蔣嬌，李麗娜，陳國權(quán),2，趙晴

(1. 集美大學(xué) 航海學(xué)院，福建 廈門 361021；2. 大連海事大學(xué) 航海學(xué)院，遼寧 大連 116026；3. 中國電信九江分公司，江西 九江 332000)

0 引 言

隨著世界海運事業(yè)的發(fā)展，船舶數(shù)量越來越多，船舶朝大型化、高速化方向發(fā)展，船舶的航行安全顯得越來越重要，這客觀上推動著船舶導(dǎo)航與自動化駕駛技術(shù)的發(fā)展.船舶在海上航行受到風(fēng)、浪和流的影響，故只有正確控制和使用船舵才能使船舶在各種外界影響下保持航向或者改變航向，從而保證船舶安全迅速地從出發(fā)地到達(dá)目的地.自動舵具有減少人力、節(jié)約燃料、降低機械磨損等功能.目前,船舶航向控制領(lǐng)域出現(xiàn)各類先進的控制算法.為設(shè)計滿足不同指標(biāo)要求及適應(yīng)各種應(yīng)用場合的航向智能控制算法，通過選擇若干主流算法集成到船舶智能操控(Ship Intelligent Handling and Control, SIHC)仿真平臺桌面系統(tǒng)進行性能測試.本文基于文獻[1]和[2]實現(xiàn)的算法及文獻[2]提出的控制算法評價方法，著重對該平臺集成的兩種航向控制算法進行初步的性能測試.

1 SIHC仿真平臺簡介

SIHC仿真平臺是用于船舶航行自動化基礎(chǔ)研究的仿真測試平臺，其中的本船具有航向和航跡兩種自動控制模式，能實現(xiàn)船舶自動避碰與航跡自動監(jiān)控，可用于船舶智能避碰決策算法與智能控制算法測試.該平臺實現(xiàn)以下創(chuàng)新點：智能目標(biāo)船功能；先進的仿真技術(shù)；集成6自由度液壓/電動平臺；接入船舶自動識別系統(tǒng)(Automatic Identification System, AIS)交通流功能；標(biāo)準(zhǔn)電子海圖平臺.本文測試使用的是SIHC仿真平臺的桌面系統(tǒng)，主要由1臺主控臺計算機、1臺目標(biāo)船服務(wù)器、4臺本船計算機構(gòu)成，本船集成有丹麥航海研究所(Denmark Marine Institute)開發(fā)的6自由度船模.

2 船舶航向控制算法原理

2.1 普通PID航向自動舵原理

6自由度船模自帶有普通PID航向自動舵.基于其自帶的船模參數(shù)，可以更好地確定PID的3個參數(shù)的初始值，從而達(dá)到較好的航向控制效果.普通PID航向自動舵結(jié)構(gòu)及原理分別見圖1和2.從圖1可以看出，該自動舵實際上由一個傳統(tǒng)的PID航向自動舵和一個濾波器組成.

圖1 普通PID航向自動舵結(jié)構(gòu)

圖2 普通PID航向自動舵原理

普通PID航向自動舵控制規(guī)律的傳遞函數(shù)形式為

式中:U(s)為輸出舵角；E(s)為輸入航向偏差；K為舵增益；TI為積分時間常數(shù)；Td為反舵時間； 1/Tg為濾波頻率；1/α為差異化系數(shù).

2.2 模糊自整定PID航向自動舵原理

模糊自整定PID控制[1]運用模糊數(shù)學(xué)的基本原理和方法，把模糊控制規(guī)則的條件及其操作用模糊集表示，并把這些規(guī)則和有關(guān)信息作為知識存入計算機知識庫中，然后根據(jù)控制系統(tǒng)的實際響應(yīng)情況運用模糊推理，自動實現(xiàn)對PID參數(shù)的最佳調(diào)整[3].模糊自整定PID控制算法由模糊自整定PID控制器、限幅環(huán)節(jié)和被控對象等3個部分組成，其原理見圖3.

