留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

船舶运输安全保障下的智能船舶运动控制策略

张显库 韩旭

张显库, 韩旭. 船舶运输安全保障下的智能船舶运动控制策略[J]. 中国舰船研究, 2019, 14(S1): 1-6. doi: 10.19693/j.issn.1673-3185.01634
引用本文: 张显库, 韩旭. 船舶运输安全保障下的智能船舶运动控制策略[J]. 中国舰船研究, 2019, 14(S1): 1-6. doi: 10.19693/j.issn.1673-3185.01634
Xianku Zhang, Xu Han. The motion control strategy for intelligent ships based on ship transportation safeguard[J]. Chinese Journal of Ship Research, 2019, 14(S1): 1-6. doi: 10.19693/j.issn.1673-3185.01634
Citation: Xianku Zhang, Xu Han. The motion control strategy for intelligent ships based on ship transportation safeguard[J]. Chinese Journal of Ship Research, 2019, 14(S1): 1-6. doi: 10.19693/j.issn.1673-3185.01634

船舶运输安全保障下的智能船舶运动控制策略

doi: 10.19693/j.issn.1673-3185.01634
基金项目: 

国家自然科学基金资助项目 51679024

国家自然科学基金资助项目 51779029

国家高技术研究发展计划资助项目 2015AA01640

中央高校基本科研业务费资助项目 3132016315

高等学校学科创新引智计划资助项目 B08046

详细信息
    作者简介:

    张显库, 男, 1968年生, 博士, 教授, 博士生导师。研究方向:船舶运动简捷鲁棒控制。E-mail:zhangxk@dlmu.edu.cn

    韩旭, 男, 1994年生, 博士生。研究方向:船舶运动控制。E-mail:hanx9r@dlmu.edu.cn

    通讯作者:

    张显库

  • 中图分类号: U664.82

The motion control strategy for intelligent ships based on ship transportation safeguard

图(5) / 表 (1)
计量
  • 文章访问数:  77
  • HTML全文浏览量:  9
  • PDF下载量:  47
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-06-03
  • 网络出版日期:  2019-11-11
  • 刊出日期:  2019-12-11

船舶运输安全保障下的智能船舶运动控制策略

doi: 10.19693/j.issn.1673-3185.01634
    基金项目:

    国家自然科学基金资助项目 51679024

    国家自然科学基金资助项目 51779029

    国家高技术研究发展计划资助项目 2015AA01640

    中央高校基本科研业务费资助项目 3132016315

    高等学校学科创新引智计划资助项目 B08046

    作者简介:

    张显库, 男, 1968年生, 博士, 教授, 博士生导师。研究方向:船舶运动简捷鲁棒控制。E-mail:zhangxk@dlmu.edu.cn

    韩旭, 男, 1994年生, 博士生。研究方向:船舶运动控制。E-mail:hanx9r@dlmu.edu.cn

    通讯作者: 张显库
  • 中图分类号: U664.82

摘要:   目的  为了最大限度地保障智能船舶运输安全,研究一种与智能船舶正常航行控制策略不同的船舶运动鲁棒控制算法,不追求准确、快速和节能,以智能船舶稳定航行为唯一设计指标。  方法  采用四维Norrbin非线性数学模型和二阶闭环增益成形算法设计控制策略。  结果  得到了航向不稳定船舶保持稳定的鲁棒控制器设计的通用算式,仿真结果验证了所提出控制策略的有效性。  结论  正常海况下,该控制策略的综合性能指标不如以往的控制策略,但在8级风以上的恶劣海况下,能最大限度地保障船舶航行稳定、安全。该控制策略可以作为智能船舶在恶劣海况下安全航行的配套措施。

English Abstract

张显库, 韩旭. 船舶运输安全保障下的智能船舶运动控制策略[J]. 中国舰船研究, 2019, 14(S1): 1-6. doi: 10.19693/j.issn.1673-3185.01634
引用本文: 张显库, 韩旭. 船舶运输安全保障下的智能船舶运动控制策略[J]. 中国舰船研究, 2019, 14(S1): 1-6. doi: 10.19693/j.issn.1673-3185.01634
Xianku Zhang, Xu Han. The motion control strategy for intelligent ships based on ship transportation safeguard[J]. Chinese Journal of Ship Research, 2019, 14(S1): 1-6. doi: 10.19693/j.issn.1673-3185.01634
Citation: Xianku Zhang, Xu Han. The motion control strategy for intelligent ships based on ship transportation safeguard[J]. Chinese Journal of Ship Research, 2019, 14(S1): 1-6. doi: 10.19693/j.issn.1673-3185.01634
    • 海洋运输业是我国国民经济的命脉以及重要支柱性产业,发展壮大海洋运输业是提升我国综合国力的必然要求,对维护国家海洋权益,促进国民经济持续增长具有重要意义。智能船舶是当今海洋运输发展的主流方向。2015年12月1日,由中国船级社(CCS)编制的《智能船舶规范》在中国国际海事会展期间正式对外发布,于2016年3月1日生效。《智能船舶规范》中定义:“智能船舶指利用传感器、通信、互联网等技术手段,自动感知信息和数据,并通过自动控制技术和大数据处理分析技术来实现智能化运行。”

