船舶自动舵的发展

船舶自动舵的发展

0942813220 刘磊

摘要：综述了航海自动舵的技术史和今后发展趋向以及就船舶操纵自动舵的工作原理和方法方面进行了综述。

关键词: 自动舵技术发展过程 自动舵发展趋向 自动舵的原理 自动舵的工作方法

船舶借助螺旋桨的推力和舵力来改变或保持航速和航向，实现从某港出发按 计划的航线到达预定的目的港。由此可见，操舵系统是一个重要控制系统，其性 能直接影响着船舶航行的操纵性、经济性和安全性。自动操舵仪是总结了人的操舵规律而设计的装置，是用来控制船舶航向的设备，能使船舶在预定的航向上运行，它能克服使船舶偏离预定航向的各种干扰影响，使船舶自动地稳定在预定的航向上运行,是操纵船舶的关键设备。系统的调节对象是船，被调节量是航向。 自动舵是一个闭环系统，它包括：航向给定环节； 航向检测环节； 给定航向与实际航向比较环节；航向偏差与舵角反馈比较环节；控制器；执行机 构；舵；调节对象—船；舵角反馈机构等。自1922年自动舵问世到今天, 代替人力操舵的自动舵的发展确实取得了长足的进展, 在相当程度上减少了人力, 节约了燃料, 降低了机械磨损, 但是距离真正意义上的操舵自动化还有相。当大的距离。 本文在展望人工智能控制舵之前先对目前的自动舵进行简要的回顾，再对船舶操纵自动舵的构成和工作原理方面进行了综述。

一．自动舵的技术发展历史

1.传统的自动舵

1922年Minorsky和Sperry分别从数学角度和陀螺罗经在船舶上的运用角度各自发表了论文, 这两篇论文可以看作是对船舶自动舵作出了最早的贡献。1923年,Minorsky设计的自动舵就装在新墨西哥的战舰上投人了试验。

早期自动舵以机械结构为基础,仅能对航向进行初步控制, 今天我们将这种控制方法称为“比例（P）控制”。这是由于自动舵舵角的偏转大小是和船舶偏航角成比例的。下面的公式可表示比例控制的规律：

1

在实际工作中, 用陀螺罗经测出即时航向信号并与设定的航向进行比较, 然后将二者的差值输人到控制器中去, 由控制器输出并驱动舵轮伺服机构。但“比例控制” 法用于惯性很大的船舶效果不理想, 原因是这种控制方法会使船舶在设定的航向两边来回摆动, 结果使转舵装置过度磨损, 而且燃料消耗要高出许多, 这些问题限制了它的使用。

直到1949年Schiff等人提出了速率控制的概念, 即速率控制与偏航角的微分成正比, 目前将其称为“ 比例和微分（PD）控制”其公式如下：

引入微分控制概念以后提高了自动操舵时航向的准确性, 偏舵角不仅与偏航角有关, 还与偏航速率有关。

1972年Bech等人提出了一个三项控制理论, 即在PD控制系统中加上一个低频滤波器,以便使航向稳定性保持在适当范围内的情况下 减少舵机高频运动。这一控制可以表达为：

这种形式的控制器被称作比例-微分-积分控制系统, 或简称为PID控制器。增加的积分环节依靠偏航角的积累值, 自动地使舵叶从首尾线偏转一个角度, 产生一个恒定的转船力矩, 用以抵消外界风流等持续力矩的作用。（这一理论其实在1949年Schiff的论文中就提出过, 但被搁置了多年。）1980年以前, 几乎所有海船上的自动舵都采用PID控制。 2.自适应自动舵

