船舶舵机控制系统改进设计【文献综述】

文献综述电气工程及其自动化船舶舵机建模与航迹控制系统设计1．引言船舶自动操舵仪，俗称“自动舵”，是根据指令信号自动完成操纵舵机的装置，是一个重要的船舶控制设备。

它能代替舵手操舵，保证船舶在指令航向或给定航迹上航行。

自动舵在相同的航行条件下，不仅可以减轻驾驶员的工作，而且在远航时，可以减少偏航次数，减小偏航值。

因而可以提高实际航速，缩短航程的航行时间，节省燃料，提高航行的经济效益。

一般说来，自动舵按控制功能可分为两类：一类是航向自动舵，保证船舶自动跟踪指令航向，实现自动保持或改变航向的目的；另一类是航迹自动舵，控制船舶沿计划航线航行。

由于航迹自动舵具有控制船舶精确的航行轨迹的功能，它将是自动舵未来的发展方向。

航迹控制一直是船舶运动控制的重点研究对象。

由于国内起步较晚，与国外先进水平相比仍[]2有较大的差距。

主要表现在：(l)航向舵仍占据主导地位，航迹舵产品尚未成熟的，更不用说自动航行系统和综合船桥系统。

(2)在控制理论上，虽然国内有些专家提出了一些控制方法，也解决了一些问题，但由于船舶操纵运动数学模型存在非线性问题、操舵执行机构存在滞后问题以及船舶航行环境和所受干扰的不确定等问题，使得一些建立的数学模型的控制方法无法得到正常实现。

据国内外有关研究证明，船舶智能控制能解决上述问题。

因此，将智能控制理论用于自动舵，改进我国的自动舵性能是一项迫切的任务。

2．国内船舶自动舵的研究概况[]2自动舵发展的大致经历：第一代是以继电器机械结构为代表；第二代是以电子管磁放大器为核心控制部件为代表；第三代是以半导体、线性运行放大器为核心控制部件为。

1921年德国安修斯公司发明了自动舵，即利用罗经的电讯号，通过继电器、机械结构来实现控制电动舵机。

1930年苏联也相继研究出以电罗经为航向接收讯号的自动舵。

我国对自动舵系统的研究相对国外起步比较晚，从二十世纪50年代开始以仿造苏联自动舵，其自动舵是磁放大器为控制核心。

到了60年代末才自行研制成功以半导体分立元件为核心的自动舵典型产品。

船舶舵轮系统的自动化控制策略研究导言：舵轮是船舶中非常重要的组件之一，它用于控制船舶的航向。

随着科技的发展和航运业的进步，舵轮系统的自动化控制策略变得越来越重要。

本文将探讨船舶舵轮系统的自动化控制策略研究，包括传统的PID控制和现代的模型预测控制等。

传统控制策略：PID控制PID（比例积分微分）控制是一种经典的控制策略，广泛应用于船舶舵轮系统的自动化控制中。

PID控制通过测量船舶的偏离角度，并与目标角度进行比较，实现对船舶舵轮的控制。

具体而言，PID控制根据偏离角度的大小来调整舵轮的活动范围，使船舶保持在预期的航向上。

尽管PID控制简单易行，但它对于系统动态性能的改善还存在一定的局限性。

现代控制策略：模型预测控制模型预测控制（MPC）是一种基于数学模型的控制策略，用于预测系统的未来行为并优化控制信号。

在船舶舵轮系统中，MPC通过建立船舶的数学模型，并使用该模型预测船舶在不同控制量下的响应。

然后，MPC计算出最优的控制信号，使船舶能够实现更快的响应和更好的航向控制。

与PID控制相比，MPC可以更好地解决系统的非线性和时变性，提高控制性能。

船舶舵轮系统的自动化控制策略研究的挑战：在研究船舶舵轮系统的自动化控制策略时，我们面临着诸多挑战。

首先，在设计自动化控制策略之前，我们需要充分了解船舶和舵轮系统的特性。

这包括船舶的动态响应、舵轮系统的非线性特性以及水流和风力对船舶舵轮的影响等。

其次，船舶舵轮系统的自动化控制需要考虑到不同的工况和环境条件，例如航速、船型和水深等。

只有充分考虑到这些条件，才能设计出更加稳定和可靠的自动化控制策略。

结论：船舶舵轮系统的自动化控制策略研究对于现代航运业的发展非常重要。

传统的PID控制策略可以很好地应用于船舶舵轮系统的自动化控制，而现代的模型预测控制策略则可以进一步提高控制性能。

然而，研究船舶舵轮系统的自动化控制策略仍然面临着挑战，包括对船舶和舵轮系统特性的充分了解以及考虑不同工况和环境条件等。

船舶自动控制及舵机系统的设计优化一、引言航运作为世界贸易的主要方式之一，已成为全球经济发展不可分割的一环。

随着科技的不断进步和应用，船舶的自动控制和舵机系统的优化设计显得越来越重要。

本文将从船舶自动控制和舵机系统的设计优化两方面进行探讨。

二、船舶自动控制1. 船舶自动控制概述船舶自动控制是指通过计算机和电子技术实现对船舶自身的动力系统、舵机系统、导航系统等进行自动化管理和控制。

这种自动化控制系统能够使船舶在海上航行更加安全、稳定、高效。

2. 船舶自动控制的优点（1）提高航行安全性：船舶自动化控制系统能够监测船舶动力、水流等方面的数据，并及时作出调整，从而确保船舶在海上航行中不会出现危险情况。

（2）节省船舶人力资源：自动化控制系统不需要很多人手来操作，解放了一部分人力资源。

同时，自动化控制还能提高船员的工作效率和安全性。

（3）提高航行效率：船舶自动化控制系统能够根据航路和天气等信息，制定最优航行方案，这能够增加船舶行驶的速度并提高船舶的作业效率。

3. 船舶自动控制技术（1）船舶动力系统自动控制技术：船舶动力系统自动控制技术主要包括发动机控制、舵机控制和电缆控制等方面，通过计算机程序实现自动化控制。

（2）舵机系统自动控制技术：舵机系统自动控制技术主要是指利用计算机程序和传感器对舵机的运动轨迹进行控制。

（3）导航自动控制技术：通过利用卫星导航和高精度地图等技术，实现船舶在海上自主导航控制。

三、舵机系统的设计优化1. 舵机系统的基本原理舵机系统是船舶的主要控制装置，其作用是通过转动船舶舵轮实现对船舶方向的控制。

舵机系统由舵机、传动机构和控制装置组成。

在设计舵机系统时，应考虑到的因素包括舵机的扭矩、传动机构的总重量和总长度、控制信号的传输方式等。

2. 舵机系统的设计优化（1）舵机选型的优化：选用与所需扭矩最接近的舵机，可以实现最高效率的控制，并能大大降低成本。

（2）传动机构的优化：传动机构应尽可能精简，能够实现最佳的机械传动效率和稳定性。

船舶舵机控制系统的优化设计船舶在海洋中航行，舵机控制系统就如同船舶的“方向盘”，其性能的优劣直接关系到船舶的航行安全和操控性能。

随着船舶技术的不断发展，对舵机控制系统的要求也越来越高。

为了提高船舶的操纵性、稳定性和可靠性，优化舵机控制系统的设计变得至关重要。

一、船舶舵机控制系统的基本原理与组成船舶舵机控制系统主要由舵机、传感器、控制器和执行机构等部分组成。

舵机是将电能转化为机械能，驱动舵叶转动的装置；传感器用于检测船舶的航向、航速、舵角等参数，并将这些信息反馈给控制器；控制器则根据传感器的反馈信号，按照预定的控制算法计算出控制指令，驱动执行机构调整舵叶的角度，从而实现对船舶航向的控制。

在传统的船舶舵机控制系统中，通常采用PID（比例积分微分）控制算法。

PID控制算法简单易懂、易于实现，但在面对复杂的海洋环境和船舶动态特性时，其控制性能往往难以满足要求。

例如，在船舶受到风浪等干扰时，PID控制可能会出现超调量大、响应速度慢等问题，影响船舶的操纵稳定性。

二、现有船舶舵机控制系统存在的问题1、控制精度不足由于船舶在航行过程中受到多种因素的影响，如水流、风浪、负载变化等，现有的舵机控制系统在控制精度方面存在一定的不足，导致船舶的航向偏差较大，影响航行安全和效率。

2、响应速度慢在紧急情况下，如避让障碍物或应对突发海况，现有的舵机控制系统可能无法迅速响应，导致船舶的操纵灵活性下降，增加了潜在的危险。

3、抗干扰能力弱海洋环境复杂多变，风浪、水流等干扰因素对船舶的影响较大。

现有的舵机控制系统在抗干扰能力方面表现不佳，容易受到外界干扰的影响，使船舶的航向发生较大的波动。

4、可靠性有待提高船舶在海上航行时间长，工作环境恶劣，舵机控制系统的零部件容易出现故障。

现有的系统在可靠性设计方面存在不足，一旦出现故障，可能会导致船舶失去控制，造成严重的后果。

三、船舶舵机控制系统的优化设计思路为了解决现有船舶舵机控制系统存在的问题，提高系统的性能，需要从以下几个方面进行优化设计：1、先进控制算法的应用采用现代控制理论中的先进控制算法，如模糊控制、神经网络控制、自适应控制等，取代传统的PID控制算法。

船舶自动化控制系统设计与优化一、引言船舶自动化控制系统是现代化船舶的核心控制装置。

随着信息技术的不断发展和应用，船舶自动化控制系统越来越复杂、高效、智能化。

本文将重点讨论船舶自动化控制系统的设计和优化。

二、船舶自动化控制系统概述1. 船舶自动化控制系统的组成船舶自动化控制系统由船舶动力系统、船舶导航与位置系统、船舶管理与监控系统、船舶通信系统和船舶自动化控制信息处理与分析系统组成。

2. 船舶自动化控制系统的工作原理船舶自动化控制系统根据船舶所处的各种不同工况和航行状态，自动地对船舶进行动力、导航等方面的控制，保证船舶的安全和正常运行。

三、船舶自动化控制系统的设计1. 设计前的准备工作在进行船舶自动化控制系统的设计之前，需要对所要控制的船舶的工作环境、不同工况和航行状态进行充分的了解。

2. 设计思路根据前期所做的准备工作，对船舶自动化控制系统进行模块化设计，选择合适的传感器和执行机构，确定数据采集和处理方式，建立系统控制逻辑和数据传输方式，并进行可靠性、安全性和智能化的设计，同时需要对系统进行测试和验证。

四、船舶自动化控制系统的优化1. 优化目标船舶自动化控制系统的优化目标主要是提高系统的稳定性和可靠性，降低使用成本，提高船舶的运行效率和安全性。

2. 优化方法船舶自动化控制系统的优化方法主要包括以下几个方面：(1) 传感器和执行机构的优化：选择适当的传感器和执行机构类型，使其具有更好的性能和可靠性；(2) 系统控制逻辑的优化：优化调整控制逻辑，提高系统对不同工况和航行状态的适应性；(3) 数据采集和处理方式的优化：优化数据采集和处理方式，提高系统数据的精度和稳定性；(4) 数据传输方式的优化：优化数据传输方式，减少数据传输的延迟和丢失，提高数据传输的稳定性和可靠性。

