基于改進蟻群算法的船舶航向自動控制系統*

張浩 蔣曉明 余凡 曹立超 周勇 劉曉光

特約論文

基于改進蟻群算法的船舶航向自動控制系統*

張浩 蔣曉明 余凡 曹立超 周勇 劉曉光

（廣東省科學院智能制造研究所，廣東 廣州 510070）

針對傳統的船舶航向自動控制算法無法對船舶數學模型進行準確建模，且模型參數無法適應不同環境的控制精度要求的問題，提出一種改進蟻群算法。首先，建立船舶運動方程，明確影響控制精度的重要參數；然后，將蟻群算法與船舶航向自動控制系統相結合，并根據實際應用對象的特點對蟻群算法進行改進，使改進蟻群算法能夠快速求出控制系統重要參數的最優解，提高船舶航向的控制精度；最后，通過仿真驗證算法的可行性。仿真結果表明，相比傳統蟻群算法，本文提出的改進蟻群算法求得的最優路徑誤差率降低了3.8%，并能較快迭代出最優解，提高了船舶航向控制的精度，減少船舶的無效行駛里程。

航向自動控制；控制系統；改進蟻群算法；路徑規劃

0　引言

隨著船舶運動控制系統朝高精度、網格化的進程發展，如航向保持自動舵系統、航跡保持自動舵系統、船舶綜合運動控制系統等的出現，使相關控制系統采用越來越復雜的算法，才能滿足控制結果高精度的要求[1]。為保證船舶航行的安全和效率，船舶數學模型的精度要求也越來越高，使得數學模型復雜進而導致計算復雜、控制系統成本高，且無法快速求出最優解。若降低船舶數學模型精度，則無法準確描述系統狀態，難以有效控制船舶。船舶航行時受風、浪、流等影響，導致船舶偏離預定航線，不僅無法保障人身和財產安全，還會增加舵機的操控次數，浪費能耗，降低控制系統的魯棒性[2-4]。

為避免船舶偏離預定航線，保障船舶航行的安全性，減少船舶無效的行駛里程，降低燃油消耗，國內外專家學者提出多種智能控制算法求出最優航線，如粒子群優化算法[5]、蟻群算法[6-7]、反步法[8]、神經網絡和機器視覺[9]等。其中，蟻群算法主要借鑒螞蟻在尋找食物時通過散發的信息素濃度求解最優路徑，是解決預定航線偏離問題常用的算法，具有收斂速度快、魯棒性強等特點，但存在容易陷入局部最優解，優化能力不足等問題。對蟻群算法進行結構改進、參數優化后，可有效避免上述問題并提高算法效率。改進后的蟻群算法應用于控制系統可有效解決最優解和最優路徑的問題[10]。

本文為提高船舶數學模型參數的準確性和預定航向的行駛精度，減少船舶航行時的偏離值，建立船舶的數學模型，并引入蟻群算法計算控制量的最優解。為避免蟻群算法陷入局部最優解，對蟻群算法中的信息素揮發系數和收斂權重因子進行改進，并將改進后的蟻群算法應用于船舶航向自動控制系統。

1 數學模型建立

船舶航向自動控制的重點是船舶數學模型的建立。考慮到船舶航行時受風、浪、流的影響，導致船舶垂蕩、橫搖和縱搖。其中，橫搖對船舶安全影響最大。風、浪、流等干擾在船舶數學模型中產生不確定因素，尤其對船舶進行閉環控制時，船舶的本體和外部環境信息無法準確測量，同時測量信號還受隨機噪聲的影響。船舶在航行時，可近似看作一種平面運動，忽略垂蕩和縱搖的影響和各運動狀態間的耦合。因此，為保證數學模型的準確性和控制系統的有效性，本文僅考慮橫搖的影響。

式中，為船舶總質量；和分別為船舶重心G在x和z方向的坐標；和分別為船舶在x軸和z軸的慣性矩；為船舶在平面的平面慣性積；和分別為x軸和y軸的船舶運動動量；和分別為船舶在x軸和z軸上的動量矩。

則

由式(3)可知，當擾動量足夠小時，船舶航跡會保持在預定航跡附近的一定范圍內。但實際航行時受到的擾動不僅較大，而且隨機，因此需要根據環境反饋信息對船舶航向控制參數進行調節，以保證船舶航跡的穩定性。