      罗尔斯·罗伊斯船舶创新副总裁Oskar Levander认为智能船舶的3大关键技术为海洋环境信息的自动感知及融合、先进控制算法的探索和对通讯及互联的研究。所以,智能船舶的核心技术为先进的船舶运动控制算法,其目标是使智能船舶航行得更安全、节能、高效和环保,这是目前研究的主流。

      从船舶运输安全保障技术方向研究船舶运动控制与从智能船舶技术方向研究船舶运动控制有明显的不同。两者既有区别又有关联,有关联的是:两个方向都应该研究恶劣海况下的船舶运动控制。智能船舶技术方向研究恶劣海况下的船舶运动控制的目标是使船舶自主航行更安全、更高效、更环保和更节能,要求综合指标最优。船舶运输安全保障技术方向也研究恶劣海况下的船舶运动控制,构成冗余或备份系统,这本身就是安全保障的技术之一;但是,这时的恶劣海况下船舶运动控制技术是在前一种算法不能实现稳定控制时切换使用的,就不能再考虑准确、快速和节能了,而是要以牺牲能量为代价最大限度地保证船舶航行的稳定和安全。

      2018年7月17日,安联保险集团(Allianz)发布了《2018年安全与航运报告》,根据Allianz的数据,过去10年来,大型船舶的损失减少了近一半,但新型网络攻击、恶劣的气候以及人为失误仍然威胁着船舶的安全。恶劣天气,例如亚洲的台风和美国的飓风,在2017年造成了超过20艘船舶全损,约占所有船舶全损的1/4。综上,从船舶运输安全保障角度研究智能船舶运动控制策略具有重要的理论指导和现实意义,可为新造智能船舶配备先进的船舶自动舵提供理论指导。

      大连海事大学开展了大量的先进船舶运动控制策略的研究[1-5]。除此之外,近3年间,马鹏飞等[6]研究了神经网络在船舶航向保持非线性控制中的应用,田佰军等[7]研究了控制方向未知条件下不确定船舶航向鲁棒λ调节控制,范朗等[8]基于广义预测控制给出了船舶航向保持控制的仿真,Wang等[9]给出大风浪时船舶路径跟踪的最优鲁棒控制和舵阻摇控制,Wu等[10]研究了受约束的船舶操纵非线性系统的类似PID控制最优参数调整方法。这些文献主要是以提升船舶运动控制的综合性能为首要指标。到目前为止,因特别恶劣海况下常规运输船舶要尽量找避风港锚泊,还没有涉及从船舶运输安全保障技术角度考虑遭遇特别恶劣海况时船舶应有的运动控制策略,而智能船舶因为对船舶运动控制性能要求更高,不可避免地要关注特别恶劣海况时的船舶运输安全。

      智能船舶是未来船舶发展的趋势,以智能船舶为载体进行研究,具有现实意义。未来的智能船舶,尤其是无人船,对舒适性的要求低,因而对恶劣海况的适应性更高。本文就是在此背景下开展智能船舶运输安全保障下的航向保持控制策略探索,虽然在正常海况下该策略给出的各种船舶运动控制性能都不如现有的控制算法,但在恶劣海况下是一种能保持船舶航向稳定的控制策略。

    • “大智”号是中船集团自主研发的全球首艘智能散货船舶,于2017年12月5日正式交付并投入使用。“大智”号是全球首艘通过船级社认证的智能船舶,开启了全球更加安全、经济、环保的航运时代。表 1给出了“大智”号的船型参数。

      表 1  “大智”号船型参数

      Table 1.  Ship particulars of Dazhi

      参数 数值
      垂线间长L/m 164.0
      平均吃水d/m 9.5
      初始船速V0/kn 14.0
      船宽B/m 32.0
      排水体积/m3 37 853.6
      方形系数Cb 0.759