2

20 世纪50 年代,随着电子学和伺服机构理论的发展及应用,集控制技术和电子器件的发展成果于一体的更加复杂的第二代自动舵问世了,这就是著名的PID 舵。而传统的PID自动舵至少在三个方面存在严重缺陷：一是需要手动调节Kp，K1，Kd参数,补偿船舶状态的改变和风流环境的改变, 这种调节无法实现其精确整，更难做到适时调节；二是PID自动舵由于对高频海浪干扰采取的高频转舵实际上是无效舵, 无效舵反而导致船舶阻力增加, 引起推进能耗增加,机械磨损增大。常规PID自动舵用加大死区的办法抑制海浪干扰虽有一定效果, 但增大死区也会导致低频特性恶化, 引起持续周期性偏航；三是在大风浪中常常由于产生大角度的转舵, 导致更严重的偏航, 这在大风浪中是相当危险的。因此, 几乎所有海上航行法规都要求在大风浪和特殊环境下禁止使用自动舵, 而必须改用手动舵。

在70年代后期和80年代早期, 自适应自动舵的研究和发展异常迅速。从80年代起, 微处理技术和复杂的自适应控制理论应用于自动舵大大提高了控制的准确性, 增加了航行速度,减少了操纵工作量, 最主要的是减少风、浪、流、吃水等因素对手工设定参数的补偿, 提高了各种气候条件下使用自动舵的可能。

最早的自适应自动舵控制法是1975年Oldenburg等人提出的对一般的PID自动舵用直接推断法进行修正。这一功能包括对波浪信号、船速、负载变化等选择最佳控制参数。其中波浪是通过一个海浪分析器进行测量的，其不规则性可输入计算程序并利用卡尔曼滤波器提取信息。

1977年,Kallslrom和Astrom在关于船舶控制的文章中研究了另外一种方法, 被称为自校正自适应控制。1981年Brink和Tiano提出使用Ricatti方程的一个计算稳定状态的解答方法,可以基本上设计出自校正自适应自动舵由于船在风浪中变速变载航行, 船舶的动力状态及其数学模型参数是不断变化的,因此必须通过在线识别技术来实时辨识变化着的数学模型参数, 以保证在风浪变化、负载变化时, 控制器能本身修正自己的参数, 使控制系统做到动舵次数少、偏航幅值最小。问题是模拟真实的波浪系统, 在数学方面确有困难。在解Ricatti方程的繁重计算工

3

作中也会提出很多附加问题。

1982年由Van Amerongen提出了模型参考自适应控制理论, 根据线性叠加原理, 一艘船舶对不规则的海面状态的响应可以从不规则海面的规则波浪的分量响应的总和推导出来。对模型参考法的主要批评意见是真实船舶相当于一个高度非线性系统, 在风大浪高,负载急变时其适应程度很差。

1990年Fairbairn和Grimble将H∝设计法用到了自动舵上。H∝的优点是对在设备模型中的那种尚有某些参数具有不可测性的设备可进行一定程度的控制,然而要成功地应用H∝控制需要具有线性船舶模型方面有关转移函数的全面知识, 还必须有足够的液压动力学方面的数据。

总之, 自适应自动舵在一定范围内取得了十分有效的自动控制效果。然而,自适应方法要么以价值函数中的参数估算为基础, 要么是以船舶动力学环境干扰的模型试验为基础。没有人能为一艘船舶所经历过的那种千变万化的运行条件提供最佳的全面自动调节方法。

3.人工智能自动舵

自从80年代后期90年代初期开始，研究人员对“人工智能操舵系统”的研究倾注了极大的热情。目前开发智能控制的方法可以划分为以下三种： （1）专家级智能系统； （2）模拟逻辑控制器； （3）神经网络控制器。

专家系统的目标是借助计算机开发一种新的模型来解决问题。它与用参数识别的物理模型很不相同, 虽然有许多成功应用专家系统的实例, 但使用专家系统的自动舵实例非常少。使用专家系统自动舵最基本的要求是要能模拟舵工的作用。一个有用的专家系统也需要考虑船舶的特征和环境的干扰,形成算法。

近几年, 模糊设定理论在船舶上的应用得到了发展, Sutton和Jess于1991年介绍了一种自适应模糊自动舵理论。这个方法是观察操作环境以及观察在环境中模糊控制器所受的影响来达到查明性能指数的目的, 将能被接受的性能指数储存到一个矩阵格式中形成控制规则。