2　改進蟻群算法

2.1　蟻群算法

鑒于船舶在航行時無法準確獲得控制系統參數最優值而偏離預定航跡，根據蟻群算法具有并行運算能力和魯棒性強的特點，本文利用蟻群算法對控制系統參數進行全局尋優。

蟻群算法的特點是通過多個螞蟻選擇一個固定的初始柵格，并隨機選擇下一個柵格，直至到達目標柵格后再原路返回至初始柵格；同時在尋找路徑的過程中不斷釋放信息素，后續螞蟻根據信息素的濃度選擇合適的路徑，以求得最優解。其中，隨機選擇公式為

為提高蟻群算法的全局搜索能力，在整個迭代過程中找出效率最高的螞蟻，對信息素濃度更新，使算法的收斂性較高，但容易陷入局部最優的情況，因此需要保持一定的信息素蒸發率，避免所有螞蟻都朝一條路徑搜索。即螞蟻走過一條路徑時，降低前一個螞蟻留下信息素的同時添加新信息素，信息素的更新公式為

2.2　蟻群算法的改進

信息素是決定蟻群算法能否有效找到最優路徑的重要參數。傳統蟻群算法的信息素和能見度的加權值參數一般根據經驗設定。當參數設置不合理時，會導致運算復雜或僅求得局部最優解。為解決上述問題，通常有2種改進方法：1）將蟻群算法與強化學習、遺傳算法等優化算法結合，實現蟻群算法的優化；2）優化參數設置，對信息素釋放量、螞蟻種群數量、信息素加權值等參數進行優化。本文對蟻群算法中的信息素揮發系數和收斂權重因子進行改進，以解決蟻群算法陷入局部最優解的問題。

在蟻群算法中，信息素是反映路徑選擇的重要指標。螞蟻根據信息素濃度選擇合適的路徑，信息素濃度越大，路徑上柵格的選擇次數越多，從而引導更多的螞蟻選擇此柵格。若當前路徑尋優結束后不對柵格上的信息素進行處理，則下次尋找路徑時，上一次遺留的信息素濃度不斷積累，算法的局部搜索能力會超出全局搜索能力。因此，既要保證算法具有一定的收斂速度，還要保證蟻群算法的全局搜索能力。

為滿足上述要求，設計信息素揮發系數的優化方式：將此次迭代搜索到的最優路徑與之前搜索到的最優路徑相比較，若當前路徑優于此次迭代前的最佳路徑，則降低信息素揮發系數，減少當前路徑信息素的揮發速度，使螞蟻更多地選擇當前路徑，引導蟻群算法在尋優過程中向已搜索到的最優路徑收斂；反之，提高信息素揮發系數，增加當前路徑信息素的揮發速度，使螞蟻繼續尋找其他路徑，避免尋找到局部最優路徑。信息素揮發系數改進公式為

為保證蟻群算法收斂效果，在狀態轉移公式中加入收斂權重因子

2.3　改進蟻群算法與船舶航向自動控制系統結合

船舶運動控制一般分為船舶航行時的自動導航、船舶靠港和自動避碰3種情況。其中，船舶航行時的自動導航主要包括航向保持、航跡保持和航速保持等；船舶靠港主要涉及船舶在淺水區的低速航行，此時水深、航速、風、浪等干擾影響遠遠大于在海洋上的影響，船舶數學模型參數變化較大，船舶的操縱和控制也更加困難，這對控制系統的穩定性和準確性要求較高；自動避碰主要涉及船舶回合、碰撞危險程度和避免碰撞策略等情況。本文主要闡述船舶沿直線運動時的船舶航向控制問題，為保證船舶航向自動控制系統的適用性，將涉及到船舶航跡控制。

1）初始化參數，設置螞蟻數量、迭代次數、爬行路徑等參數；

2）令所有螞蟻尋找下一柵格，并采用轉盤輪賭法隨機選擇下一柵格，避免在未搜索全局前陷入局部最優解；

3）根據步驟2）選擇的路徑，判斷螞蟻是否進入死區，若進入死區則觸發回退策略返回步驟2）再次進行下一柵格的選擇，否則進入步驟4）；

4）對局部信息素進行更新，并計算當前柵格與初始柵格之間的距離；

5）循環步驟2）～4）直至所有螞蟻都到達目標柵格，并計算單次迭代中最短路徑長度和平均路徑長度；

6）計算所有到達目標柵格的路徑長度及螞蟻轉移次數，對全局信息素進行更新；

7）判斷是否到達最大迭代次數的終止條件，若沒有達到，則返回步驟2）進行循環，否則輸出最優解。

改進蟻群算法程序流程圖如圖2所示。

圖2 改進蟻群算法程序流程圖

3 仿真實驗

圖3 傳統蟻群算法與改進蟻群算法尋找的最優路徑

由圖3可知：改進蟻群算法在迭代至24次時即可尋得最優解，并控制船舶航行時軌跡偏差在4 m誤差范圍內；相比傳統蟻群算法的參數設定策略，改進蟻群算法求得的最優路徑誤差率降低了3.8%，故改進蟻群算法應用于船舶航向自動控制系統可顯著提高控制精度，相比傳統蟻群算法有較好的控制效果。