五、结论船舶自动化控制系统是船舶的核心控制装置，对保证船舶的安全和正常运行至关重要。

设计合理的船舶自动化控制系统，在实际使用中可以通过不断优化，提高系统的稳定性和可靠性，提高船舶的运行效率和安全性，降低使用成本，使船舶更加智能化。

船舶自主导航控制系统设计与优化随着科技的不断发展，人们对于航海安全和航行效率的要求越来越高，使得船舶自主导航控制系统的研究与优化备受关注。

本文将从设计和优化两个方面进行探讨。

设计船舶自主导航控制系统的设计需要考虑多个方面的因素，包括传感器技术、通信技术、控制策略以及人机交互等。

其中传感器技术是至关重要的一环。

船舶自主导航控制系统需要实时获取海洋环境、船舶状态以及周围障碍物等信息，并对这些信息进行处理和分析，从而制定相应的控制策略。

常见的传感器技术包括全球定位系统(GPS)、雷达、惯性导航系统(INS)、视觉传感器等。

通信技术也是设计中需要考虑的一个因素。

船舶自主导航控制系统需要实时传输数据，以便对船舶状态进行监控和控制。

目前，常用的船舶通信技术包括卫星通信、激光通信以及无线电通信等。

在控制策略方面，船舶自主导航控制系统需要应对不同的航行场景和复杂的海洋环境。

目前，常用的控制策略包括基于规则的方法和基于学习的方法。

基于规则的方法通常是根据经验和先验知识来制定控制策略，而基于学习的方法则是通过机器学习来获取控制策略。

两者各有优缺点，在应用中需要权衡选择。

人机交互环节也是设计中需要考虑的一个方面。

船舶自主导航控制系统需要提供清晰明了的信息和指示，以便船员了解船舶状态和控制策略。

同时，系统需要具备友好、易操作的界面，以提高船员操作的效率和安全性。

优化优化是指对船舶自主导航控制系统进行改进和提升，以达到更高的性能指标。

常用的优化方法包括模型预测控制、增量式学习以及深度强化学习等。

模型预测控制是一种基于预测模型驱动的控制方法。

模型预测控制通过对未来状态的预测，制定出相应的控制动作，从而实现系统对状态的优化控制。

该方法的优点在于可以预测未来状态，从而制定更优的控制策略。

增量式学习是一种用于动态系统控制的在线学习算法。

与传统的静态系统不同，动态系统具有时变性、不确定性等复杂性质，增量式学习可以在不断接收新数据的情况下，实时更新模型，从而实现动态控制。

船舶舵机控制系统故障分析及其改造本文通过实例分析，进而对舵机自激振荡的分析、自动操舵系统的主要故障修理，以及原舵机系统故障源分析与改造对策这三个方面对船舶舵机控制系统故障分析及其改造进行阐述。

标签：船舶舵机；控制系统；故障分析；改造前言：随着我国航海运输行业的不断发展，人们对于船舶舵机的控制系统提出了更高的要求，为了保障系统的稳定，我们需要对系统中出现故障进行分析，以便找出相对应的解决方法。

1、实例分析“胜利221”轮配有左、右舵两套舵机装置、两台舵机油泵和两个控制箱，2台舵机油泵可同时工作，也可单独工作。

无论哪台油泵工作，均可同时对左、右舵机进行转舵控制。

操舵系統操舵控制方式较多，设有舵机房应急操舵方式、驾驶台操舵方式。

驾驶台操舵可以在前台操作，也可以在后台操作。

前台和后台均可进行随动、手动操舵，随动和手动又均可进行单动和联动控制。

舵机控制系统目前采用继电器及分立和集成电子元件控制，在控制箱中有4块电子电路板，是操舵控制的核心部件，随动操舵时由自整角机检测的舵角偏差信号送至电子电路板进行处理，并输出转舵控制信号，由控制箱中继电器控制转舵电磁阀通断电。

2、舵机自激振荡的分析众所周知，工程中往往要求根据实际需要在放大电路中引入适当的负反馈，以改善放大电路的性能。

不同的负反馈类型对放大电路性能的改善侧重不同，应根据实际要求的功能选择合适的组态。

为了获得运算放大器的精度-必须提高其开环放大倍数，但对于多级放}大电路（超过三级），在引入负反馈之后容易产生高频自激振荡。

放大电路中耦合电容、旁路电容等越多，引人负反馈后就越易产生低频自激振荡。

若电路组成不合理，反馈程度过深，反而会使放大电路产生自激振荡而不能稳定工作。

自激振荡是由放大器A和正反馈F网络组成的闭合环路，其幅度条件|AF|=1，相位条件∠AF=2nп，这是形成自激振荡必须满足的振荡条件，这两个条件缺一不可。

附加相移ФAF，能使负反馈转变为正反馈，极易产生自激振荡，破坏放大器的正常工作。

船舶控制系统的研究与优化设计一、引言船舶控制系统作为船舶重要的组成部分，对于船舶的安全性、可靠性以及经济效益都起着至关重要的作用。

近年来，随着科技的不断发展和航行技术的不断提高，船舶控制系统的研究和优化设计需求日益增长。

本文将对船舶控制系统的研究现状和优化设计方法进行探讨。

二、船舶控制系统概述1.船舶控制系统的作用船舶控制系统是指用来控制船舶运行的各种设备和仪器的集合。

它的作用在于维持舵机、发动机、锚泊系统等所有设备在合适的工作状态下，从而保证航行的安全性和经济性。

具体包括如下功能：（1）保证船舶的定位；（2）确保船体方向和描迹的稳定；（3）对船舶航行速度、转向半径等参数进行控制；（4）保证船舶的平稳运行；（5）保证船舶与外界通信的连贯性。

2.船舶控制系统的组成船舶控制系统的组成包括以下部分：（1）桥舱面板：是操作员控制船舶所有设备的主要设备；（2）确保船体方向和描迹的稳定，主要由航向控制器和自动舵系统组成；（3）对船舶航行速度、转向半径等参数进行控制，主要有船速控制器和制动系统组成。

三、船舶控制系统的研究现状船舶控制系统是船舶重要的组成部分，其研究现状主要表现在如下几个方面：1.发动机控制技术的研究目前，发动机控制技术主要采用全电子控制系统。

这种系统通过控制发动机的电子装置来分配燃料量和空气量，掌握着发动机的有效效率和建设性能，确保发动机的正常运行。

2.舵机技术的研究船舶控制系统中的舵机技术，其控制方案主要有以下几种：（1）机械传力控制：通过经典的伺服技术对转向快慢的正反反应信号进行控制；（2）液压控制：通过液压变形和通过液压推动舵机实现。

此间，由于液压的大储存性能，液压舵机有较强的扭矩保障能力，且能够完成较大转角的操作；（3）电子控制：通过利用电子科技、液压科技和计算机控制技术，对电磁阀进行控制，遂毫无传递环节，能够制造出更加精密的舵机。

3.锚链电动绞盘系统的研究船舶的锚泊系统主要采用电动绞盘来控制锚泊。

船舶自动控制系统的设计与优化船舶自动控制系统是现代航海技术的重要组成部分，它能够实现船舶的自动驾驶、自动航向保持、自动速度控制等功能，提高船舶操控的精度和安全性。

本文将探讨船舶自动控制系统的设计和优化，以提高船舶的性能和效率。

一、船舶自动控制系统的设计要素1. 传感器与反馈：船舶自动控制系统需要借助传感器获取船舶的各种状态信息，如位置、速度、姿态角等，以及外界的环境信息，如海洋气象数据。

同时，通过反馈机制，将传感器获取到的信息输入到控制系统中进行分析和处理，实现船舶的自动控制。

2. 控制算法与逻辑：船舶自动控制系统需要设计合适的控制算法和逻辑来实现各种功能，如航向保持、速度控制、避碰等。

这些控制算法和逻辑需要结合传感器数据进行实时调整和优化，以保证船舶的稳定性和安全性。

3. 执行器：船舶自动控制系统需要执行器来控制船舶的动作，如舵机控制船舶航向、发动机控制船舶速度等。

良好的执行器设计能够提高控制系统的响应速度和精度。

二、船舶自动控制系统的功能与优化1. 航向保持：船舶自动控制系统可以通过舵机控制船舶的航向，使船舶保持在预定的航线上。

为了提高航向保持的精度，可以采用模糊控制、PID控制等算法进行优化，同时结合船舶的动力系统和环境因素进行实时调整。

2. 速度控制：船舶自动控制系统能够根据船舶的目标速度和环境条件自动调整发动机的输出，实现船舶速度的控制。

为了提高船舶速度控制的精度和效率，可以采用模型预测控制、反馈控制等策略进行优化。

3. 避碰与安全：船舶自动控制系统可以通过传感器获取周围船舶和障碍物的信息，利用算法进行避碰决策，并通过控制舵机和发动机实现船舶的避碰动作。

为了提高船舶的安全性，可以利用机器学习和人工智能技术提前预测和识别潜在的危险情况，并进行自动避碰。

4. 能效优化：船舶自动控制系统还可以通过优化航线、调整船舶速度和动力系统工作参数等方式，提高船舶的能源利用效率。

通过实时监测和分析船舶的燃油消耗情况，可以进行能效评估和优化策略的制定，减少船舶的能源消耗和环境污染。

船舶导航控制系统中的PID控制算法研究与优化摘要：本文从船舶导航控制系统中的PID控制算法的原理和应用入手，探讨了PID控制算法的优化方案，并针对实际应用中的问题，提出了相应的改进策略，为船舶导航控制系统的优化提供了参考。

导航控制是船舶航行过程中的重要环节，但船舶导航控制系统面临的挑战包括环境因素、海洋动力学、自然灾害等诸多因素。

因此，为了确保船只的安全，需要建立一套可靠的导航控制系统。

船舶导航控制系统中，PID控制算法是目前应用最广泛的算法之一。

PID控制算法包含了比例、积分和微分三个部分，可以有效控制船只的航向角和航速。

然而，传统的PID控制算法存在一些问题，例如控制精度低、响应时间长等。

为了优化船舶导航控制系统中的PID控制算法，需要考虑以下几个方面：1. 系统建模与参数调节在实际应用中，不同的船只具有不同的动力学特性，因此需要对系统进行建模，以准确地描述船只的运动状态。

同时，需要通过调整PID控制算法中的参数，以便适应不同的船体运动特性和航行动态，从而提高控制精度和响应速度。

2. 线性化技术对于非线性的船体运动特性，可以采用线性化技术进行处理。

通过将非线性船体运动模型转化为线性模型，可以更加准确地控制船只的姿态和速度，并进一步提高控制精度和响应速度。

3. 自适应控制策略自适应控制策略可以根据实时船体运动状态的变化，自动调整控制参数，以适应变化的环境和负载条件。

这种策略可以进一步提高系统的鲁棒性和控制效果。

4. 智能控制算法基于人工智能的控制算法，如模糊控制算法、神经网络控制算法等，可以更好地适应船只复杂的运动环境和海洋动力学特性，从而提高船舶导航控制系统的控制精度和响应速度。

总之，船舶导航控制系统中的PID控制算法是一个复杂的控制过程，需要综合考虑多个因素，进行优化设计。

本文提出的优化方案和改进策略为船舶导航控制系统的改善提供了重要参考价值。

未来，通过进一步的研究和实践，可以不断提高船舶导航控制系统的性能和鲁棒性，为船只的航行安全提供更加可靠的保障。

船舶自动舵研究综述摘要本文主要对船舶自动舵的研究现状及未来发展趋势进行了深入探讨。

船舶自动舵作为一种重要的船舶控制系统，对于提高船舶航行效率、降低驾驶员工作负荷、增强船舶安全性等方面具有重要意义。

本文在总结历史发展、分析现有研究成果的基础上，指出了当前研究的不足之处和未来可能的研究方向。

引言船舶自动舵是一种利用计算机、传感器、控制系统等技术的自动化设备，用于实现船舶的自动导航和航向控制。

它的出现大大提高了船舶的航行效率和安全性，减少了人工操作失误，降低了驾驶员的工作负荷。

本文旨在综述船舶自动舵的研究现状和发展趋势，以期为相关领域的研究提供参考。

文献综述船舶自动舵的研究可以追溯到20世纪初，但直到近年来，随着计算机、传感器、控制理论等技术的不断发展，船舶自动舵的研究才取得了显著的成果。

目前，船舶自动舵的研究主要集中在航向控制算法、传感器数据处理、系统鲁棒性等方面。

在航向控制算法方面，研究者们提出了多种不同的算法，如PID控制、卡尔曼滤波、神经网络等。

这些算法在不同的场景和条件下都取得了一定的成果，但同时也存在一定的局限性和不足。

例如，PID控制算法简单易行，但参数调整难度较大；卡尔曼滤波算法适用于噪声干扰较小的场合，但容易出现滤波误差积累等问题；神经网络算法具有强大的自适应学习能力，但训练时间较长且易陷入局部最小值。

在传感器数据处理方面，研究者们主要于提高传感器的测量精度和可靠性。

例如，采用多种传感器融合的方法来提高航向角的测量精度；利用滤波算法对传感器数据进行去噪处理，以提高数据的可靠性。

在系统鲁棒性方面，研究者们致力于提高船舶自动舵对外部干扰和内部故障的鲁棒性。

例如，通过引入干扰抑制器和故障诊断模块，提高系统的稳定性和可靠性。

结论通过对船舶自动舵的深入研究，我们可以发现当前研究的不足之处主要包括以下几个方面：首先，航向控制算法仍需进一步优化和完善，以提高系统的性能和适应性；其次，传感器数据处理方面仍需加强融合技术和滤波算法的研究，以提高数据的精度和可靠性；最后，在系统鲁棒性方面，还需要进一步研究和开发更具鲁棒性的控制系统。

