基于云模型自適應算法的船舶航向控制

高鍵，張凱

（江蘇科技大學 電子信息學院，江蘇 鎮江 212000）

基于云模型自適應算法的船舶航向控制

高鍵，張凱

（江蘇科技大學 電子信息學院，江蘇 鎮江 212000）

船舶在航行的過程中往往會受到各種非線性因素的干擾：海浪干擾、風速、負載變化等。所以在這樣的情況下，我們需要設計一種非線性的控制器。本文通過設計出一種新型的云模型自適應規則控制器來對船舶的航向進行控制，與傳統的PID控制比較，通過仿真曲線，可以看出該自適應云模型控制器更簡單，直觀，在控制性能上魯棒性更強。

非線性控制器；云模型規則；船舶航向；智能控制

船舶航向的研究是從19世紀隨著自動舵的出現開始的，最開始的自動舵也就是簡單的比例調節，之后又產生了PID舵等，而隨著自動控制理論的發展，新型的控制方法層出不窮，自適應控制，智能控制等。文獻[1]就提出了一種基于神經網絡的自適應輸出反饋的船舶航向控制，應用線性觀測器進行估計。文獻[2]提出了船舶航向模糊自適應的控制手段，利用模糊控制和自適應控制相結合的手段對船舶航向進行控制。而李德毅教授提出的云模型，是一種基于定性概念和定量概念的綜合，在云模型理論的基礎上，本文提出了一種新型的云模型映射器。通過云模型的三個數字特征：期望、熵、超熵來表現一個整體，然后通過仿真驗證，設計出合適的云映射，在一定程度上解決了非線性的干擾問題，相比傳統的PID控制和之前的模糊智能控制體現除了優越性，可以為今后的船舶航向控制中做為參考，提高船舶的經濟性和可靠性。

1 船舶航向控制的數學模型

船舶航向控制系統的數學模型如圖1所示。

圖1 船舶數學模型模型Fig.1 Ship mathematical model

數學模型來自參考文獻[3]。

由船舶運動的8個數學參數：船速、船舶倆柱間長、船寬、排水量、滿載吃水、舵葉面積、方形系數和船舶重心距中心距離從而求得“育龍”輪的模型為：

2 云模型的基本概念

2.1 云模型的概念

云模型是用語言的值來表示定性概念和定量表示之間的不確定性的一種轉換模型，它把概念的模糊性和隨機性統一在了一起，并且構成了定性與定量間的相互映射，如圖2所示。

圖2 云模型映射關系Fig.2 Cloud model mapping relationship

設U是用精確數值表示的定量論域，A是U上相應的定性概念。若定量值x∈U，且x是定性概念A在論域U上的一次具有類正態分布的隨機實現，x對A的確定度A（x）∈[0，1]也是具有類正態分布的隨機數，則數據元組（x，A（x））稱為云滴，則稱論域U中全部元素xi（i=1，2，…n）與其對A的確定度A（xi），即n個數據元組（x，A（xi）），構成具有n個云滴的云模型，稱x在論域U上的分布為云分布[4]。

2.2 云模型的數學特征

期望Ex，熵En，超熵He。

1）隸屬云的期望：隸屬云覆蓋范圍的重心下所對應的論域值，它反應了相應的模糊概念的信息中心值。

2）隸屬云的熵：指隸屬云的期望曲線的帶寬，它反應了模糊概念的亦此亦彼性的裕度。由Ex，En兩個數字特征值便確定了具有正態分布形式的隸屬云期望曲線方程

3）隸屬云的超熵：隸屬云期望曲線上任一點所對應的隸屬都隨機分布的方差，反應了隸屬云的離散程度[5]。

3 云模型映射器

一維云模型映射器：控制器的本質實際上就是從輸入偏差到輸出控制量的一種映射關系，不同的控制器會有不同的映射效果，而云模型映射器就是根據不同的云模型的對應守則來確定這種控制關系。云模型的映射規則由映射前條件和映射后條件構成，也稱為規則前件和規則后件。如果已知云模型（Ex，En，He）和指定的輸入x=x0，就稱為X條件云模型，記做CMx；當X條件云模型的輸出u刺激了另外的Y條件云模型時（稱為CMy），產生了一個u對應的y值。這時便達到了一一映射的效果，從而產生控制。

具體的實施過程 ：X條件云模型：

Y條件云模型：

其中R1（En，He）表示產生以En為期望，以He為方差的正態隨機數，在(4)式中，當X＞Ex時為‘+’，當X＜Ex為‘－’。如圖3所示。

圖3 云模型映射器Fig.3 The mapping of cloud model

二維云模型映射器：二維云模型控制器實際上就是雙輸入，單輸出的控制器?？刂破鞯妮斎霐祿涍^云化，產生大量的云滴，再由云模型控制規則，產生新的云模型的輸出，最后進行云逆化從而產生控制量。

