论文浏览网首杂志订阅数字杂志在线阅读广告投放.docVIP

基于PSD算法的船舶航向单神经元PID控制 王艳，袁赣南 (哈尔滨工程大学407教研室，哈尔滨，150001) 摘要：本文详细分析了单神经元自适应PID控制算法，为了弥补其增益不具有在线学习自动调整功能的缺点，对其进行了改进，将自适应PSD控制器中递推计算并修正增益的方法应用到单神经元自适应PID控制算法中，以组成具有自动调整增益的单神经元自适应PSD控制器。最后利用基于MATLAB语言的S函数来实现单神经元自适应PSD控制算法，并将其应用到船舶航向控制系统的Simulink仿真模型中，仿真结果证实了此算法的有效性。 关键词：PSD算法；航向控制；单神经元PID控制；Simulink仿真模型 中图分类号：U661.3 文献标识码：A 1 引言 在船舶操纵控制中，传统PID控制规律的自动操舵仪是性能比较完善的自动舵，也是一种精确的航向保持自动控制系统。但是PID自动舵不能随着船舶动态特性和海况的变化自动调节参数，而是依靠人工，凭借经验和判断进行参数的整定，实现间断有限的调节，所以PID参数一般不能处于最佳工作状态；而且 PID自动舵由于对高频海浪干扰采取高频转舵实际上是无效舵，这将导致船舶阻力增加，引起推进能耗增加，机械磨损增大。针对上述问题，为了为满足实际要求，必须寻求更好的控制方法。近年来，神经网络由于具有自学习、自组织、联想记忆和并行计算等功能，因而受到了控制界的关注，在系统辨识与控制中得到了应用。例如应用具有自学习和自适应能力的单神经元构成的单神经元PID控制，不但结构简单，且能适应环境变化，进行参数实时在线调整，具有较强的鲁棒性。本文正是基于此对船舶航向自适应PID控制系统进行了一定的研究，仿真结果显示了论文提出的方法的合理性和有效性。 2 单神经元自适应PID控制 增量式PID控制规律可用差分方程表示为： （1） 式中：为比例增益，为积分数，为微分系数； 。 用单神经元实现自适应PID控制的结构框图如图1所示。 图1 单神经元自适应PID控制器结构框图 （2）图中转换器的输入反应被控过程及控制设定的状态。设为设定值，为输出值，经过转换器后转换成为神经元的输入量，，分别为： （2） （3）为性能指标或递进信号。为对应于输入的加权系数，为神经元的比例系数，0。单神经元自适应PID的控制算法为： （3） （4）神经元自适应控制器通过加权系数的调整来实现自适应、自组织功能，当加权系数的调整采用有监督的Hebb学习规则时，将得到下式（4）所示的用单神经元组成的简单自适应PID控制系统的学习方法： （4） 式中：，，—积分、比例、微分的学习速率。 3 单神经元自适应PSD控制 神经元自适应PID控制虽具有在线学习和自适应调整PID参数功能，但增益不具有在线学习自动调整的功能。这是其不足之处，需待进一步改进。为此将自适应PSD控制算法引入单神经元自适应PID控制器中，以组成具有自动调整增益的单神经元自适应PSD控制器。 由Marsik和Strejc提出的无需辨识的自适应控制算法，其机理是：根据过程误差的集合特性建立性能指标，从而形成PSD(即比例、求和、微分)控制规律。该方法无需辨识过程参数，只要在线检查过程的期望输出和实际输出，即可形成自适应规律。 （5）Marsik和Strejc给出的递推增益公式为： （5） (6) 其中，，，为符号函数。（7）由式（5）和（7）可看出是单调增加的，且当时取，即当控制误差改变符号时，增益下降到上一时刻值的75%。 （7） 将自适应PSD控制算法与单神经元自适应PID控制器结合起来构成单神经元自适应PSD控制器，其结构框图如图2所示，图中符号意义同图1。 图2 单神经元自适应PSD控制 （8）单神经元PSD控制算法如下： （8） （11）（10）（9 （11） （10） （9） 式中，。否则： （12） 上述几式中：，。 4仿真研究 在仿真实验中，采用的仿真对象参数为：船长L为126m，船宽B为20.8 m，满载吃水d为8.0 m，方形系数为0.681。船舶运动模型的量纲一参数T，K通过计算求得分别为T =13.88和K =7.9269 。设船舶操纵时的初始速度=7.2m/s，则船舶运动模型的标称参数分别为=242.9和=0.453。 船舶运动的数学模型为： 舵机伺服系统的数学模型为： 基于自适应PSD算法的神经元PID控制器的Simulink仿真模型可以用图3表示，图中，神经元自适应PSD算法以被封装后的”neuro”模块来实现，它是用MATLAB语言编写的S函数。其输入即期望航向为阶跃信号，参考输入为30度。在无干扰和相同随机干扰下，分别用简单自适应PID控制算法和自动调整增益K值的单