      本文采用四维Norrbin非线性数学模型[11]。考虑船舶的平面运动,沿用Abkowitz的研究方案[12],把流体动力XYN展开成Taylor级数时只保留一阶小量,另考虑到船舶左右对称性,相关的流体动力导数(如${X_{\dot v}}, {X_{\dot r}}, {X_v}, {X_r}, {X_\delta }, {Y_{\dot u}}, {Y_u}, {N_{\dot u}}, {N_u}$等)为零,则可得到三自由度船舶平面运动数学模型为[1, 11]

      $$ \left\{ {\begin{array}{*{20}{l}} {m\Delta \dot u = {X_u}\Delta u + {X_{\dot u}}\Delta \dot u}\\ {m\dot v + m{V_0}r + m{x_{\rm{c}}}\dot r = {Y_v}v + {Y_r}r + {Y_{\dot v}}\dot v + {Y_{\dot r}}\dot r + {Y_\delta }\delta }\\ {{I_{zz}}\dot r + m{x_{\rm{c}}}\dot v + m{x_{\rm{c}}}{V_0}r = {N_v}v + {N_r}r + {N_{\dot v}}\dot v + {N_{\dot r}}\dot r + {N_\delta }\delta } \end{array}} \right. $$ (1)

      式中:m为船舶质量;u为航速;Δu为航速变化量;${X_u}, {X_{\dot u}}, {Y_v}, {Y_r}, {Y_{\dot v}}, {Y_{\dot r}}, {Y_\delta }, {N_v}, {N_r}, {N_{\dot v}}, {N_{\dot r}}, {N_\delta }$分别为流体动力导数、流体动力矩导数、舵力导数及舵力矩导数,这12个参数可泛称为流体动力导数;v为船舶横漂速度;r为艏摇角速度;xc为船舶重心距中心的距离;Izz表示船舶的惯性矩。

      式(1)中,第1行中的航速变化与第2行和第3行中的横漂速度和艏摇角速度变量不相关,可以忽略,单独考虑。将式(1)中的后两行化成矩阵形式,再叠加上Norrbin辨识出的非线性力或力矩公式及风浪干扰,采用“'”表示系统无量纲化,并辅以$\dot \psi = r$(ψ为船艏向角)和舵机的一阶惯性系统数学模型,则考虑横漂速度v和艏摇角速度r的非线性Norrbin数学模型可表示为[1, 11]

      $$ \mathit{\boldsymbol{I}}_{(4)}^\prime {{\mathit{\boldsymbol{\dot X}}}_{(4)}} = \mathit{\boldsymbol{P}}_{(4)}^\prime {\mathit{\boldsymbol{X}}_{(4)}} + \mathit{\boldsymbol{Q}}_{(4)}^\prime {\delta _r} + \mathit{\boldsymbol{F}}_{{\rm{NON}}}^\prime + \mathit{\boldsymbol{F}}_{{\rm{WIND}}}^\prime + \mathit{\boldsymbol{F}}_{{\rm{WAVE}}}^\prime $$ (2)

      式中:I(4)为惯性力导数矩阵;P(4)为黏性力导数矩阵;Q(4)为舵力导数矩阵,其数值计算涉及10个流体动力导数${Y_{\dot v}}, {Y_v}, {N_{\dot v}}, {N_v}, {Y_{\dot r}}, {Y_r}, {N_{\dot r}}, {N_r}, {Y_\delta }, {N_\delta }$的求解,一般使用回归公式计算;X(4)=[v r ψ δ]T为状态变量;δr为控制输入,即舵令;FNON, FWIND, FWAVE分别为无量纲化的非线性力与力矩矩阵、风力与力矩矩阵及浪力与力矩矩阵,FWIND=YWIND/(0.5ρL3)NWIND/(0.5ρL4)TYWIND为风力,NWIND为风力矩,ρ为海水密度;FWAVE=YWAVE/(0.5ρL3)NWAVE/(0.5ρL4)TYWAVE, NWAVE分别为浪力和浪力矩[1, 11]FNON

      $$ \mathit{\boldsymbol{F}}_{{\rm{NON}}}^\prime = \left[ \begin{array}{l} Y_{{\rm{NON}}}^\prime \\ N_{{\rm{NON}}}^\prime \end{array} \right] = \left[ {\begin{array}{*{20}{l}} {C{f_Y}(v,r)}\\ {C{f_N}(v,r)} \end{array}} \right] $$ (3)