船舶智能控制系统优化设计船舶智能控制系统是指通过计算机、网络、传感器等技术手段，对船舶的运行状态进行自动监测、智能控制和集成管理，从而提高船舶运行的安全性、经济性、舒适性和环保性。

目前，船舶智能控制系统已经成为船舶技术发展的重要方向之一。

优化设计船舶智能控制系统，对于提升船舶性能、降低运营成本、提高安全性和环保性等方面都有着重要的作用。

船舶智能控制系统的优化设计需要从哪些方面入手呢？一、控制策略优化控制策略是船舶智能控制系统的核心内容。

在船舶智能控制系统的优化设计中，需要对控制策略进行优化设计，从而提高船舶的控制精度和稳定性。

针对船舶自动舵控系统的设计，可以采用模糊PID控制算法，在自动舵的第一级控制中，使用模糊控制算法进行反馈控制，通过控制器对目标数据进行滤波和处理，从而实现精确的船舶控制。

二、传感器选择和布局优化传感器是船舶智能控制系统的前提条件。

在优化设计船舶智能控制系统时，需要对传感器的选择和布局进行优化的设计。

传感器的布局需要考虑船舶的大小和舱区设计，在布局的过程中，应遵循就近原则和规范原则，并采用合理的测量方式。

同时，传感器的精度和可靠性也是优化设计的重要内容。

三、无线传输技术的优化设计船舶运行中需要对控制系统进行数据传输和通讯。

在优化设计船舶智能控制系统的过程中，无线传输技术也是需要优化的内容之一。

在传输技术上，可以采用蓝牙、无线网、卫星通迅等高效的无线通讯方式，从而提高数据的传输速度、可靠性和准确性。

四、船舶能耗优化设计船舶能耗优化设计是船舶智能控制系统的重要内容之一。

在设计过程中，需要对船舶的能源消耗进行有效的监测和管理，采用倍增率经济模型等方法对船舶的能源优化进行分析和设计。

同时，对船舶的节能措施进行合理的规划和执行，为船舶的运营提高效益和生产效率。

五、船舶安全优化设计船舶安全是最为重要的考虑因素之一。

在船舶智能控制系统的优化设计中，需要考虑到船舶自身的安全性，采用先进控制方式对船舶的自动控制和避碰防撞进行调节。

船舶舵机控制系统章节一：引言船舶舵机控制系统是船舶自动化控制系统中的重要组成部分。

舵机控制系统通过对舵机的控制，实现船舶航向的调整和稳定。

舵机控制系统具有关键性功能，对船舶的操纵性和安全性具有重要影响。

本章将介绍船舶舵机控制系统的研究背景与意义。

首先，分析了船舶舵机控制系统在航海安全和船舶性能改善方面的重要性。

其次，介绍了目前船舶舵机控制系统的研究现状及存在的问题。

最后，阐述了本文的研究目的和内容，以及研究方法和论文结构。

章节二：船舶舵机控制系统原理本章将详细介绍船舶舵机控制系统的原理。

首先，阐述了舵机的基本工作原理以及其在船舶操纵中的作用。

然后，介绍了船舶舵机控制系统的基本构成和工作流程。

包括舵机操纵信号的生成、传输和控制，以及船舶航向的调整和控制过程。

最后，介绍了船舶舵机控制系统的性能指标和评价方法。

章节三：船舶舵机控制系统算法优化本章将研究船舶舵机控制系统的算法优化。

首先，分析了目前舵机控制系统中存在的问题和不足之处。

然后，介绍了一种基于XXXX算法的舵机控制系统优化方法。

该方法基于XXXX原理，通过优化舵机控制算法，提高舵机的响应速度和准确性。

最后，通过实验验证了该优化方法的有效性和可行性。

章节四：结论与展望本章对全文进行总结，并对未来的研究方向进行展望。

首先，总结了本文对船舶舵机控制系统的研究内容和方法。

然后，回顾了本文的研究成果和创新点。

最后，对船舶舵机控制系统的进一步研究方向提出了建议，包括算法优化、系统集成和智能化控制等方面的研究。

通过这些进一步研究，可以进一步提高船舶舵机控制系统的性能和稳定性，为船舶操纵和航行安全提供更好的支持。

全文总结了船舶舵机控制系统的研究背景和意义，详细介绍了船舶舵机控制系统的原理和工作过程，研究了舵机控制系统的算法优化方法，并对未来的研究方向进行了展望。

本文对船舶舵机控制系统的研究具有一定的参考价值，可为相关领域的研究和应用提供一些有益的思路和方法。

在船舶舵机控制系统的研究中，存在着一些挑战和问题。

第４７卷２０１８年７月㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀船海工程ＳＨＩＰ＆ＯＣＥＡＮＥＮＧＩＮＥＥＲＩＮＧ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀Ｖｏｌ.４７Ｊｕｌ.２０１８㊀㊀㊀ＤＯＩ:１０.３９６３/ｊ.ｉｓｓｎ.１６７１￣７９５３.２０１８.Ｓ１.０３３船舶运动控制的舵机仿真改进张志恒ꎬ张显库ꎬ周韬(大连海事大学航海学院ꎬ辽宁大连１１６０２６)摘㊀要:基于大连海事大学校船 育鲲 轮海试数据ꎬ在已有舵机特性的基础上增加了小的航向偏差不操舵环节和舵效维持环节ꎬ建立非线性Ｎｏｍｏｔｏ模型和ＭＭＧ模型ꎬ进行仿真验证ꎮ仿真发现ꎬ在风浪流干扰作用下ꎬ在舵机特性中增加舵效维持环节模拟操舵响应缓慢特性ꎬ操舵频率和操舵幅度更符合航海实践ꎬ操舵效果与海试舵效基本一致ꎮ结果表明ꎬ用舵效维持模拟船舶操舵响应缓慢的特性更符合海试操舵效果ꎮ关键词:船舶工程ꎻ船舶运动控制ꎻ仿真ꎻ零阶保持器ꎻ舵机中图分类号:Ｕ６７５.７９㊀㊀㊀㊀文献标志码:Ａ㊀㊀㊀㊀文章编号:１６７１￣７９５３(２０１８)Ｓ１￣０１５４￣０７收稿日期:２０１８－０３－１１修回日期:２０１８－０４－１１基金项目:国家自然科学基金(５１６７９０２４)ꎬ中央高校青年教师基本科研业务费(３１３２０１６３１５)第一作者:张志恒(１９９１ )ꎬ男ꎬ硕士生研究方向:船舶运动控制和鲁棒控制㊀㊀海洋运输是交通运输的重要方式ꎬ船舶运动控制是海洋运输研究的热点ꎮ实船实验是理论应用于实践验证的重要环节ꎬ但船舶实验成本较高ꎬ所以仿真实验成为研究者进行科研的重要手段ꎮ理论研究是更好工程应用的前提ꎮ本研究基于大连海事大学校船 育鲲 轮海试试验ꎬ根据舵角反馈器记录数据的特点ꎬ改进现有船舶运动控制仿真ꎮ本研究结合海试数据㊁船长经验及文献[１￣６]对航海操舵进行如下总结ꎮ１)船舶如果不是在受限水域掉头或紧急避让ꎬ多数不采用大舵角ꎬ通常用小舵角来抑制船舶偏转ꎬ用中等舵角来进行转向或正常避让ꎮ２)根据经验ꎬ航海实践中好的海况不操舵的航向偏差一般限定为ʃ０.５ʎ~ʃ１.０ʎꎬ恶劣海况不操舵的航向偏差一般限定为ʃ３ʎ~ʃ５ʎꎮ文献[７]采用自适应神经网络控制算法ꎬ船舶航向跟踪控制效果良好ꎬ但操舵频繁ꎮ文献[８]研究了二阶非线性多智能体系统的输出反馈同步控制ꎬ舵机操舵幅度小ꎬ操舵频繁ꎮ文献[９]基于ＲＢＦ神经网络对２艘船舶进行仿真控制ꎬ但舵角在ʃ０.１ʎ范围内频繁操舵ꎮ文献[１０￣１２]的操舵频率为每次０.３~３ｓꎬ对船舶航向保持控制效果良好ꎬ但操舵频率较高ꎬ不符合航海实践ꎮ在航海实践中ꎬ舵机具有大惯性㊁舵角饱和和舵角速率限制㊁小的航向偏差不操舵㊁操舵频率低等特性ꎮ船舶运动的大惯性特点ꎬ时间常数为几十秒甚至是几百秒ꎬ操舵响应缓慢ꎬ在响应过程中舵角把定(维持)某个状态等待船舶状态调整ꎮ本研究以大连海事大学校船 育鲲 和 育鹏 为例ꎬ分别采用非线性Ｎｏｍｏｔｏ模型和ＭＭＧ模型进行仿真验证ꎮ基于Ｎｏｍｏｔｏ模型ꎬ给出了包含舵机惯性环节㊁舵角饱和和舵角速率限制特性的非线性模型ꎬ在此基础上ꎬ分别增加了小的航向偏差不操舵环节㊁时滞环节以及零阶保持器(Ｚｅｒｏ－Ｏｒｄｅｒ－ＨｏｌｄｅｒꎬＺＯＨ[１３])环节的仿真对比效果ꎻ基于ＭＭＧ模型ꎬ给出了包含舵机惯性环节㊁舵角饱和和舵角速率限制特性模型以及增加零阶保持器环节模型的航向保持控制和操舵的对比效果ꎮ１㊀准备工作为了仿真研究中舵效更接近航海实践ꎬ对舵机加入了小航向偏差不操舵㊁舵角维持(或舵角时滞)㊁舵机惯性环节㊁舵角饱和和舵角速率限制等特性ꎬ舵机仿真结构见图１ꎮ结合航海实践ꎬ小的航向偏差取ʃ１.