圖3 模糊自整定PID控制原理

模糊自整定PID控制算法在運行中不斷檢測誤差e(t)=ψ(t)-ψr(t)和誤差的變化率ec(t)=de(t)/dt，然后根據(jù)模糊規(guī)則(見表1～3)對PID的3個參數(shù)kp，ki，kd進行調(diào)整，以滿足不同e和ec對控制參數(shù)的不同要求，從而使被控對象具有良好的動、靜態(tài)性能.其中，ψ表示受控系統(tǒng)的航向角，ψr表示其設(shè)定值.

在船舶模糊自整定PID自動舵中，必須測量誤差和誤差的變化率即艏搖角速率ec.

在本設(shè)計中，作為輸入的e和ec的論域為

e,ec={-5,-4,-3,-2,-1,0,1,2,3,4,5}

作為輸出的修正量Δkp,Δki,Δkd的論域為

Δkp，Δki，Δkd={-5,-4,-3,-2,-1,0,1,2,3,4,5}

選取的輸入、輸出變量詞集[4]為

e,ec,Δkp，Δki，Δkd={NB,NM,NS,ZO,PS,PM,PB}

詞集中的元素依次分別代表負(fù)大、負(fù)中、負(fù)小、零、正小、正中和正大.

表1 Δkp的模糊控制規(guī)則[5]

表2 Δki的模糊控制規(guī)則

表3 Δkd的模糊控制規(guī)則

根據(jù)工程技術(shù)人員的技術(shù)知識和實際操作經(jīng)驗，本設(shè)計中輸入、輸出變量的隸屬度函數(shù)曲線NB部分均取降半正態(tài)分布曲線，PB部分均取升半正態(tài)分布曲線，NM,NS,ZO,PS和PM部分均取三角分布曲線[6],因此可以得出各模糊子集的隸屬度.根據(jù)各模糊子集的隸屬度賦值表和各參數(shù)模糊控制模型，應(yīng)用模糊合成推理設(shè)計PID參數(shù)的模糊矩陣表，查出修正量代入式(1)～(3)：

在整個系統(tǒng)運行過程中，控制系統(tǒng)通過對模糊邏輯規(guī)則的結(jié)果處理、查表和計算，完成對PID參數(shù)的在線自整定.

3 航向控制算法性能評判方法

3.1 航向跟蹤評判方法

為使船舶自動舵具有航跡(線)自動保持能力，必然要求自動舵具有航向跟蹤功能，即在給定航向因接近計劃航向的轉(zhuǎn)向點需要改變的情況下，自動舵具有自動跟蹤航向變化的能力.[1]

根據(jù)定值自動控制系統(tǒng)的性能指標(biāo)及經(jīng)驗，航向跟蹤的性能指標(biāo)主要由超調(diào)量、跟蹤響應(yīng)速度、操舵次數(shù)、最大舵值和振蕩次數(shù)組成.為得到這5個指標(biāo)的權(quán)值，針對航向跟蹤進行問卷調(diào)查.問卷中通過兩兩比較的方式讓被調(diào)查者在速度快、精度高、耗油少等3個因素中選擇最看重的因素.共發(fā)出問卷68份，速度快、精度高和耗油少被選中的次數(shù)分別為62，79和11.

