，侧滑角逐渐增大，随 后出现横倾角和纵倾角迅速增大。因此，为保证航行安全性，需要计算影响航行安全主要变 量的安全边界，判断气垫船在当前状态下是否进行应急控制。
[0003] 在国外公开文献中，美国LCAC艇规定的航行安全限界为：最高航速纵倾角一般不 应低于r，当航速50kn最大侧滑角为15°，最大回转角速度为为2度/秒。俄罗斯气垫 船航行危险工况限界为：其低速14kn时能够打满舱，限制的最大回转角速度为3. 5度/秒， 最大侧滑角为20度；当航速为35kn时舱角限制为5度，最大回转率限制在1. 2度/秒，最 大侧滑角为2度；40kn时不能长时间打舱。
[0004] 在国内公开文献中，根据实船试验数据，航行时各参数的安全限界为：横倾角的正 常范围在0. 5度~2. 5度，初始纵倾角应大于。正常工作状态下，随气垫船的航速提高，其纵 倾角也会变大，甚至可达。在30kn时回转角速度应不超过4度/秒，侧滑角不超过20度。
[0005] 上述安全限界是针对人工操纵设定的，并没有考虑控制律的影响，当利用自动驾 驶系统对气垫船进行操控时需要提供在当前控制律下状态的安全边界，为是否进行应急控 制提供依据。
【发明内容】
[0006] 本发明的目的在于提供一种为气垫船是否进行应急控制提供依据，能够减少驾驶 人员的误判导致的气垫船事故，提高航行稳定性的气垫船安全边界判定方法。
[0007] 本发明的目的是运样实现的：
[0008] (1)获取样本空间，根据气垫船的回转角速度、侧滑角、横倾角、横倾角速度、纵倾 角和纵倾角速度六个参量的工作范围，按照均匀分布的原则任意取状态序列，将其作为气 垫船的初始状态，并带入控制律对设定时间后的系统稳定性进行判定，得到系统是否稳定 的逻辑值序列，将初始状态序列和对应的系统是否稳定的逻辑值序列作为样本空间；
[0009] (2)利用样本空间对BP神经网络进行训练，使得任意工作范围内的初始状态输 入，BP神经网络都能够得到的系统是否稳定的逻辑值；
[0010] (3)任意给定工作范围内的六个参量的状态，输入到训练好的BP神经网络，根据 神经网络的输出，采用二分法寻找工作范围内的稳定状态的边界值。
[0011] 气垫船在不同状态下和不同控制律下的稳定性是不同的，本发明将气垫船当前控 制律带入模型计算出状态稳定性的逻辑值，然后将初始状态和逻辑值作为神经网络的训练 样本。为了使BP神经网络的输出能够准确判定系统的稳定性，需要选择合适的网络结构和 学习函数。本发明中神经网络的建立和二分法寻安全边界是核屯、。
[0012] 本发明根据Lyapunov稳定性理论和实际气垫船操纵特性，针对影响气垫船航行 稳定性的回转角速度、侧滑角、横倾角、横倾角速度、纵倾角和纵倾角速度六个主要参量设 计了稳定性的判断条件，并利用工作空间的离散状态及其稳定性对神经网络进行训练，实 现对在任意状态输入下系统稳定性的判断，然后运用二分法计算得到气垫船当前状态下的 安全边界。
[0013] 本发明相对现有技术具有如下的优点及效果：气垫船在航行过程中其状态变化很 快，如果由操作人员判断系统稳定性，一方面会给驾驶人员造成很大的工作压力，另一方面 由于时间紧迫很容易造成误判。本发明提出的气垫船安全边界计算方法可W根据当前的控 制律和气垫船模型计算出状态的稳定边界，减少了驾驶人员的压力，另外本发明的计算方 法能够实现离线计算，因此提高了驾驶人员的工作效率和气垫船的自动化水平。
[0014] 在气垫船实时控制过程中，安全边界可W作为危险工况中应急控制投入的判断依 据，保障气垫船安全航行。本发明通过计算出在当前控制律下的气垫船的安全边界，能够减 少操纵人员的误判而导致的气垫船失稳，还可W降低操纵人员的工作强度和精神负担，具 有很大的实用价值。
【附图说明】
[0015] 图1获取样本空间的流程图。
[0016] 图2隐含层结构为10X10的BP神经网络训练效果图。
[0017] 图3气垫船稳定情况下的神经网络输出曲线。
[001引图4气垫船不稳定情况下的神经网络输出曲线。
[0019] 图5基于BP神经网络和二分法的气垫船安全边界算法程序流程图。
[0020] 图6气垫船水平面安全限界。
【具体实施方式】
[0021] 下面结合附图对本发明作进一步的详细描述。
[0022] 本发明主要包括获取样本空间、训练BP神经网络W及采用二分法计算安全边界。
[0023]结合图1，获取样本空间的流程步骤如下：
[0024] 1.获取气垫船的状态信息，并将侧滑角、回转角速度、横倾角、横倾角速度、纵倾角 和纵倾角速度六个参量分别用变量Xi,而，X3,X4,馬，Xg表示，记向量X=[X1，而，X3,X4,Xs,而] T，气垫船当前的控制律记为T，气垫船的模型记为方=F(乂(0)，r，^，其中X(0)表示初始状 态，t表示时间；
[00巧]2.根据状态的工作范围选取初始状态序列。状态的工作范围表示如下：
[002引Ximm< X 1< X備"i = 1，…，6
[0027] Ximm，Xim。、分别为状态变量的工作下界和上界，
[0028] 序列个数采用W下的公式确定：
[0029]
[0030] 其中，El为状态数据的最大偏差。
[0031] 按照在工作空间内均匀分布取点的原则，得到初始状态序列找(〇)}。
[0032] 3.将狂(0)，I)带入气垫船模型，运行时间L后判断系统状态是否满足下列条 件：
[0033] I |xi| I <。1，i = 1，3, 5
[0034]
[0035]其中 〇i>〇，；>〇。
[0036] 若满足上述条件，则认为在初始状态X(0)和控制律I下气垫船是稳定的，对应的 逻辑值为Y= 0 ;否则，则认为气垫船是不稳定的，对应的逻辑值为Y= 1。将初始状态序列 找(〇)}及对应的逻辑值序列阳}，形成样本空间找(0)，刊，作为神经网络的训练样本。
[0037] 为提高模型的预测精度，根据气垫船数据特点，神经网络选择BP神经网络，输入 层、隐含层和输出层的结构选择为4X 10X 10X 1，