０ʎꎬ舵角维持(每间隔操舵一次)设定为１０ｓꎬ舵机惯性为一阶惯性环节１Ｔｒｓ＋１ꎬＴｒ＝５ｓꎬ舵角范围为－３５ʎ~３５ʎꎬ舵角速率范围为－５ʎ/ｓ~５ʎ/ｓꎮ舵角维持环节和时滞环节对系统的响应产生干扰ꎬ控制输出不能很好地跟踪控制输入ꎮ根据文献４５１图１㊀舵机特性结构[１４]ꎬ船舶运动非线性Ｎｏｍｏｔｏ模型如式(１)所示ꎮψ＋ＫＴ(αψ ＋βψ ３)＝ＫＴδ(１)式中:ψ为船艏向角输出ꎻδ为舵角输入ꎻＫ㊁Ｔ为船舶运动操纵性指数ꎻα㊁β为非线性参数ꎮ在工业中存在许多时滞模型如蒸馏塔㊁造纸机㊁磁悬浮和水箱等ꎬ许多已出版的如文献[１５￣１９]对时滞模型都有研究ꎬ文献[２０]对船舶状态时滞导致控制效果变差做了研究ꎮ但时滞是信号输出在时间上滞后输入ꎬ并不改变信号形状和幅值ꎬ还会对所有航向偏差都做出反馈控制ꎬ频繁操舵ꎬ并不符合航海实践ꎮ时滞环节和信号维持环节并不相同ꎬ以正弦变化的航向为例ꎬ给出时滞信号和信号维持对比见图２ꎮ图２㊀正弦信号响应对比图由图２可知ꎬ信号时滞只是对原信号的输出延迟ꎬ而信号维持是保持信号在一定时间内恒定ꎮ为了更好地对舵机特性进行量化分析ꎬ引入如式(２)所示的指标ꎬ整体操舵次数(ＴｏｔａｌＳｔｅｅｒｉｎｇＦｒｅｑｕｅｎｃｙꎬＴＳＥ)ꎬ平均操舵幅值(ＭｅａｎＳｔｅｅｒｉｎｇＡｍｐｌｉｔｕｄｅꎬＭＳＡ)ꎬＭＳＡ㊁ＴＳＦ指标用来评估控制效果ꎮＴＳＦ＝ðＳＦ(δ(ｔ))ＭＳＡ＝１ＴＳＦðＡＲＡ(｜δ(ｔ)｜)(２)㊀㊀操舵次数(ＳｔｅｅｒｉｎｇＦｒｅｑｕｅｎｃｙꎬＳＦ)操舵幅值(ａｍｐｌｉｔｕｄｅｏｆｒｕｄｄｅｒａｎｇｌｅꎬＡＲＡ)ꎬＴＳＦ用来衡量操舵频率ꎬＭＳＡ用来衡量操舵幅值大小ꎮ２㊀控制器设计２.１㊀Ｎｏｍｏｔｏ模型控制器舵机加入了惯性环节㊁舵角饱和和舵角速率限制等特性ꎮ非线性模型控制器的推导较为复杂ꎬ为了简化计算ꎬ对非线性模型进行线性近似处理ꎬ去掉式(１)非线性项ꎬ用近似处理的线性模型推导出的控制器进行非线性模型控制ꎮＧ(ｓ)＝ψδ＝ＫＴｓ＋１()ｓ(３)㊀㊀根据文献[２１]提出的基于闭环增益成形算法的ＰＩＤ控制器ꎬ如式(４)所示ꎮＣ(ｓ)＝１ＫＴ１＋εＫＴ１１ｓ＋ＴＫＴ１ｓ(４)㊀㊀控制器参数如式(５)所示ꎮｋｐ＝１ＫＴ１＋λｐｉｄꎬｋｉ＝εＫＴ１ꎬｋｄ＝ＴＫＴ１(５)式中:Ｔ１为闭环系统的带宽频率的倒数ꎻε为一个很小的常值ꎻλｐｉｄ为改善系统响应速度的参数ꎬ通常取２~６ꎮ２.２㊀时滞模型控制器舵机在惯性环节㊁舵角饱和和舵角速率限制环节上增加了小航向偏差不操舵㊁舵机时滞环节ꎬ含时滞环节的非线性近似模型为Ｇ(ｓ)＝Ｋｅ－θｓＴｓ＋１()ｓ(６)㊀㊀利用一阶Ｔａｙｌｏｒ展开得ｅ－θｓʈ１－θｓ(７)㊀㊀式(７)代人式(６)得Ｇ(ｓ)ʈＫ(１－θｓ)(Ｔｓ＋１)ｓ(８)㊀㊀定理１(极大模定理)ꎮ假设ｆ(ｓ)是一个函数且在区域Ω不存在极点ꎬ如果函数ｆ(ｓ)不是一个恒值ꎬ那么｜ｆ(ｓ)｜在区域Ω内部任一个点不能取得极大值[２２]ꎮ区域Ω为开右半平面ꎬＷ(ｓ)Ｓ(ｓ)为系统扰动输入到输出的传递函数且在区域Ω中没有极点存在ꎬＷ(ｓ)为权函数ꎬＳ(ｓ)为灵敏度函数ꎬ根据定理１得:Ｗ(ｓ)Ｓ(ｓ) ɕ＝Ｗ(ｓ)[１－Ｇ(ｓ)Ｑ(ｓ)] ɕ＝ｓｕｐＲｅｓ>０｜Ｗ(ｓ)[１－Ｇ(ｓ)Ｑ(ｓ)]｜(９)㊀㊀Ｑ(ｓ)是一个稳定传递函数ꎬＧ(ｓ)在开右半平面ｓ＝１θ存在零点ꎬｓ＝１θ是区域Ω上的一个内点ꎮｓｕｐＲｅｓ>０｜Ｗ(ｓ)[１－Ｇ(ｓ)Ｑ(ｓ)]｜ȡ５５１｜｜Ｗ(ｓ)[１－Ｇ(ｓ)Ｑ(ｓ)]｜ｓ＝１θ｜＝θ(１０)㊀㊀由式(１０)得 Ｗ(ｓ)Ｓ(ｓ) ɕ的最小值为θꎬ假如系统输入ｄ(ｓ)为阶跃信号１/ｓꎬ权函数Ｗ(ｓ)在Ｈɕ鲁棒控制中应满足 ｄ(ｓ)/Ｗ(ｓ) ２ɤ１ꎬ式(１０)Ｗ(ｓ)取１/ｓꎬ式(８)代人式(１０)得Ｗ(ｓ)[１－Ｇ(ｓ)Ｑ(ｓ)] ＝１ｓ１－Ｋ(１－θｓ)(Ｔｓ＋１)ｓＱ(ｓ)[]ɕ＝θ(１１)㊀㊀唯一最优解为Ｑｏｐｔ(ｓ)＝Ｔｓ２＋ｓＫ(１２)㊀㊀Ｑｏｐｔ(ｓ)为非正则函数ꎬ渐近收敛性要求:ｌｉｍｓң０Ｓ(ｓ)＝ｌｉｍｓң０１－Ｇ(ｓ)Ｑ(ｓ)[]＝０(１３)将式(１４)所示的滤波器引入使Ｑｏｐｔ(ｓ)在高频衰减ꎮＪ(ｓ)＝１(λｄｅｌａｙｓ＋１)２(１４)㊀㊀一个次优正则Ｑ(ｓ)为Ｑ(ｓ)＝Ｑｏｐｔ(ｓ)Ｊ(ｓ)＝Ｔｓ２＋ｓＫ １(λｄｅｌａｙｓ＋１)２(１５)㊀㊀单位反馈控制器为Ｃ(ｓ)＝Ｑ(ｓ)１－Ｇ(ｓ)Ｑ(ｓ)＝１Ｋ Ｔｓ２＋ｓλ２ｄｅｌａｙｓ２＋(２λｄｅｌａｙ＋θ)ｓ(１６)㊀㊀参数λｄｅｌａｙ通常取０.５θ~２.０θꎮ２.３㊀ＺＯＨ模型控制器舵机在惯性环节㊁舵角饱和和舵角速率限制环节上增加了小航向偏差不操舵㊁舵机ＺＯＨ环节ꎬ含ＺＯＨ环节的非线性近似模型为Ｇ(ｓ)＝Ｋ(１－ｅ－θｓ)(Ｔｓ＋１)ｓ２(１７)㊀㊀ＺＯＨ的传递函数中的ｅθｓ项展开成幂级数ꎬ并取前两项ꎬ则有:１－ｅ－θｓｓ＝１ｓ１－１ｅθｓ()ʈθ１＋θｓ(１８)㊀㊀式(１８)代人式(１７)得Ｇ(ｓ)ʈＫθθｓ＋１()(Ｔｓ＋１)ｓ(１９)Ｗ(ｓ)Ｓ(ｓ) ɕ＝Ｗ(ｓ)[１－Ｇ(ｓ)Ｑ(ｓ)] ɕ＝ｓｕｐＲｅｓ>０｜Ｗ(ｓ)[１－Ｇ(ｓ)Ｑ(ｓ)]｜(２０)㊀㊀Ｗ(ｓ)仍取１/ｓꎬ要保证Ｗ(ｓ)Ｓ(ｓ)ɕ的最小值ꎬ渐近收敛性要求:ｌｉｍｓң０Ｓ(ｓ)＝ｌｉｍｓң０１－Ｇ(ｓ)Ｑ(ｓ)[]＝０(２１)㊀㊀式(２１)代人式(２０)得Ｗ(ｓ)１－Ｇ(ｓ)Ｑ(ｓ)[] ɕ＝１ｓ１－Ｋθ(θｓ＋１)(Ｔｓ＋１)ｓＱ(ｓ)[]ɕ＝０(２２)㊀㊀唯一最优解为Ｑｏｐｔ(ｓ)＝１＋θｓ()Ｔｓ＋１()ｓＫθ(２３)㊀㊀Ｑｏｐｔ(ｓ)为非正则函数ꎬ式(２４)所示的滤波器引入使Ｑｏｐｔ(ｓ)在高频衰减Ｊ(ｓ)＝１(０.０１λｚｏｈｓ＋１)(０.６λｚｏｈｓ＋１)(２λｚｏｈｓ＋１)＋１(２４)㊀㊀一个次优正则Ｑ(ｓ)为Ｑ(ｓ)＝Ｑｏｐｔ(ｓ)Ｊ(ｓ)＝(１＋θｓ)(Ｔｓ＋１)ｓＫθ[(０.０１λｚｏｈｓ＋１)(０.６λｚｏｈｓ＋１)(２λｚｏｈｓ＋１)＋１](２５)㊀㊀单位反馈控制器为Ｃ(ｓ)＝Ｑ(ｓ)１－Ｇ(ｓ)Ｑ(ｓ)＝１Ｋθ １＋θｓ()Ｔｓ＋１()０.０１２λ３ｚｏｈｓ２＋１.２２６λ２ｚｏｈｓ＋２.６１λｚｏｈ＋１(２６)㊀㊀参数λｚｏｈ通常取０.５θ~２.０θꎮ３㊀仿真实验３.１㊀风浪流仿真船舶在海上航行受到风浪流的干扰ꎬ使船舶偏离计划航线而浪费能源ꎮ船舶受风可以分为平均风和脉动风ꎬ根据文献[２３]平均风力干扰等效为压舵角ꎮ根据文献[２４]脉动风是由大气的湍流所造成的ꎬ脉动风可以认为是某种白噪声的实现ꎮ该白噪声的标准差σＹꎬσＮ与绝对风速ＶＴ的平方成正比σＹ＝０.２ρＡＶ２Ｔ｜ＣＹ(γＲ)｜Ｌ３σＮ＝０.２ρＡＶ２Ｔ｜ＣＮ(γＲ)｜Ｌ３(２７)式中:ρＡ为空气密度ꎻＣＹ(γＲ)ꎬＣＮ(γＲ)为量纲的量的风力和风力矩系数ꎻＬ为船长ꎮ海浪干扰由风干扰模型耦合产生ꎬ风速Ｖｗｉｎｄ６５１＝１５.２５ｍ/ｓꎬ风向ψｗｉｎｄ＝５０ʎꎬ即为在蒲福风７级情况下充分成长生成的海浪ꎬ图３给出了试验海浪干扰的三维视图ꎮ图３㊀蒲福风７级条件下海浪模型干扰三维视图研究中将海流认定为定常流ꎬ流速均匀且恒定ꎬ海流Ｖｃｕｒｒｅｎｔ＝０.５ｍ/ｓꎬ流向βｃｕｒｒｅｎｔ＝２８０ʎꎬ则有速度平衡方程如式(２８):ｘ ０＝ｕｃｏｓψ－ｖｓｉｎψ＋Ｖｃｃｏｓγｃｙ ０＝ｕｓｉｎψ＋ｖｃｏｓψ＋Ｖｃｓｉｎγｃ(２８)式中:Ｖｃ㊁γｃ分别为流的绝对速度和绝对流向ꎬ见图５ꎮ图４㊀流的干扰３.２㊀Ｎｏｍｏｔｏ模型仿真以大连海事大学校船 育鲲 为例ꎬ船舶参数:两柱间长为１０５ｍꎬ船宽为１８ｍꎬ吃水为５.４ｍꎬ方形系数为０.５５９５ꎬ排水体积为５７３５.５ｍ３ꎬ重心距中心距离为０.５１ｍꎬ舵叶面积为１１.４６ｍ２ꎬ船速为１６.７ｋｎꎬ由船舶参数计算船舶操纵性指数Ｋ＝０.３１ｓ－１ꎬＴ＝６４.５３ｓꎬ系统辨识计算非线性参数α＝８.０ꎬβ＝４２９５.０２ꎮ海风为蒲福风７级Ｖｗｉｎｄ﹦１５.