問卷調(diào)查中的3個因素與這5個性能指標(biāo)的相關(guān)程度有很大的差異：速度快是跟蹤響應(yīng)速度指標(biāo)的最大關(guān)聯(lián)因素；精度高是超調(diào)量指標(biāo)的最大關(guān)聯(lián)因素；耗油少是操舵次數(shù)、最大舵值、振蕩次數(shù)這3個指標(biāo)的最大關(guān)聯(lián)因素.因此，可以分別算出5個性能指標(biāo)的相應(yīng)權(quán)值：超調(diào)量指標(biāo)權(quán)值w1為0.45；跟蹤響應(yīng)速度指標(biāo)權(quán)值w2為0.36；操舵次數(shù)、最大舵值、振蕩次數(shù)這3個指標(biāo)的權(quán)值w3，w4，w5理論上應(yīng)該均為0.06.但是這5個性能指標(biāo)的權(quán)值和不為1.經(jīng)研究發(fā)現(xiàn)振蕩次數(shù)指標(biāo)比操舵次數(shù)和最大舵值這兩個指標(biāo)相對更重要，故其權(quán)值理應(yīng)比另外兩個大.以此得到超調(diào)量、跟蹤響應(yīng)速度、操舵次數(shù)、最大舵值、振蕩次數(shù)這5個指標(biāo)的權(quán)值依次分別為0.45，0.36，0.06，0.06，0.07.根據(jù)對船上工作人員的問卷調(diào)查，自動舵改向的最佳狀態(tài)是零超調(diào)、無振蕩、操舵兩次、舵向改變10°時的響應(yīng)時間控制在300 s以內(nèi)、最大舵值不超過10°.故得出改向時自動舵的5個性能指標(biāo)的隸屬函數(shù)[10-11]如下：

超調(diào)量的隸屬函數(shù)

f(x)=e-x2(x≥0)

跟蹤響應(yīng)速度的隸屬函數(shù)

操舵次數(shù)的隸屬函數(shù)

最大舵值的隸屬函數(shù)

振蕩次數(shù)的隸屬函數(shù)

f(x)=e-x2(x≥0)

3.2 航向保持評判算法

船舶自動舵的航向保持功能是在給定航向不變的情況下能確保船舶在外界環(huán)境干擾作用下具有保持既定航向的能力.航向保持的性能指標(biāo)主要由保向精度和舵機能耗組成.航向保持的性能指標(biāo)為

式中：J為總體性能指標(biāo)值；N為采樣個數(shù)；ψ0(n)為設(shè)定航向；ψ(n)為實際航向；δn為當(dāng)前舵角.對航向保持的評判主要從航向偏差和能耗方面考慮，所以J值越小，控制算法的航向保持性能越好.

為得到保向精度指標(biāo)和舵機能耗指標(biāo)的權(quán)值λ1和λ2，對一些有經(jīng)驗的船舶駕駛?cè)藛T和航海教學(xué)人員進行一次問卷調(diào)查.在發(fā)出的58份問卷中，減少航向偏差和減少舵機能耗被選中次數(shù)分別為43和15，由此可以得出λ1和λ2分別為0.74和0.26.

4 評判結(jié)果及分析

4.1 航向跟蹤測試方案與評判結(jié)果

考慮到不同船型及不同環(huán)境等因素，測試方案選取3種不同船型船模，即散貨船、集裝箱船和油船，另外為周全考慮又選取一條較小船模(巡邏艇)，船模信息見表4.環(huán)境設(shè)置分為8個等級，風(fēng)向為40°，波浪周期為5 s，波浪方向為220°，具體的風(fēng)速與浪高對應(yīng)關(guān)系見表5.測試過程考慮流的影響，流速設(shè)置為1 kn，流向為120°.

表4 測試方案船?；拘畔?/p>

表5 測試方案環(huán)境設(shè)置

在同一海域設(shè)置本船1和本船2，測試過程中兩條船采用同樣的船模.設(shè)定船舶的初始速度為該船的服務(wù)速度，船舶初始航向為0°，船舶航行全過程中其車鐘都在FULL擋位.船舶開始運行后本船1和本船2分別采用模糊自整定PID航向自動舵和普通PID航向自動舵進行改向60°的操作，當(dāng)兩船航向改到60°且穩(wěn)定后，結(jié)束測試.利用平臺設(shè)計的接口，提取兩船的數(shù)據(jù)，然后利用MATLAB分別畫出兩船的實際航跡向曲線.圖4和5分別為船模III在環(huán)境7下的兩種自動舵的實際航向及舵角變化曲線，其中，實線和虛線分別為普通PID自動舵和模糊自整定PID自動舵控制下的變化曲線.

圖4 航向變化曲線 圖5 舵角變化曲線

再利用上述航向跟蹤性能評判方法對每次實驗數(shù)據(jù)進行處理，得到的評判結(jié)果見表6.