      其中:

      $$ {f_Y}\left( {v,r} \right) = \left\{ {\begin{array}{*{20}{c}} {d \cdot r\left| r \right|\left[ { - \frac{1}{{12}} - \frac{1}{{{L^2}}}{{\left( {\frac{v}{r}} \right)}^2}} \right]}&{, - \frac{1}{L}\frac{v}{r} < - \frac{1}{2}}\\ {d \cdot r\left| r \right|\left[ { - \frac{1}{2}\frac{1}{L}\frac{v}{r} - \frac{2}{3}\frac{1}{{{L^3}}}{{\left( {\frac{v}{r}} \right)}^3}} \right]}&{, - \frac{1}{2} \le - \frac{1}{L}\frac{v}{r} \le \frac{1}{2}}\\ {d \cdot r\left| r \right|\left[ {\frac{1}{{12}} + \frac{1}{{{L^2}}}{{\left( {\frac{v}{r}} \right)}^2}} \right]}&{,\frac{1}{2} < - \frac{1}{L}\frac{v}{r} < \infty } \end{array}} \right. $$ (4)
      $$ {f_N}(v,r) = \left\{ {\begin{array}{*{20}{c}} {d \cdot r\left| r \right|\left[ { - \frac{1}{6}\frac{1}{L}\left( {\frac{v}{r}} \right)} \right]}&{, - \infty < - \frac{1}{L}\frac{v}{r} < - \frac{1}{2}}\\ {d \cdot r\left| r \right|\left[ { - \frac{1}{{32}} - \frac{1}{4}\frac{1}{{{L^2}}}{{\left( {\frac{v}{r}} \right)}^2} + \frac{1}{6}\frac{1}{{{L^4}}}{{\left( {\frac{v}{r}} \right)}^4}} \right]}&{, - \frac{1}{2} \le - \frac{1}{L}\frac{v}{r} \le \frac{1}{2}}\\ {d \cdot r\left| r \right|\left[ {\frac{1}{6}\frac{1}{L}\left( {\frac{v}{r}} \right)} \right]}&{,\frac{1}{2} < - \frac{1}{L}\frac{v}{r} < \infty } \end{array}} \right. $$ (5)

      式中:YNON, NNON为无量纲化的非线性力和力矩;d为舵角;C为无量纲横流系数,取0.3~0.8。

      将式(2)简化成线性的Nomoto模型用于控制器设计[1],$G = \frac{\psi }{\delta } = \frac{{{K_0}}}{{{T_0}{s^2} + s}}$,为船舶传递函数形式的数学模型,其中K0T0为船舶操纵性指数,s为拉普拉斯算子。通过计算,“大智”号的船舶操纵性指数分别为:K0=0.18,T0=-203.73,因为T0是负数,所以一艘航向保持不稳定船,更难以控制。

    • 闭环增益成形算法是一种简捷鲁棒控制算法[1],二阶闭环增益成形算法将补灵敏度函数T(也是系统从输入到输出的传递函数)的奇异值曲线近似表示为最大奇异值为1的二阶惯性系统的频谱曲线,与典型的振荡环节相比,这相当于阻尼系数取为1的情况,从而保证了T的频谱没有峰值,则

      $$ \frac{1}{{{{\left( {{T_1}s + 1} \right)}^2}}} = \frac{{GK}}{{1 + GK}},K = \frac{1}{{G{T_1}s\left( {{T_1}s + 2} \right)}} $$ (6)

      式中:T1为闭环系统的时间常数,在数值上近似等于系统带宽频率的倒数;K为要设计的鲁棒控制器。

      不稳定船的Nomoto模型相当于具有积分的不稳定系统,采用文献[1]和[13]给出的镜像映射方法并代入式(6),得到如式(7)所示的航向不稳定船舶保持稳定的鲁棒控制器设计的通用算式,也是本文建议在船舶运输安全保障下使用的船舶航向保持控制策略。

      $$ K = \frac{\delta }{{\Delta \psi }} = \frac{{ - \left( {\left| {{T_0}} \right|s + 1} \right)}}{{{K_0}{T_1}\left( {{T_1}s + 2} \right)}} $$ (7)

      式中,Δψ为航向偏差。

    • 采用Matlab软件进行编程实验,图 1给出了式(7)对于Nomoto模型(即没有风浪干扰和模型摄动的名义模型)控制的仿真结果,舵速限幅5(°)/s,航速14 kn。从图 1可以看出,系统的调节时间为120 s,有4%的超调量,没有静差,控制性能良好。

      图  1  名义模型的仿真结果

      Figure 1.  Simulation results for nominal plant

    • 图 2为6级风、风向为90°时式(7)控制非线性Norrbin模型的仿真曲线,舵速限幅5(°)/s,航速14 kn,风浪的影响已在模型部分做了说明。仿真时,浪假设由风生成,不需要单独输入海浪的参数,调节时间为600 s,稍慢,且有1.6%的静差。为了安全起见,程序中增加了±25°舵角的限制,避免操大舵角给船舶航行安全带来的不良影响。