２５ｍ/ｓꎬ风向ψｗｉｎｄ＝５０ʎꎻ海浪为在蒲福风７级情况下充分成长生成的ꎻ海流认定为定常流ꎬ海流Ｖｃｕｒｒｅｎｔ＝０.５ｍ/ｓꎬ流向βｃｕｒｒｅｎｔ＝２８０ʎꎮ航向设定为５０ʎꎬ图５给出了非线性Ｎｏｍｏｔｏ模型(式(５)控制)㊁加入时滞环节模型(式(１６)控制)和加入ＺＯＨ环节模型(式(２６)控制)航向保持控制效果ꎮ加入时滞环节(时滞模型)和加入ＺＯＨ环节(ＺＯＨ模型)不操舵小航向偏差都设为ʃ１.０ʎꎬ时滞模型用时滞环节来模拟船舶操舵响应缓慢的特性ꎬ时滞时间设为１０ｓꎬＺＯＨ模型用零阶保持器来模拟船舶操舵响应缓慢的特性ꎬ操舵频率设为１０ｓ一次ꎬ式(５)取λｐｉｄ＝２ꎬ式(１６)和式(２６)控制器参数取λｄｅｌａｙ＝λｚｏｈ＝θꎬ仿真发现不考虑船舶响应缓慢大惯性特点的Ｎｏｍｏｔｏ模型ꎬＰＩＤ控制器控制效果良好ꎬ航向无超调ꎬ调节时间Ｔｓ约为１００ｓꎮ用时滞环节来模拟船舶操舵响应缓慢特性的时滞模型和用零阶保持器来模拟船舶操舵响应缓慢特性ＺＯＨ模型ꎬ航向无超调ꎬ调节时间Ｔｓ约为３６０ｓꎬ与传统的ＰＩＤ控制Ｎｏｍｏｔｏ模型相比ꎬ时滞模型和ＺＯＨ模型航向保持控制效果良好ꎬ但都比ＰＩＤ控制效果稍差ꎮ图５㊀育鲲轮航向保持控制对比图Ｎｏｍｏｔｏ模型㊁时滞模型和ＺＯＨ模型的操舵效果对比见图６ꎮ仿真表明ꎬＮｏｍｏｔｏ模型ＰＩＤ控制效果较好ꎬ但操舵频率高㊁操舵幅度太大ꎬ与航海实践不符ꎮ时滞模型虽然操舵幅度小ꎬ但操舵频率较高也不符合航海实践ꎮＺＯＨ模型用零阶保持器来模拟船舶操舵响应缓慢特性ꎬ操舵频率和操舵幅度ꎬ与育鲲轮海试效果基本一致ꎬ验证了零阶保持器模拟船舶操舵响应缓慢特性的合理性ꎮ图６㊀育鲲轮舵角效果对比图为了进一步验证用零阶保持器来模拟船舶操舵响应缓慢特性的合理性ꎬ以文献[２５]精确度较高的大连海事校船 育鹏 轮为例进行仿真实验ꎬ 育鹏 轮船舶参数见表１ꎬ由船舶参数计算船舶７５１操纵性指数Ｋ＝０.０８ｓ－１ꎬＴ＝３９.０９ｓꎬ系统辨识计算非线性参数α＝１８.５９ꎬβ＝２０７３２.５０ꎮ表１㊀育鹏轮船舶参数ｐｉｄ式(２６)控制器参数取λｄｅｌａｙ＝λｚｏｈ＝θꎬ育鹏轮航向控制效果对比见图７ａ)ꎬＮｏｍｏｔｏ模型ＰＩＤ控制器控制效果良好ꎬ航向无超调ꎬ调节时间Ｔｓ约为１００ｓꎮ时滞模型航向控制无超调ꎬ调节时间Ｔｓ约为１７０ｓꎮＺＯＨ模型航向控制无超调ꎬ调节时间Ｔｓ约为１４０ｓꎮＮｏｍｏｔｏ模型㊁时滞模型和ＺＯＨ模型航向保持控制效果全部良好ꎮ操舵效果对比见图７ｂ)ꎬ仿真发现Ｎｏｍｏｔｏ模型ＰＩＤ控制操舵幅度大㊁操舵频率较高ꎬ时滞模型操舵幅度小㊁但操舵频率较高ꎬ而只有ＺＯＨ模型操舵频率㊁操舵幅度与 育鲲 轮海试舵效一致ꎬ进一步验证了用零阶保持器来模拟船舶操舵响应缓慢特性的合理性和控制器设计准则的正确性ꎮ图７㊀育鹏轮控制效果对比对 育鲲 和 育鹏 轮仿真控制结果进行量化分析ꎬ见表３ꎮ当采样时间为１０００ｓ时ꎬ不考虑舵机特性的Ｎｏｍｏｔｏ模型ＴＳＦ较高平均约２３３次ꎬ加入时滞环节的模型ＴＳＦ平均１３１次ꎬＭＳＡ平均约为１.１３ꎬ操舵频率高㊁操舵幅度小ꎬ舵机磨损严重ꎬ不符合航海实践ꎮ加入ＺＯＨ环节的模型ＴＳＦ平均约为２５次(根据航向误差ꎬ舵机有时处于把定状态)ꎬＭＳＡ平均约为５.１３ꎬ相对Ｎｏｍｏｔｏ模型ꎬＴＳＦ约降低８９％ꎬＭＳＡ约降低５５.５％ꎬ操舵频率和操舵幅度符合航海实践ꎮ表２㊀控制效果量化分析类别ＴＳＦＭＳＡ时滞１３８０.８１６８育鲲ＺＯＨ２５３.６２５８Ｎｏｍｏｔｏ２５１８.０８６７时滞１２４１.４５３１育鹏ＺＯＨ２４６.６３４５Ｎｏｍｏｔｏ２１４１４.９７１９３.３㊀ＭＭＧ模型仿真日本拖曳水池委员会成立的船舶操纵运动数学模型研讨小组ꎬ开发了一套系统的船舶运动建模方法ꎬ称为ＭＭＧ模型ꎮＭＭＧ模型将作用于船舶上的流体动力按照物理意义分解ꎬ然后考虑它们之间的相互干涉ꎬ最终构建出船舶运动数学模型ꎬ如式(２９)所示ꎮ(ｍ＋ｍｘ)ｕ－(ｍ＋ｍｙ)ｖｒ－ｍｘＧｒ２＝ＸＨ＋ＸＰ＋ＸＲ(ｍ＋ｍｙ)ｖ＋(ｍ＋ｍｘ)ｕｒ＋ｍｘＧｒ ＝ＹＨ＋ＹＰ＋ＹＲ(Ｉｚｚ＋Ｊｚｚ)ｒ ＋ｍｘＧ(ｖ＋ｕｒ)＝ＮＨ＋ＮＰ＋ＮＲψ＝ｒｘ０＝ｕｃｏｓψ－ｖｓｉｎψｙ０＝ｖｃｏｓψ＋ｕｓｉｎψìîíïïïïïïïïï(２９)式中:ｕ㊁ｖ㊁ｘ０㊁ｙ０㊁ｎ分别为线速度和角速度ꎬ位置ꎬ螺旋桨转速ꎻｍ和Ｉｚｚ为船舶质量和惯性矩ꎻｍｘ㊁ｍｙ㊁Ｊｚｚ为附加质量和惯性矩ꎻＸＨ㊁ＹＨ㊁ＮＨ㊁ＸＰ㊁ＹＰ㊁ＮＰ㊁ＸＲ㊁ＹＲ㊁ＮＲ分别为作用于船体㊁螺旋桨和舵叶的流体动力和力矩[２６]ꎮ蒲福风７级条件作用下风浪流干扰保持不变ꎬ用零阶保持器来模拟船舶操舵响应缓慢特性的ＺＯＨ模型和ＭＭＧ模型航向保持控制效果见图８ꎬ航向保持控制效果基本一致ꎮ操舵效果对比见图９ꎬ仿真表明用零阶保持器来模拟船舶舵机特性的ＺＯＨ模型ꎬ操舵频率明显降低ꎬ操舵幅度符合航海实践ꎮ基于ＭＭＧ模型对 育鹏 轮控制结果进行量化分析见表３ꎬ当采样时间为１０００ｓ时ꎬ在ＭＭＧ模型中加入零阶保持器后ꎬ操舵频率ＴＳＦ从７４８５１图８㊀ＭＭＧ模型航向保持控制对比图９㊀ＭＭＧ模型舵角效果对比降低到１８ꎬ约降低７６％ꎬ符合工程实践中船舶大惯性㊁操舵频率低等特点ꎻ操舵幅度ＭＳＡ从２.０３９０增加到４.３５１０ꎬ约增加１１３％ꎬ符合航海实践中用小舵角抑制偏差的操舵特点ꎮ量化分析结果基本和表２一致ꎬ进一步验证了加入零阶保持器模拟舵机特性的合理性ꎮ表３㊀控制效果量化分析类别ＴＳＦＭＳＡＺＯＨ１８４.３５１０ＭＭＧ７４２.０３９０４㊀结论针对已发表的船舶运动控制仿真文献操舵频繁的问题ꎬ通过对 育鲲 轮海试数据的分析ꎬ提出了用舵效维持环节来模拟船舶运动具有大惯性㊁操舵响应缓慢的特点ꎮ以大连海事大学校船 育鲲 和 育鹏 为例ꎬ分别采用非线性Ｎｏｍｏｔｏ模型和ＭＭＧ模型进行仿真验证ꎬ在考虑风浪流干扰的情况进行仿真实验ꎮ实验表明ꎬ基于非线性Ｎｏｍｏｔｏ模型ꎬ加入时滞环节的模型和加入ＺＯＨ环节的模型ꎬ航向保持控制效果良好ꎬ但加入ＺＯＨ环节的模型操舵频率和操舵幅度更符合航海实践ꎬ操舵效果和海试舵效基本一致ꎻ基于ＭＭＧ模型ꎬ加入ＺＯＨ环节操舵频率符合船舶大惯性㊁操舵频率低等特点ꎬ操舵幅度符合航海实践中用小舵角抑制偏差的操舵特点ꎮ本研究提出的ＺＯＨ模型使船舶运动控制仿真操舵更接近航海实践ꎬ在工程实践中ꎬ零阶保持器可以用寄存器来实现ꎬ为解决工程应用中舵机频繁操舵磨损严重的问题提供了参考ꎬ具有重要的理论价值和工程应用价值ꎮ参考文献[１]黄斌ꎬ王永生.基于ＰＩ控制器的船舶加速过程负荷控制[Ｊ].西南交通大学学报ꎬ２０１２ꎬ４７(５):８４２￣８４７.[２]ＰＡＦＦＥＴＴＪ.Ｓｈｉｐｍａｎｅｕｖｅｒｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｓ[Ｊ].ＴｈｅＪｏｕｒｎａｌｏｆＮａｖｉｇａｔｉｏｎꎬ１９８１ꎬ３４(２):１６５￣１８６.[３]ＣＺＡＰＬＥＷＳＫＩＫꎬＺＷＯＬＡＮＰ.Ａｖｅｓｓｅｌ'ｓｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌａｎｄｉｔｓｒｅａｌｃｏｕｎｔｅｒｐａｒｔ:ａｃｏｍｐａｒａｔｉｖｅｍｅｔｈｏｄｏｌｏ￣ｇｙｂａｓｅｄｏｎａｒｅａｌｗｏｒｌｄｓｔｕｄｙ[Ｊ].ＴｈｅＪｏｕｒｎａｌｏｆＮａｖｉ￣ｇａｔｉｏｎꎬ２０１６ꎬ６９(６):１３７９￣１３９２.[４]洪碧光ꎬ贾传荧.大型船舶操纵性能综合评价[Ｊ].交通运输工程学报ꎬ２００２ꎬ２(２):５５￣５８.[５]洪碧光ꎬ王鹏晖ꎬ张秀凤ꎬ等.基于ＣＦＤ的无压载水船型浅水中岸壁效应数值模拟[Ｊ].船海工程ꎬ２０１７ꎬ４６(２):６￣１１.[６]ＫＥＭＰＪ.Ｗｉｌｌｉａｍｄａｍｐｉｅｒ:ｎａｖｉｇａｔｏｒｅｘｔｒａｏｒｄｉｎａｒｙ[Ｊ].ＴｈｅＪｏｕｒｎａｌｏｆＮａｖｉｇａｔｉｏｎꎬ２０１４ꎬ６７(４):５４５￣５６７.[７]林郁ꎬ苗保彬.基于Ｂａｃｋｓｔｅｐｐｉｎｇ和输入饱和的船舶航向跟踪控制[Ｊ].大连海事大学学报ꎬ２０１４ꎬ４０(３):２８￣３０.[８]王巍ꎬ王丹ꎬ彭周华.