4

Layne于1993年又提出了模型参考自学习控制器（FMRLC），它是在环境受干扰(例如风)的情况下模拟船舶的驾驶, 此种学习机制的作用一是从模糊控制系统观察数据；二是学习当前性能特征；三是对模糊控制器进行自动合成和调节。FMRLC的设计没有依靠数学模型, 但在计算方法上是比较繁琐的。

自90年代起, 研究人员对人工神经网络的兴趣日益增长, 人工神经网络在船舶自动舵上的研究已有报道, 使用神经网络不仅用于航向保持, 而且借助其它航海定位仪器可以对航迹进行控制, 甚至在自动靠码头操作中也可利用神经网络控制器。

使用人工神经网络的一种最简单方法是利用神经网络的学习功能去模仿在不同工作条件下的PID自动舵。学习过程结束后, 神经网络控制器便可取代PID进行独立操作。很显然,如果遇到新的环境或条件, 神经网络自动舵需要再进入学习过程, 否则控制效果不稳定。1993年Simensen对上述方法进行了扩展。Witt和Miller在1993年也提出了类似的方法, 即用一个PID自动舵去训练一个神经网络自动舵, 这种方法虽然利用了神经网络的自学习功能, 但在整个过程中必须引人一个学习或训练阶段, 也就是说, 在实际控制之前必须有一个离线训练过程。

Zhang等人在1995年提出了一个在线学习和控制方法, 即利用一个神经网络对船舶边控制边学习, 这种方法称为在线直接控制。不久以后, Zhang等人将这种方法推广到了单输入多输出问题, 即航迹保持,以及多输人多输出问题,即自动靠码头控制。这种在线直接训练和控制方法有如下特点： （1）只要略知被控系统的一些定性特点, 而不需要任何辩识过程。 （2）训练数据不需太大, 只要能满足了解系统的短期动态特性即可。 （3）神经网络不是一经训练便一劳永逸, 而是连续进行自我训练, 因而适用于在变化条件下的非线性系统的控制。

上述神经网络自动舵与PID自动舵的比较,已经在不同的条件下进行了实验,

5

Amerogen的模型参考自适应法的应用前提为过程是线性、阶次和结构已知,且无随机扰动。

Dennis 通过假定船舶是线性、常系数、无限工作系统,提出了船舶线性叠加原理,此原理把船舶对不规则海况的响应用对构成这种海况的规则分量响应的线性累加来表示。由于船舶实际上是一个含有噪声的非线性系统,因此,在平静的天气和“完美”的条件下,此法设计的系统工作很好,但在较差海况及载重变化的条件下,这种系统的控制效果变差。

Lim 等使用Clarke 等提出的基于条件代价函数的自校正方法,此法的控制器输出被明确地加到性能标准公式中。自校正自动舵能用每个取样时刻的Ricatti 方程稳态解的计算值来设计,航向保持和航向改变采用不同的性能标准。对一个未知参数的系统来说,由于波浪会使船舶动态特性发生变化,因而需用在线辨识技术识别动态参数。此法主要问题是波浪系统建模引起的偏差,以及Ricatti 方程的求解计算时间较长。

Katebi 等的线性二次高斯法使用公式表示动态代价函数,并在用多项式表示的随机结构中优化代价函数,此法与风和浪的测量和计算有关,波浪的模型被用作控制函数,以便使输出信号的变化为最小。风力由平均风速和扰动组成,平均风速只用作建模,系统的误差将随风、浪的测量和建模出现。

Messer 等的H∞控制法采用横摇与舵角之间关系式作为船舶运动模型,前向速度的影响包含在非维的频率项中,航迹偏差表示成航向和实际船位的函数,假定的横摇/ 偏航动态特性用来确定航迹偏差与需要的航向之间要求的关系。