4 云模型自適應控制器

傳統的PID云模型控制器是在 PID控制的基礎上所形成的一種控制器。通過期望輸出與實際輸出的偏差e和其導數的云化模型通過自定義的云規則從而得到相應的輸出來對控制對象進行控制。但是傳統的云模型控制器不能進行對PID參數的實時整段，而采用自適應的方式可以對控制模型的PID參數進行實時修改，使其更加穩定，魯棒性更強。

4.1 傳統的云模型PD控制器

傳統的云模型控制器采用一一對應的云規則，通過輸出的偏差，經過自定義的云規則推理，得到相應的控制量?，F定義輸入偏差為：

輸出控制量為:

定義云規則為if E=E1，Ep=Ep1；if E=E2，Ep=Ep2；if E= E3，Ep=Ep3；if E=E4，Ep=Ep4；if E=E5，Ep=Ep5；同理對微分也是一樣。

Simulink仿真過程如圖4所示。

圖4 PD云模型控制器仿真圖Fig.4 PD cloud model controller simulation map

4.2 云模型自適應PD控制

與傳統云模型控制算法一樣，也是通過輸出的偏差和其導數來確定值，但不是控制量，而是PD控制的參數Kp和Kd，通過調整PD的參數來進行實時控制。現取

定義映射規則如表1和表2所示。

表1 比例系數云規則Tab.1 The cloud rule of ratio coefficient

Simulink仿真過程如圖5所示。

圖5 PD自適應云模型控制器仿真圖Fig.5 PD adaptive cloud model controller simulation map

仿真圖的對比，如圖6所示。

圖6 仿真圖比較Fig.6 Comparison of the simulation map

5 結論

本文在傳統的模糊自適應控制上加入了由李德毅教授提出的云模型算法，并且將在傳統的云模型PID算法上進行了改進，讓其在線實時地對PD參數進行調節。由上圖可以看出自適應云模型比傳統的云模型控制效果使得系統的超調更小，但是調節時間不是很明顯。

PID控制方式自誕生以來一直備受推崇，其穩定性和可靠性都深受人們青睞，但是在某些復雜情況下卻不能達到很好的控制效果，隨著模糊自適應控制在上世紀的提出，為人們開辟了更加廣闊的視野，而云模型是將模糊更加深層次化，將定性與定量的結合，相比模糊控制更具有優越性和前瞻性，本文提出的一種云模型自適應算法也相當于是對之前的改進和提高。

表2 微分系數云規則Tab.2 The cloud rule of differential coefficient

[1]王志文.基于自適應輸出反饋的船舶航向控制[J].北京理工大學學報，2011，31（4）：425.WANG Zhi-wen.The ship course control based on adaptive outputfeedback[J].Journal of Beijing Institute of Technology，2011，31（4）:425.

[2]劉曉明.船舶航向模糊自適應研究[D].上海：上海海運學院，2002.

[3]周蓉.船舶航向自適應PID控制器的設計與應用[D].大連：大連海事大學，2012.

[4]高博.無確定度逆向云模型新算法 [J].計算機應用研究，2013，30（8）:22-62.GAO Bo.A new algorithm of uncertainty inverse cloud model[J].Computer Application Research，2013，30（8）:22-62.

[5]李德毅.隸屬云和隸屬云發生器 [J].計算機研究與發展，1995，32（6）:15.LI De-yi.The cloud and the cloud generator[J].Computer Research and Development，1995，32（6）:15.

[6]高鍵.一種新的云模型控制器 [J].信息與控制，2005，34（2），157.GAO Jian.A new cloud model controller[J].Information and Control，2005，34（2）:157.

[7]高鍵.船舶航向保持系統的研究 [J].江蘇科技大學學報，2008，22（5）:11.GAO Jian.The research of ship course keeping system[J] Journal of Jiangsu University of Science and Technology，2008，22（5）:11.

Ship course control based on cloud model adaptive arithmetic

GAO Jian，ZHANG Kai
（School of Electronics and Information，Jiangsu University of Science and Technology，Zhenjiang 212000，China）

In the process of voyage，the ship always suffer from various of nonlinear disturbance:the wave interfere、wind speed and the load change and so on.So we need to design a kind of nonlinear controller in this circumstance.This paper presents a control to ship course through a new cloud model adaptive regulation controller，compared to traditional PID control，through the simulation curve，we can see that the adaptive cloud model controller is simple、directly perceived and has strong robustness in control performance.

nonlinear controller；cloud model regulation；ship course；intelligence control

TN081

A

1674－6236（2015）10-0036-03

2014-09-14 稿件編號：201409115

高 鍵（1964—），女，江蘇南通人，博士研究生，副教授。研究方向：智能控制，電氣自動化技術。