4　結論

傳統船舶航向自動控制系統算法無法對船舶數學模型進行準確建模，且系統參數多為經驗所得，無法有效應對隨機變化的外部干擾，在實際航行中控制效果較差。本文提出的基于改進蟻群算法的船舶航向自動控制系統能夠快速求出重要參數的最優解，相比于傳統蟻群算法能快速、準確地迭代出最優解并有效降低航跡誤差，避免船舶路徑尋優時陷入局部最優解的問題，提高了船舶航向控制的精度，具有一定的應用價值。

[1] 張顯庫.船舶控制系統[M].大連:大連海事大學出版社,2010.

[2] 張顯庫,趙翔宇.船舶轉向的魯棒控制及其優化設計[J].哈爾濱工程大學學報,2006,27(3):319-322.

[3] 劉洋,郭晨.船舶航向保持RBF神經網絡自適應非線性控制[J].大連海事大學學報,2013,39(4):1-4.

[4] 關巍,周慶宏,任志浩,等.規劃控制策略下的無人船航向簡捷魯棒控制[J].哈爾濱工程大學學報,2019,40(11):1801-1808.

[5] 曾勇,張金奮,張明陽,等.基于粒子群—遺傳優化算法的船舶避碰決策[J].中國航海,2020,43(1):1-6,28.

[6] 黃慶波.多約束條件下最優航向控制中的蟻群算法研究[J]. 艦船科學技術,2020,42(12):61-63.

[7] 肖軍,朱接文.船舶航向自動控制的蟻群優化算法[J].艦船科學技術,2018,40(18):34-36.

[8] 張曉蘭,王欽若,時麗麗.動力定位船舶縱向運動的反步法控制器設計[J].自動化與信息工程,2011,32(5):1-4.

[9] 鄒木春,曾應堅.基于機器視覺的船舶升沉檢測方法[J].自動化與信息工程,2010,31(3):37-39.

[10] 劉永建,曾國輝,黃勃.改進蟻群優化算法的移動機器人路徑規劃研究[J].傳感器與微系統,2020,39(4):56-58,62.

Ship Course Automatic Control System Based on Improved Ant Colony Algorithm

Zhang Hao Jiang Xiaoming Yu Fan Cao Lichao Zhou Yong Liu Xiaoguang

(Institute of Intelligent Manufacturing, Guangdong Academy of Science, Guangzhou 510070, China)

Aiming at the problem that the traditional ship course automatic control algorithm can not accurately model the ship mathematical model, and the model parameters can not meet the control accuracy requirements of different environments, an improved ant colony algorithm is proposed. Firstly, the ship motion equation is established to clarify the important parameters affecting the control accuracy; Then, the ant colony algorithm is combined with the ship course automatic control system, and the ant colony algorithm is improved according to the characteristics of the actual application object, so that the improved ant colony algorithm can quickly find the optimal solution of the important parameters of the control system and improve the control accuracy of the ship course; Finally, the feasibility of the algorithm is verified by simulation. The simulation results show that compared with the traditional ant colony algorithm, the error rate of the optimal path obtained by the improved ant colony algorithm proposed in this paper is reduced by 3.8%, and the optimal solution can be iterated quickly, which improves the accuracy of ship course control and reduces the invalid mileage of the ship.

ship course automatic control; control system; improved ant colony algorithm; path planning

廣東省海洋經濟專項項目（GDNRC[2021]024）

張浩，男，1993年生，碩士，助理工程師，主要研究方向：機器人與自動化。E-mail: h.zhang@giim.ac.cn

蔣曉明，男，1973年生，博士，研究員，主要研究方向：電力電子、數控技術與自動化。E-mail: xm.jiang@giim.ac.cn

余凡，男，1996年生，碩士，助理工程師，主要研究方向：機電一體化。E-mail: f.yu@giim.ac.cn

曹立超，男，1990年生，碩士，工程師，主要研究方向：機器人設計與自動化。E-mail: lc.cao@giim.ac.cn

周勇，男，1991年生，碩士，工程師，主要研究方向：計算機視覺。E-mail: y.zhou@giim.ac.cn

劉曉光，男，1980年生，碩士，副研究員，主要研究方向：機器人焊接技術。E-mail: xg.liu@giim.ac.cn

TP181

A

1674-2605(2021)06-0002-05

10.3969/j.issn.1674-2605.2021.06.002