Papoulias 等提出的船舶操纵变结构(滑模) 控制采用伪线性变换将船舶操纵非线性系统近似地化为线性可控正则型,以简化控制设计并保证较大工作范围内的控制性能与精度。对线性化系统设计了一种连续的变结构控制,以适应较大范围的干扰变化,完全抑制抖振,并得到理想的精度。

总之,自适应控制技术不仅与代价函数的估计值有关,而且也与精确地建立扰动模型有关,在船舶所遇到的宽广的工作台条件下,自适应自动舵并不能提供完全自动的最优操作。 2. 3 智能控制

对有限维、线性和时不变的控制过程,传统控制法是非常有效的,如果这样的

11

系统是充分已知的,那么,它们能用线性分析法表示、建模和处理。但实际船舶系统常具有不确定性、非线性、非稳定性和复杂性,很难建立精确的模型方程,甚至不能直接进行分析和表示,而人工操作者通过他们对所遇情况的处理经验和智能理解与解释,就能有效地控制船舶航行。因此,人们很自然地开始寻找类似于人工操作的智能控制方法。目前已提出3 种智能控制方法,即专家系统、模糊控制和神经网络控制。 2 3. 1 专家系统

专家系统是一个具有大量专门知识经验的程序系统,它应用人工智能技术,根据一个或多个人类专家提供的特殊领域知识、经验进行推理和判断,模拟人类专家做决策的过程来解决那些需要专家决定的复杂问题,一般专家系统由知识库、数据库、推理机、解释部分及知识获取5个部分组成,其关键技术是知识经验的获取。

Brown 等采用了模仿人工操作的专家系统方法,而并没有直接使用船舶的数学模型,通过研究人工操作与普通自动舵控制之间的差异,建立了规则库以便修正自动舵的特性,也就是自动舵与基于规则的专家系统之间进行交互作用。例如,舵手把两次连续的转弯当作一次长的转弯来处理,这种措施及其它类似措施都可在修正后的自动舵上实现。此文还论述了这种模拟人工操作的自动舵构造方法,当然,这里的舵手是选择对不同船舶、工作条件、环境及可能发生的情况很有处理经验的人。这种的自动舵专家系统与船舶操纵模型无关。 2.3. 2 模糊控制

模糊控制是基于专家经验和知识总结出若干条模糊规则,构成描述具有不确定性复杂对象的模糊关系,通过被控系统输出误差及误差变化率和模糊关系的推理合成获得控制量,从而对系统进行控制。模糊控制不需建立被控对象的精确数学模型,它的算法简单,便于实时控制。

Amerongen 等提出的船舶航向模糊控制系统由模糊化、模糊控制规则(推理决策) 、反模糊化(模糊判断) 3 部分组成,此系统取得了较好的控制效果,但由于受船舶控制过程的非线性、高阶次、时变性以及随机干扰等因素影响,造成原有的模糊控制规则粗糙或不够完善,影响了控制效果,为克服这些缺点,模糊控制器向着自适应、自组织、自学习方向发展,使得模糊控制参数或/ 和规则在控制过程中

12

自动地调整、修改和完善,从而使系统的控制性能不断改善,达到最佳的控制效果。

Sutton 等提出了船舶航向的自组织模糊控制器,它是在简单模糊控制器的基础上,增加性能测量、控制量校正和控制规则修正3 个功能块而构成的一种模糊控制器。Jeffery 等提出了一种船舶航向的模型参考模糊自适应控制系统,此法中利用参考模型表示船舶在转向时的性能要求,然而其控制器及自适应功能是利用模糊控制技术实现的,其控制器为基本模糊控制器借助于对象的模糊逆模型得到用于自适应修正的校正量。 2.3. 3 神经网络控制

神经网络是由大量形式相同的神经元连结在一起组成的,而神经元是一个多输入单输出的信息处理单元,它对信息的处理是非线性的。尽管单个神经元的结构和功能并不复杂,但整个神经网络的动态行为则是十分复杂的,它是一个高度非线性动力系统,它具有非线性映射(逼近) 能力以及自学习、自组织、自适应、分布存贮、联想记忆、并行计算等能力,可用神经网络表达实际物理世界的各种现象。由于BP 学习算法的前向网络因其结构简单、算法稳定、技术成熟,因而这种网络得到广泛应用。