      图  2  6级风时本文算法控制非线性Norrbin模型的仿真结果

      Figure 2.  Nonlinear Norrbin model control results of this paper's algorithm under wind scale of Beaufort No.6

      图 2的舵角曲线可以看出,平均舵角为3.74°。因为控制器设计是针对名义模型的,而仿真时加了舵机伺服系统模型和舵角饱和限制,这相当于产生了模型摄动,又加了6级风的海况干扰,控制效果仍然令人满意,说明所设计的控制器具有良好的鲁棒性能。

    • 如果希望去除图 2的静差,可采用文献[1]中加积分的简捷鲁棒控制算法;为了进一步强调其快速性,可采用文献[1]的比例加常数的处理技术,可大大改进大惯性系统的响应速度;为了进一步提升节能效果,可采用文献[3]加正弦函数的非线性反馈技术,经过以上3种技术改进后,就形成了综合的船舶运动控制算法。式(7)经上述3种改进后的控制律为

      $$ \delta = \frac{{ - 1}}{{{T_1}s + 2}}\left( {\frac{1}{{{K_0}{T_1}}} + {\rho _1} + \frac{\varepsilon }{{{K_0}{T_1}s}} + \frac{{\left| {{T_0}} \right|}}{{{K_0}{T_1}}}s} \right)\sin (\omega \Delta \psi ) $$ (8)

      式中:ρ1>1,为加快系统响应的常数;ε < 0.01,为消除系统静差的非常小的常数;ω < 1,为使系统节能的调节非线性反馈的增益系数。

      使用式(8)的综合控制器,其中ρ1=5,ω=0.1,ε=0.000 4,采用与图 2相同的海况,结果如图 3所示。平均舵角降为3.34°,下降了11%,更节能,且成功消除了静差,调节时间由600 s降为300 s,加快了响应速度,稍微变差的是有8%的超调量,这是加快系统响应速度带来的副作用。总体上讲,图 3图 2显示的仿真效果更准确、更快速、更节能。

      图  3  6级风时综合控制算法控制非线性Norrbin模型的仿真结果

      Figure 3.  Nonlinear Norrbin model control results of compound control algorithm under wind scale of Beaufort No.6

    • 图 4为12级风、风向为90°时采用本文算法(式(7))的船舶航向保持控制仿真曲线,设定航向为50°,而控制稳定后为46°,说明有8.0%的静差,平均舵角为5.15°。

      图  4  12级风时本文算法的仿真结果

      Figure 4.  Nonlinear Norrbin model control results of this paper's algorithm under wind scale of Beaufort No.12

      在研究时发现,对于较长的船舶,使用式(2)中的风力模型要比使用文献[14]中通过航海实践总结出的风力经验公式相差3个级别,即使用式(2)的12级风可能只相当于使用文献[14]经验公式的9级风的仿真结果。通过分析可知,式(2)的风力和风力矩在无量纲化时都除了0.5ρL3或0.5ρL4,与船长有关,如果船长数值较大,相应地作用在船舶运动数学模型上的风力及风力矩的影响可能变小了。图 5为12级风、风向为90°时两种算法的对比图。总体来说,从稳定性上说本文算法稍好一些。

      图  5  两种算法比较结果

      Figure 5.  Comparison results of two algorithms

      由此可见,在相当于文献[14]的9级风以内,使用式(8)的控制算法的控制效果更好,这种算法更适用于智能船舶在正常航行时使用;当智能船舶在更恶劣海况航行且安全受到威胁时,切换到式(7)的控制算法,才更有保障。本文所给算法都是在仿真环境下取得的,在实际海况使用时,为保险起见,可能还要作进一步保守处理,比如在仿真环境下9级风以上要切换式(7)的控制算法,在实际使用时,就要在8级风时进行切换。本文提出的基于非线性反馈的控制算法在无人艇的实际控制时,首次取得海上试验的成功[15],本文所探讨的从船舶运输安全保障角度重新考虑船舶运动控制策略,在仿真环境下取得的结果,具有一定的理论参考价值;要真正取得海上试验成功,尚需要从工程实现层面做深入的研究。

    • 本文给出了一种从船舶运输安全保障角度考虑的智能船舶运动控制策略,可以作为智能船舶在海况特别恶劣时冗余备份切换的控制策略使用,也可用于航向不稳定船舶的通用控制策略。以往的算法更准确、更快速、更节能,本文算法则只考虑船舶航行得更安全,甚至不惜以牺牲能量为代价,但是这对进一步保障智能船舶的航行安全具有重要的实际应用参考价值。

参考文献 (15)

目录

    /

    返回文章
    返回