二阶非线性多智能体系统的输出反馈同步控制[Ｊ].大连海事大学学报ꎬ２０１５ꎬ４１(４):５５￣５７.[９]刘洋ꎬ郭晨.船舶航向保持ＲＢＦ神经网络自适应非线性控制[Ｊ].大连海事大学学报ꎬ２０１３ꎬ３９(４):２￣４.[１０]张显库.基于Ｌｙａｐｕｎｏｖ稳定性的船舶航向保持非线性控制[Ｊ].西南交通大学学报ꎬ２０１０ꎬ４５(１):１４０￣１４３.[１１]ＺＨＡＮＧＸｉａｎｋｕꎬＺＨＡＮＧＧｕｏｑｉｎｇ.Ｄｅｓｉｇｎｏｆｓｈｉｐｃｏｕｒｓｅｋｅｅｐｉｎｇａｕｔｏｐｉｌｏｔｕｓｉｎｇａｓｉｎｅｆｕｎｃｔｉｏｎｂａｓｅｄｎｏｎｌｉｎｅａｒｆｅｅｄｂａｃｋｔｅｃｈｎｉｑｕｅ[Ｊ].ＴｈｅＪｏｕｒｎａｌｏｆＮａｖｉ￣ｇａｔｉｏｎꎬ２０１５ꎬ６９(２):２４６￣２５６.[１２]张松涛ꎬ任光.基于反馈线性化的船舶航向保持模糊自适应控制[Ｊ]ꎬ交通运输工程学报ꎬ２００５ꎬ５(４):７２￣７６.[１３]ＴＡＫＥＮＯＲＩＡꎬＭＥＳＳＮＥＲＷ.ＣｏｍｐｅｎｓａｔｉｎｇｆｏｒＺＯＨｉｎｄｕｃｅｄｒｅｓｉｄｕａｌｖｉｂｒａｔｉｏｎｓｉｎｈｅａｄｐｏｓｉｔｉｏｎｉｎｇｃｏｎｔｒｏｌｏｆｈａｒｄｄｉｓｋｄｒｉｖｅｓ[Ｊ].ＩＥＥＥ/ＡＳＭＥＴｒａｎｓａｃｔｉｏｎｓｏｎＭｅｃｈａｔｒｏｎｉｃｓꎬ２０１４ꎬ１９(１):２５８￣２６８.[１４]张显库ꎬ王新屏ꎬ朱璐.关于船舶Ｎｏｍｏｔｏ模型的进一步思考[Ｊ].航海技术ꎬ２００８(２):２￣３.[１５]ＬＥＩＺｈｅｎｇｌｉｎｇꎬＧＵＯＣｈｅｎ.Ｄｉｓｔｕｒｂａｎｃｅｒｅｊｅｃｔｉｏｎｃｏｎ￣９５１ｔｒｏｌｓｏｌｕｔｉｏｎｆｏｒｓｈｉｐｓｔｅｅｒｉｎｇｓｙｓｔｅｍｗｉｔｈｕｎｃｅｒｔａｉｎｔｉｍｅｄｅｌａｙ[Ｊ].ＯｃｅａｎＥｎｇｉｎｅｅｒｉｎｇꎬ２０１５ꎬ９５(１):７８￣８３. [１６]赵青ꎬ刘媛媛ꎬ张卫东.时滞反向响应过程的数字控制设计方法[Ｊ].上海交通大学学报ꎬ２０１７ꎬ４１(８):１３１０￣１３１３.[１７]ＺＨＡＮＧＧｕｏｑｉｎｇꎬＺＨＡＮＧＸｉａｎｋｕꎬＧＵＡＮＷｅｉ.Ｓｔａ￣ｂｉｌｉｔｙａｎａｌｙｓｉｓａｎｄｄｅｓｉｇｎｏｆｉｎｔｅｇｒａｔｉｎｇｕｎｓｔａｂｌｅｄｅｌａｙｕｓｉｎｇｔｈｅｍｉｒｒｏｒｍａｐｐｉｎｇｔｅｃｈｎｉｑｕｅ[Ｊ].ＪｏｕｒｎａｌｏｆＰｒｏｃｅｓｓＣｏｎｔｒｏｌꎬ２０１４ꎬ２４(７):１０３８￣１０４５.[１８]ＺＨＡＮＧＷｅｎｊｕｎꎬＬＩＵＺｈｅｎｇｊｉａｎｇꎬＹＩＮＪｉａｎｃｈｕａｎ.Ｔｉｍｅｄｅｌａｙｗａｖｅｌｅｔｎｅｔｗｏｒｋｐｒｅｄｉｃｔｏｒｂａｓｅｄｏｎｓｅｎｓｉｔｉｖ￣ｉｔｙａｎａｌｙｓｉｓｗｉｔｈａｐｐｌｉｃａｔｉｏｎｔｏｐｒｅｄｉｃｔｉｖｅｓｈｉｐｃｏｕｒｓｅｃｏｎｔｒｏｌ[Ｊ].ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔａｔｉｏｎａｌＭｅｔｈｏｄｓｉｎＳｃｉ￣ｅｎｃｅｓａｎｄＥｎｇｉｎｅｅｒｉｎｇꎬ２０１６ꎬ１６(２):３９１￣４０２. [１９]杨功流ꎬ郭蔚林ꎬ袁二凯.姿态匹配法测量船体变形角中时间延迟的补偿[Ｊ].光学精密工程ꎬ２０１５ꎬ２３(５):１４０９￣１４１４.[２０]魏恩平.考虑时滞和输入饱和的船舶航向自操舵设计[Ｄ].大连:大连海事大学ꎬ２０１３.[２１]ＺＨＡＮＧＸｉａｎｋｕꎬＺＨＡＮＧＧｕｏｑｉｎｇ.Ｓｔａｂｉｌｉｚａｔｉｏｎｏｆｐｕｒｅｕｎｓｔａｂｌｅｄｅｌａｙｓｙｓｔｅｍｓｂｙｔｈｅｍｉｒｒｏｒｍａｐｐｉｎｇｔｅｃｈｎｉｑｕｅ[Ｊ].ＪｏｕｒｎａｌｏｆＰｒｏｃｅｓｓＣｏｎｔｒｏｌꎬ２０１３ꎬ２３(１０):１４６５￣１４７０.[２２]ＺＨＡＮＧＷｅｉｄｏｎｇ.ＱｕａｎｔｉｔａｔｉｖｅＰｒｏｃｅｓｓＣｏｎｔｒｏｌＴｈｅｏｒｙ[Ｍ].ＮｅｗＹｏｒｋ:ＣＲＣＰｒｅｓｓꎬ２０１１.[２３]贾欣乐ꎬ张显库.风力等效舵角及应用[Ｊ].中国造船ꎬ２０１５ꎬ５６(３):１１７￣１２３.[２４]ＫＡＬＬＳＴＲＯＭＣＧ.Ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄａｄａｐｔｉｖｅｃｏｎｔｒｏｌａｐｐｌｉｅｄｔｏｓｈｉｐｓｔｅｅｒｉｎｇ[Ｄ].Ｌｕｎｄ:ＬｕｎｄＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙꎬ１９８２.[２５]ＺＨＡＮＧＺｈｉｈｅｎｇꎬＺＨＡＮＧＸｉａｎｋｕꎬＺＨＡＮＧＧｕｏｑｉｎｇ.Ｎｏｎｌｉｎｅａｒｒｅｓｐｏｎｓｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｏｆｙｕｐｅｎｇｓｈｉｐ[Ｃ].ＴｅｃｈｎｉｃａｌＣｏｍｍｉｔｔｅｅｏｎＣｏｎｔｒｏｌＴｈｅｏｒｙ.Ｔｈｅ３６ｔｈＣｈｉｎｅｓｅＣｏｎｔｒｏｌＣｏｎｆｅｒｅｎｃｅ.ＰｉｓｃａｔａｗａｙꎬＮＪ:ＩＥＥＥＣｏｎｆｅｒｅｎｃｅＰｕｂｌｉｃａｔｉｏｎｓꎬ２０１７:４６８８￣４６９１. [２６]ＦＯＳＳＥＮ/Ｔ.Ｉ.Ｈａｎｄｂｏｏｋｏｆｍａｒｉｎｅｃｒａｆｔｈｙｄｒｏｄｙｎａｍ￣ｉｃｓａｎｄｍｏｔｉｏｎｃｏｎｔｒｏｌ[Ｍ].ＮｅｗＹｏｒｋ:ＪｏｈｎＷｉｌｅｙ＆ＳｏｎｓＬｔｄꎬ２０１１.ＩｍｐｒｏｖｅｍｅｎｔｏｆＳｔｅｅｒｉｎｇＥｎｇｉｎｅＳｉｍｕｌａｔｉｏｎｆｏｒＳｈｉｐＭｏｔｉｏｎＣｏｎｔｒｏｌＺＨＡＮＧＺｈｉ￣ｈｅｎｇꎬＺＨＡＮＧＸｉａｎ￣ｋｕꎬＺＨＯＵＴａｏ(ＳｃｈｏｏｌｏｆＮａｖｉｇａｔｉｏｎꎬＤａｌｉａｎＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙꎬＤａｌｉａｎＬｉａｏｎｉｎｇ１１６０２６ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｉｎｏｒｄｅｒｔｏｍａｋｅｔｈｅｓｉｍｕｌａｔｉｏｎｏｆｓｈｉｐｍｏｔｉｏｎｃｏｎｔｒｏｌｂｅｔｔｅｒｆｏｒｅｎｇｉｎｅｅｒｉｎｇａｐｐｌｉｃａｔｉｏｎꎬｔｈｅｓｉｍｕｌａｔｉｏｎｗａｓｉｍ￣ｐｒｏｖｅｄｂｙａｎａｌｙｚｉｎｇｔｈｅｓｅａｔｒｉａｌｄａｔａｏｆＤａｌｉａｎＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙｔｒａｉｎｉｎｇｓｈｉｐＹｕｋｕｎ.Ｂａｓｅｄｏｎｔｈｅａｎａｌｙｓｉｓｏｆｓｅａｔｒｉａｌｄａｔａꎬｓｍａｌｌｎｏｎ￣ｓｔｅｅｒｉｎｇｈｅａｄｉｎｇｄｅｖｉａｔｉｏｎｌｉｎｋａｎｄｒｕｄｄｅｒａｎｇｌｅｍａｉｎｔａｉｎｉｎｇｌｉｎｋｗｅｒｅａｄｄｅｄｉｎｔｏａｌｒｅａｄｙｅｘｉｓｔｅｄｓｔｅｅｒｉｎｇｃｈａｒａｃｔｅｒｉｓ￣ｔｉｃｓ.ＡｎｏｎｌｉｎｅａｒＮｏｍｏｔｏｍｏｄｅｌａｎｄａＭＭＧｍｏｄｅｌｗｅｒｅｅｓｔａｂｌｉｓｈｅｄｆｏｒｓｉｍｕｌａｔｉｏｎ.Ｉｔｗａｓｆｏｕｎｄｔｈａｔｔｈｅｓｌｏｗｒｅｓｐｏｎｓｅｃｈａｒａｃｔｅｒｏｆｓｔｅｅｒｉｎｇｉｓｓｉｍｕｌａｔｅｄｂｙｒｕｄｄｅｒａｎｇｌｅｍａｉｎｔａｉｎｉｎｇｌｉｎｋꎬｗｈｏｓｅｆｒｅｑｕｅｎｃｙａｎｄａｍｐｌｉｔｕｄｅａｒｅａｃｃｏｒｄａｎｃｅｗｉｔｈｔｈｏｓｅｏｆｓｅａｔｒｉａｌｕｎｄｅｒｔｈｅｄｉｓｔｕｒｂａｎｃｅｏｆｗｉｎｄꎬｗａｖｅａｎｄｃｕｒｒｅｎｔꎻｔｈｅｓｔｅｅｒｉｎｇｅｆｆｅｃｔｗａｓｃｏｎｓｉｓｔｅｎｔｗｉｔｈｓｅａｔｒｉａｌｒｅｓｕｌｔｓ.Ｔｈｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅｓｌｏｗｒｅｓｐｏｎｓｅｃｈａｒａｃｔｅｒｏｆｓｔｅｅｒｉｎｇｉｎｎａｕｔｉｃａｌｐｒａｃｔｉｃｅｉｓｉｎｌｉｎｅｗｉｔｈｔｈｅｓｉｍｕｌａｔｉｏｎｏｆｒｕｄｄｅｒａｎｇｌｅｍａｉｎｔａｉｎｉｎｇｌｉｎｋ.Ｋｅｙｗｏｒｄｓ:ｓｈｉｐｅｎｇｉｎｅｅｒｉｎｇꎻｓｈｉｐｍｏｔｉｏｎｃｏｎｔｒｏｌꎻｓｉｍｕｌａｔｉｏｎꎻｚｅｒｏｏｒｄｅｒｈｏｌｄｅｒꎻｓｔｅｅｒｉｎｇｅｎｇｉｎｅ０６１。