实现神经网络的功能有两种,即软件法和硬件法。软件法就是在目前使用的串行计算机上,用程序来模拟神经网络功能,此法灵活性大,但现行的二进制计算机速度不能实时地模仿人脑的神经功能;硬件法就是采用物理元件去实现神经网络,此法实时性好,极有发展前途,但目前技术还不成熟,实现成本也比较高。目前的神经网络控制器还处于软件仿真模拟阶段。

Witt 等提出了一种神经网络控制船舶航迹保持的方法,它用GPS 精确决定船舶位置,它能产生在- 45°～ + 45°范围内随机变化航向的一系列给定航线,它采用PD 控制器作为船舶的数学模型,在给定航线的每一部分,通过使PD 舵控制信号与神经舵控制信号之间差值最小,来离线训练神经控制器,一旦差值最小,神经控制器就被认为已学习到了PD 控制器的工作特性,此后,神经控制器就可取代PD 控制器。Witt 等使用100 种给定航线集合训练神经网络,并假定通过这里100 种不同航线学习得到的知识可处理任何新选择的航线,仿真结果表明对未学习过的任意航线, PD 控制器和神经控制器的控制效果基本相同。

Burn 采用更复杂的最优控制器进行离线学习,这篇文章主要工作是训练神

13

经网络,使它与最优船舶控制系统具有相同的性能,训练后的神经控制器能识别出不同的前向速度或操纵情况怎样改变船舶的动态特性。原则上,六自由度船舶运动模型和舵机模型的组合可得到状态矩阵,当辨识出最优控制系统的特性后(对不同的前向速度) ,影响舵机的状态变量被输入到最优控制系统和3 层前向神经网络,两系统计算各自的舵令,两舵令差值用于训练神经网络,训练采用BP 算法。对每种选定的前向速度的每种方案,使用20 万个采样数据来训练神经网络。神经网络的隐层和每层神经元最佳数以及反向传播学习法的学习速率和动量因子的最佳值都采用试探法确定,最后仿真比较了最优控制器和神经控制器所产生的航迹偏差大小。

在上述的两种方法中,一旦被选用的传统控制器和神经控制器的控制作用误差足够小,那么,神经控制器就可认为已训练好了,从而可用神经控制器取代传统控制器。

结 论

本文介绍了船舶操纵自动舵的技术发展过程及和自动舵发展趋向，另还阐述了自动舵的原理和工作方法，也比较了这些方法的优缺点。

参考文献:

[1 ] Witt N A J . Recent technological advances in the control and guidance of ships[J ] . J Navigation ,1994 ,47 (2) :236 - 258.

[ 2 ] Amerongen J V. Recent developments in automatic steering of ships[J ] . J Navigation ,1986 ,39 (3) :349 - 362.

[ 3 ] 黄继起. 自适应控制理论及其在船舶系统中的应用[M] . 北 京:国防工业出版社,1992. 32 - 39.

[ 4 ] Sugimoto A. A new autopilot system with condition adaptivity. Proceedings 5th Ship Control Systems Symposium[ C] . Annapo2 lis ,Maryland ,USA. 1978. 105 - 111.

[5 ] Merlo P. Experiments about computer controller ship steering [C] . Semana International Sobre la Automatica en la Marina , Barcelona ,Spain ,1975. 134 - 140.

[6 ] Motora S. On the automatic steering and yawing of ships in rough seas [ J ] . Journal Society of Naval Architects ( Japan ) , 1953 ,12 (2) :94 - 113.

[ 7 ] Akaika H. Fitting autoregressive models for prediction[J ] . Ann

Inst Statist Math ( Tokyo) , 1969 , 21 (3) :243 - 253.

14

本文来源：https://www.bwwdw.com/article/d3vx.html