开题报告电气工程及其自动化船舶舵机控制系统改进设计一、综述本课题国内外研究动态，说明选题的依据和意义舵机是保持或改变船舶航向，保证船舶安全运行的重要设备，素有“舵机是舰船的生命”之称.目前低速柴油机船舶，均采用电液舵机. 远洋船舶上装备的都是远距离控制自动操舵仪，简称自动舵，几乎全部是电动液压舵机。

电液舵机分为阀控型和泵控型两种，阀控型舵机系统简单，造价低，控制方便，但传统大多采用一般的换向阀，液压冲击较大，可靠性较低.随着自动化技术和液压技术的发展，电液伺服系统以其控制精度高、响应速度快、信号处理灵活、输出功率大等优点，在船舶电液舵机系统中应用越来越广泛.计算机仿真技术的发展，使得液压系统的动、静态特性可以通过仿真分析来得到.当舵机损坏或发生故障，船舶将因丧失机动性，而失去控制。

因此，一旦舵机失灵，后果不堪设想。

舵机是保证船舶机动性和生命力的主要设备之一，也是船上最重要的机电设备之一。

舵机由舵和拖动装置组成。

它的工作相当频繁，在进出港口和狭窄水域，每小时接通次数可达300～600 次，在江上航行时可高达1200 次。

工作负荷在偏舵过程中变化很大，有时可能出现过载，甚至出现堵转，因此要求偏舵速度稳而快，与其它辅机电力拖动有所不同，必须保证工作可靠。

近年来，着对航行安全及营运需求的增长，人们对自动舵的要求也日益提高，自动操舵仪的出现及自动化技术的成熟运用为船舶无人驾驶的发展目标奠定了基础。

根据船舶自动舵的发展历史和控制方法的不同，它大致可分为四个发展阶段，即机械舵、PID 舵、自适应舵和智能舵，其中智能舵为目前最先进的自动舵，它分为专家系统、模糊舵和神经网络舵等。

不管怎样，就整个船舶而言，各种设备系统很多，航行过程复杂，智能化程度不一，如果把他们统一到一种算法中进行系统设计，难度很大，适应力不强。

因此如何对船舶各种设备的控制进行协调，达到共同的控制目标，成为船舶航行运动控制中的首要问题。

正是基于这，对船舶舵机进行深入研究，并谈谈自己的看法。

1 引言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。

因此，船舶操纵系统的性能，一直被当作是一个具有较高经济价值和社会效益的重要问题，引起人们的关注，并吸引着世界各国一代又一代的工程技术人员围绕着进一步改善该系统的性能这一课题而不断地进行研究和探索。

该课题的研究伴随着自动控制理论和技术的发展而发展。

在自动控制理论和技术发展的不同历史阶段，取得了不同的研究及应用成果，开发出一代又一代新型的自动舵产品，为航运业的发展作出了巨大的贡献。

自动操舵仪是总结了人的操舵规律而设计的装置。

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。

舵系统的性能主要是由控制器的性能决定的，因此自动舵的技术发展，也主要表现在控制技术的推陈出新。

以下按控制技术的发展把自动舵的演化过程作概要介绍。

2 经典控制的自动舵率先推出自动舵产品的是德国和美国。

德国的Aushütz和美国的Sperry分别于1920年和1923年独立研制成了机械式的自动操舵仪。

该产品是自动舵的雏形，所采用的是经典控制理论中最简单最原始的比例放大控制规律。

这种自动舵被称为第一代自动舵。

50年代，经典理论达到了旺盛时期，经典控制理论有着各种控制方法，其中最重要最典型而且在工业生产中最常用的一种是比例-微分-积分(PID)控制。

伴随着经典控制理论的发展，PID舵在50年代开始发展起来。

1950年日本研制出“北辰”自动舵，1952年美国研制出新型的Sperry自动舵，采用的都是PID 的控制规律。

由于PID调节器不需要详细的有关受控过程的先验知识，且具有结构简单、参数易于调整和具有固有的鲁棒性等特点，PID舵得到了广泛的认可，几乎所有的船都装有这种操舵仪。

船舶智能摄纵控制综述张炎华鲍其莲【上海交通托学导航与控制研究所上海２０００３０）擅耍随着对船舶航行要求的不断提高，船舶的自动舵系统已由ＰＩＤ舵发展到自适应舵，控制目标也由航向控制逐步发展到航迹控制。

自动舵的控制中不断引入新的控制方法如鲁棒控制、变结构控制等，井进一步向智能操舵系统发展．针对自动舵向智能舵的发展趋势．本文主要综述了包括模糊控制、神经舟络，遗传算法等智能技术及在船舶操纵控制中应用的研究现状．关ｔ词智能控制自动舵船舶操纵１引言船舶操纵的根本目的，一是安全性，二是经济’陛，要达到这两个操纵目的．要求船舶沿着预定的航线航行，因此船舶自动舵是保障航行安全性与经济性的关键。

据有关研究资料显示，在所有的船舶事故中．约６０％～７０％的事故与船舶航行有关．主要原因是船舶航行的实际航线偏离了安全航线。

以往的自动舵．无论是ＰＩＤ舵还是自适应舵，由于定位导航技术发展水平的限制，基本上都是以航向控制为主．但由于风、浪、流等外界干扰的影响，以航向作为控制坐标有时无法保证船舶沿着预定航线航行。

随着现代航运业的不断发展．水上交通的繁忙以及内河船舶的自动航行的提出，控制目标由航向控制进一步扩展到航迹控制。

尽管关于航迹控制的文章很早就有发表。

也开展了有关的研究，但是直到九十年代．ＧＰｓ系统的研究取得成果并投入使用以及其它相关技术的发展完善，解决了诸如垒球范围全天候连续精确定位等关键问题，航迹控制技术得到大量的研究．进一步随着廉价的ＧＰｓ接收机的普及以及差分ＧＰｓ技术的推广，开始实际应用到自动舵产品当中。

对船舶航行的精度要求的不断提高，对自动舵的控制方法也提出了新的要求，从采用传统的控制手段进一步发展为将控制理论与计算机技术的晟新成果引入自动舵的控制中，不断研制与开发新型自动舵。

自适应舵经过了二十多年的研究和发展。

自适应控制理论在船舶操纵中的应用。

已经逐步走向成熟，在各种自适应操舵仪产品中得到广泛的应用。

但无论是自校正自适应控制还是模型参考自适应控制，都是建立在受控对象为线性系统，且其阶数与时延己知的假设上的，而实际的船舶操纵过程却随船舶自身的工作状态（如载荷、吃水深度、航速等）及航行环境（如航线、水深、风、浪、流等）的不同而有很大的变化，是一个模型时变、非线性、大干扰的过程，所以应用传统的自适应控制不可避免地受到诸如鲁棒性等问题的困扰，从而影响了自适应舵的控制效果。

船舶舵管系统的性能分析与优化设计随着现代技术的进步和应用，舵管系统已经成为现代船舶上不可或缺的重要设备之一。

舵管系统是船舶转向的关键设备，其性能对船舶操纵、稳定性和安全运行起着至关重要的作用。

本文将从舵管系统的性能分析和优化设计两个方面入手，以期为船舶舵管系统的研究和发展提供有益的参考。

一、舵管系统性能分析1.舵管系统的功能舵管系统主要由舵机、推力器、升降机和操作系统等多个部分组成。

其中，舵机又称舵轮，是舵管系统的核心部件，其主要作用是对船舶进行方向控制，具有很高的机动性和灵活性，可以实现船舶在水面上的转向运动；而推力器则是通过调节船舶前进或停止的速度，来实现船舶的前进、停止和倒车等操作。

升降机主要是为了保留原有的推力器功能，避免在改装舵轮时，因改变推进重心而使用安全风险。

2.舵管系统的性能评估舵管系统的性能可以根据其稳定性、控制精度、驱动效率和实用性等多个方面来进行评估。

一般来说，舵管系统的性能评估需要考虑到以下几个方面：（1）稳定性：一艘船舶的稳定性是指当受到外力作用的时候，船舶保持平衡的能力，其中的关键参数就是船舶的纵向压力和侧向压力。

如果船舶的舵管系统稳定性不足，则会影响船舶的操作精度。

（2）控制精度：控制精度是指舵管系统实现船舶方向转向或控制前进速度时，能够达到的精度。

如果控制精度不高，就会导致舵机的角度误差，进而造成船舶的操纵不当和危险。

（3）驱动效率：驱动效率是指舵管系统在工作时的能量传输效率，一般体现为工作效率和耗能程度。

如果一艘船舶的舵管系统驱动效率较低，则会导致其需要更长的运行时间，或需要更大的驱动力来完成同样的任务。

（4）实用性：实用性要考虑到舵管系统的生产成本、使用寿命、维修保养和性价比等方面。

如果舵管系统不具备较高的实用性，则其在船舶应用中就难以得到广泛的应用。

3.舵管系统性能分析方法对于舵管系统的性能分析，一般可以采用实验研究、仿真研究和数学建模研究三种方法。

其中，实验研究要求采用实物模型或船舶模型来进行实验分析，但其成本较高，时间较长，难以满足工程设计和研究的要求。

船舶操纵的控制技术发展综述摘要介绍与比较了船舶操纵的各种自动舵控制方法,船舶自动舵可分为4个发展阶段,即机械舵、PID舵、自适应舵和智能舵,其中智能舵为目前最先进的自动舵,它分为专家系统、模糊舵和神经网络舵.关键词船舶操纵;自动舵;PID控制;自适应控制;智能控制分类号TP273.2;U666.153Overview on the Development and Comparisonof the Control Techniques on Ship ManeuveringCheng Qiming Wan Dejun(Department of Instrument Science and Engineering, Southeast University, Nanjing 210096)Abstract:The control methods of ship maneuvering autopilot are described and compared. The ship autopilots contain four developmental stages, that is, mechanical, PID, adaptive and intelligent control autopilot. The intelligent autopilot is now the most advanced autopilot, its control methods can be divided into expert system, fuzzy control and neural network.Key words:ship maneuvering; autopilot; PID control; adaptive control; intelligent control船舶操纵的自动舵［1,2］是船舶系统中不可缺少的重要设备,随着对航行安全及营运需求的增长,人们对自动舵的要求也日益提高. 本世纪20年代,美国的Sperry和德国的Ansuchz 在陀螺罗径研制工作取得实质进展后分别独立地研制出机械式的自动舵［3］,它的出现是一个里程碑,使人们看到了在船舶操纵方面摆脱体力劳动实现自动控制的希望,这是第1代自动舵. 机械式自动舵只能进行简单的比例控制,为了避免振荡,需选择低的增益,它只能用于低精度的航向保持控制. 本世纪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2代自动舵问世了,这就是著名的PID舵［4］. 自然PID舵比第1代自动舵有长足进步,但缺乏对船舶所处的变化着的工作条件及环境的应变能力,因而操舵频繁,操舵幅度大,能耗显著. 到了60年代末,由于自适应理论和计算机技术得到了发展,人们注意到将自适应理论引入船舶操纵成为可能,瑞典等北欧国家的一大批科技人员纷纷将自适应舵从实验室装到实船上,正式形成了第3代自动舵［5～18］. 自适应舵在提高控制精度、减少能源消耗方面取得了一定的成绩,但物理实现成本高,参数调整难度大,特别是因船舶的非线性、不确定性,控制效果难以保证,有时甚至影响系统的稳定性,尽管存在这些困难,熟练的舵手运用他们的操舵经验和智慧,能有效地控制船舶,为此,从80年代开始,人们就开始寻找类似于人工操舵的方法,这种自动舵就是第4代的智能舵［19～29］. 此外,80年代前船舶上安装的自动舵一般只能进行航向控制,它可把船舶控制在事先给定的航向上航行. 随着全球定位系统(GPS)等先进导航设备在船舶上装备,人们开始设计精确的航迹控制自动舵,这种自动舵能把船舶控制在给定的计划航线上.1PID控制直到70年代早期,自动舵还是一个简单的控制设备,航向偏差给操舵设备提供修正信号,此时控制方程为式中,δ,e分别为舵角信号和航向偏差信号;K为比例常数,它应被整定以适应载重和环境要求,为避免振荡,K应取较低值.对于稳定低速航行的船舶,式(1)控制效果基本上是令人满意的,但对不稳定的船舶,式(1)是不合适的. 一个更为先进的控制系统应包含航向误差导数项,它的形式为当存在由横向风引起的下风或上风力矩干扰时,为使航向保持不变,应加入航向偏差的积分项,此时方程式变为这就是经典的PID控制器结构.根据Mort的论文［4］,积分项的加入可能会降低舵的响应速度,这会使船舶反应迟钝,为抵消这种影响,可再加入一个加速项,这样控制方程又成为整定好控制参数K1～K4的式(3)或式(4)能得到较好的操纵性能.对海浪高频干扰,PID控制过于敏感,为避免高频干扰引起的频繁操舵,常采用“死区”非线性天气调节,但死区会导致控制系统的低频特性恶化,产生持续的周期性偏航,这将引起航行精度降低,能量消耗加大.此外,当船舶的动态特性(速度、载重、水深、外型等)或外界条件(风、浪、流等)发生变化时,控制参数需连续地进行人工整定,控制参数不合适的控制器将导致差的控制效果,如操舵幅度大、操舵频繁等,而人工整定参数很麻烦,为此,人们提出了自适应控制方法.2自适应控制任何自适应系统都应能连续地自动辨识(整定)PID算法的控制参数,以适应船舶和环境条件的动态特性. 目前提出的方法主要有自适应PID设计法、随机自适应法、模型参考法、基于条件代价函数的自校正法、最小方差自校正法、线性二次高斯法、H∞控制法、变结构法等,这些自适应方法都有各自的优缺点,并且自适应法还处于不断的发展过程中.Sugimoto等［5］提出的自适应PID设计法把自适应思想引入到PID控制设计中,此法着重解决使用自适应函数的波浪条件的识别问题,这个函数根据波浪条件信号、船速和载重情况选择最佳控制参数,此最佳参数值被送给控制器和卡尔曼滤波器. 此法采用海洋分析器测量波浪,测量的结果用于计算波浪条件指标.Merlo等［6］的随机自适应法包含一个参数,此参数由海浪自回归滑动平均模型中的海浪功率谱决定,此法包括一个代价函数,它的形式为也就是假定代价函数J是航向偏差y(n)和舵操作u(n)的均方加权函数,此法的目标是使J值为最小.此法与Motora［7］提出的方法不同,Motora的代价函数形式为式中,θ为航向偏差;δ为舵角;λ取为8(Norrbin［8］建议取为4),最优控制的代价函数究竟采用何种形式还没有完好的评判标准.Akaike［9,10］提出了多变量随机系统的辨识方法,此法是在Ohtsu等［11］提出的方法基础上发展起来的,它的模型取决于最小Akaike信息标准,它的代价函数依赖于被控变量的偏差、控制信号大小(舵角)和控制信号变化率的补偿值.Amerogen［12］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［13］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［14］使用Clarke等［15］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［16］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［17］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频率项中,航迹偏差表示成航向和实际船位的函数,用假定的横摇/偏航动态特性来确定航迹偏差与需要的航向之间要求的关系.Papoulias等［18］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系统,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,然后,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,在船舶所遇到的复杂的工作台条件下,自适应自动舵并不能提供完全自动的最优操作.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［19］. 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.专家系统的关键技术是知识经验的获取与表示. Brown等［20］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.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［21］提出的船舶航向模糊控制系统由模糊化、模糊推理决策、反模糊化三部分组成,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［22］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［23］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.神经网络具有非线性映射(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. 它的缺点是理论不成熟、实时性差、硬件实现成本高等. 目前的神经网络控制器还处于软件仿真模拟阶段. Witt等［24］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,在-45°～+45°范围内它能产生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［25］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三层前向神经网络,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2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,就可认为神经控制器已训练好了,从而可用神经控制器取代传统控制器. Hearn等［26,27］提出一种在线训练的船舶神经控制系统,此法只要知道船舶操作的一般定性知识,就可完全去除船舶动态特性的数学模型辨识过程,此法还不需要“教师”进行监督学习. 此法BP学习算法中的误差函数对权值的偏导数采用它们本身的符号函数来近似表示,舵机执行器输出的脉动变化和饱和问题通过选择暂时的训练目标并建立模糊规则表来解决,仿真表明此法控制器优于PID控制器的控制效果.4国内研究状况国内在自动舵方面研究工作开展较早和研究水平较高的单位主要有大连海事大学轮机系、哈尔滨船舶工程学院自控系、上海交通大学仪器系、清华大学仪器系、华东船舶工程学院自控系、武汉海军工程学院、华东理工大学造船系、厦门集美大学航海学院、中国船舶总公司船舶系统工程部、中国船舶总公司707所九江分部等. 他们发表了大量自动舵控制方法的论文,其研究成果基本上都处于理论仿真阶段,还没有形成过硬的自动舵产品.目前国外市场上有多种成熟的航向舵、航迹舵产品,但控制方法大多为比较成熟的自适应控制,近几年发展起来的智能控制及其它近代控制在自动舵上应用处于方案可行性论证阶段. 国内自动舵生产厂家也很多,如九江、上海、广州、锦州等航海仪器厂或仪表厂,其产品以落后的模拟式航向舵为主,航迹舵基本上还处于研制阶段.我校1995年开始进行自动舵开发与研究工作,此课题得到中国船舶工业国防科技应用、基础研究基金项目“舰船航行智能控制技术”和九江仪表厂委托开发项目“数字式航迹操舵仪”等资助. 目前我们开发的自动舵样机已通过厂家验收,现正做进一步的完善工作,力争早日鉴定并生产,此外,我们在自动舵的理论研究方面也取得了一些成果,现已在核心刊物上发表了多篇论文.5结论本文简单介绍了船舶操纵自动舵的控制方法发展过程及各种控制方法,控制方法可分为机械控制、PID控制、自适应控制和智能控制4个发展阶段,文中还比较了这些方法的优缺点. 由于这些方法都有各自的优点,因此,近年来自动舵的控制方法正向组合集成型方向发展,如PID与模糊控制结合、PID与神经控制结合、模糊控制与神经控制结合［28］、模糊控制与遗传算法结合［29］、神经控制与遗传算法结合等.船舶操纵的控制技术发展综述船舶操纵的控制技术发展综述*程启明万德钧摘要介绍与比较了船舶操纵的各种自动舵控制方法,船舶自动舵可分为4个发展阶段,即机械舵、PID舵、自适应舵和智能舵,其中智能舵为目前最先进的自动舵,它分为专家系统、模糊舵和神经网络舵.关键词船舶操纵;自动舵;PID控制;自适应控制;智能控制分类号TP273.2;U666.153Overview on the Development and Comparisonof the Control Techniques on Ship ManeuveringCheng Qiming Wan Dejun(Department of Instrument Science and Engineering, SoutheastUniversity, Nanjing 210096)Abstract:The control methods of ship maneuvering autopilot aredescribed and compared. The ship autopilots contain four developmentalstages, that is, mechanical, PID, adaptive and intelligent control autopilot.The intelligent autopilot is now the most advanced autopilot, its controlmethods can be divided into expert system, fuzzy control and neural network. Key words:ship maneuvering; autopilot; PID control; adaptive control; intelligent control船舶操纵的自动舵［1,2］是船舶系统中不可缺少的重要设备,随着对航行安全及营运需求的增长,人们对自动舵的要求也日益提高. 本世纪20年代,美国的Sperry和德国的Ansuchz在陀螺罗径研制工作取得实质进展后分别独立地研制出机械式的自动舵［3］,它的出现是一个里程碑,使人们看到了在船舶操纵方面摆脱体力劳动实现自动控制的希望,这是第1代自动舵. 机械式自动舵只能进行简单的比例控制,为了避免振荡,需选择低的增益,它只能用于低精度的航向保持控制. 本世纪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2代自动舵问世了,这就是著名的PID舵［4］. 自然PID舵比第1代自动舵有长足进步,但缺乏对船舶所处的变化着的工作条件及环境的应变能力,因而操舵频繁,操舵幅度大,能耗显著. 到了60年代末,由于自适应理论和计算机技术得到了发展,人们注意到将自适应理论引入船舶操纵成为可能,瑞典等北欧国家的一大批科技人员纷纷将自适应舵从实验室装到实船上,正式形成了第3代自动舵［5～18］. 自适应舵在提高控制精度、减少能源消耗方面取得了一定的成绩,但物理实现成本高,参数调整难度大,特别是因船舶的非线性、不确定性,控制效果难以保证,有时甚至影响系统的稳定性,尽管存在这些困难,熟练的舵手运用他们的操舵经验和智慧,能有效地控制船舶,为此,从80年代开始,人们就开始寻找类似于人工操舵的方法,这种自动舵就是第4代的智能舵［19～29］. 此外,80年代前船舶上安装的自动舵一般只能进行航向控制,它可把船舶控制在事先给定的航向上航行. 随着全球定位系统(GPS)等先进导航设备在船舶上装备,人们开始设计精确的航迹控制自动舵,这种自动舵能把船舶控制在给定的计划航线上.1 PID控制直到70年代早期,自动舵还是一个简单的控制设备,航向偏差给操舵设备提供修正信号,此时控制方程为分别为舵角信号和航向偏差信号;K为比例常数,它应被整定式中,δ,e以适应载重和环境要求,为避免振荡,K应取较低值.对于稳定低速航行的船舶,式(1)控制效果基本上是令人满意的,但对不稳定的船舶,式(1)是不合适的. 一个更为先进的控制系统应包含航向误差导数项,它的形式为当存在由横向风引起的下风或上风力矩干扰时,为使航向保持不变,应加入航向偏差的积分项,此时方程式变为这就是经典的PID控制器结构.根据Mort的论文［4］,积分项的加入可能会降低舵的响应速度,这会使船舶反应迟钝,为抵消这种影响,可再加入一个加速项,这样控制方程又成为整定好控制参数K1～K4的式(3)或式(4)能得到较好的操纵性能.对海浪高频干扰,PID控制过于敏感,为避免高频干扰引起的频繁操舵,常采用“死区”非线性天气调节,但死区会导致控制系统的低频特性恶化,产生持续的周期性偏航,这将引起航行精度降低,能量消耗加大.此外,当船舶的动态特性(速度、载重、水深、外型等)或外界条件(风、浪、流等)发生变化时,控制参数需连续地进行人工整定,控制参数不合适的控制器将导致差的控制效果,如操舵幅度大、操舵频繁等,而人工整定参数很麻烦,为此,人们提出了自适应控制方法.2 自适应控制任何自适应系统都应能连续地自动辨识(整定)PID算法的控制参数,以适应船舶和环境条件的动态特性. 目前提出的方法主要有自适应PID设计法、随机自适应法、模型参考法、基于条件代价函数的自校正法、最小方差自校正法、线性二次高斯法、H∞控制法、变结构法等,这些自适应方法都有各自的优缺点,并且自适应法还处于不断的发展过程中.Sugimoto等［5］提出的自适应PID设计法把自适应思想引入到PID控制设计中,此法着重解决使用自适应函数的波浪条件的识别问题,这个函数根据波浪条件信号、船速和载重情况选择最佳控制参数,此最佳参数值被送给控制器和卡尔曼滤波器. 此法采用海洋分析器测量波浪,测量的结果用于计算波浪条件指标.Merlo等［6］的随机自适应法包含一个参数,此参数由海浪自回归滑动平均模型中的海浪功率谱决定,此法包括一个代价函数,它的形式为也就是假定代价函数J是航向偏差y(n)和舵操作u(n)的均方加权函数,此法的目标是使J值为最小.此法与Motora［7］提出的方法不同,Motora的代价函数形式为式中,θ为航向偏差;δ为舵角;λ取为8(Norrbin［8］建议取为4),最优控制的代价函数究竟采用何种形式还没有完好的评判标准.Akaike［9,10］提出了多变量随机系统的辨识方法,此法是在Ohtsu等［11］提出的方法基础上发展起来的,它的模型取决于最小Akaike信息标准,它的代价函数依赖于被控变量的偏差、控制信号大小(舵角)和控制信号变化率的补偿值.Amerogen［12］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［13］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［14］使用Clarke等［15］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［16］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.控制法采用横摇与舵角之间关系式作为船舶运动Messer等［17］的H∞模型,前向速度的影响包含在频率项中,航迹偏差表示成航向和实际船位的函数,用假定的横摇/偏航动态特性来确定航迹偏差与需要的航向之间要求的关系.Papoulias等［18］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系统,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,然后,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,在船舶所遇到的复杂的工作台条件下,自适应自动舵并不能提供完全自动的最优操作.。