從表6可以明顯看出，在不同環(huán)境下兩種自動舵的控制性能基本接近，且穩(wěn)定性都較好，但是在風(fēng)浪等級較高的環(huán)境條件下亦或?qū)τ谳^小的船模，普通PID自動舵的性能稍好.同時可以看出，兩種自動舵對不同船型的控制性能有明顯差異(巡邏艇的控制效果最好，其次是集裝箱船，對油船的控制性能最差)，這顯示出兩種自動舵對不同船型航向跟蹤的適應(yīng)性存在不足.

4.2 航向保持測試方案評判結(jié)果

航向保持測試方案的環(huán)境設(shè)置和船模選取與航向跟蹤測試方案一致.在同一海域設(shè)置本船1和本船2，測試過程中兩船采用同樣的船模，設(shè)定船舶的初始速度為該船的服務(wù)速度，船舶的初始航向為60°，船舶航行全過程中其車鐘都在FULL擋位.船舶開始運行后本船1和本船2分別采用模糊自整定PID和普通PID航向自動舵保向，當(dāng)兩船的航向都穩(wěn)定在60°時，結(jié)束測試.根據(jù)第3.2節(jié)的航向保持評判算法，利用MATLAB對實驗輸出的船首向及舵角等數(shù)據(jù)進行處理，所得評判結(jié)果見表7.

表7 航向保持評判結(jié)果

由船模I和II的評判結(jié)果分析可知：在航向保持過程中本船1的總體性能指標(biāo)值比本船2的小，即模糊自整定PID自動舵比普通PID自動舵有更好的航向保持性能.對于船模Ⅲ，普通PID自動舵的航向保持性能較好.由于船模IV較小，在風(fēng)浪等級較高的環(huán)境下兩種自動舵對其喪失航向保持能力.表7同時顯示，模糊自整定PID自動舵對集裝箱船的航向保持控制性能最好.

5 結(jié)束語

借助SIHC仿真平臺開展船舶自動控制算法仿真及性能測試，利用MATLAB工具，分別從航向跟蹤和航向保持兩個方面對該平臺集成的普通PID自動舵和模糊自整定PID自動舵的控制性能進行測試.從測試結(jié)果可知：在航向保持方面，就一般的船型而言，模糊自整定PID自動舵的性能優(yōu)于普通PID自動舵；在航向跟蹤方面，普通PID自動舵和模糊自整定PID自動舵的控制性能近乎一致；在某些環(huán)境下，普通PID自動舵對某些船型的控制性能會稍勝一籌，但對不同船型的適應(yīng)性有待日后進一步優(yōu)化.在航向控制評判算法方面，航向跟蹤性能評判的隸屬函數(shù)的臨界值還有待于進一步細(xì)致優(yōu)化，以更客觀精準(zhǔn)地分析比較不同船舶航向控制算法性能的優(yōu)劣.

參考文獻：

[1] 李麗娜, 楊神化, 熊振南, 等. 船舶擬人智能避碰決策理論框架的研究[J]. 中國航海, 2009, 32(6): 30-34.

[2] ZHAO Q, LI L, CHEN G. Research on fuzzy self-tuning of PID autopilot[C]//ICTE 2011, ASCE, 2011: 985-990.

[3] 趙晴. 船舶航跡智能控制算法的研究[D]. 廈門: 集美大學(xué), 2012.

[4] 劉洋, 米偉, 郭晨. 船舶航向模糊自整定操舵控制器的研究[J]. 中國航海, 2010, 33(1): 71-75.

[5] 季本山. 基于PLC的模糊PID船舶自動舵[J]. 上海海事大學(xué)學(xué)報, 2009, 30(4): 57-62.

[6] 陳水利, 李敬功, 王向公. 模糊集理論及其應(yīng)用[M]. 北京: 科學(xué)出版社, 2005： 42-58.

[7] 李麗娜, 張壽桂. 航海自動化[M]. 2版. 北京: 人民交通出版社, 2012: 70-83.

[8] HTIN Aung Kyaw, XIAO Yingjie. Assessment on the Yangon river channel based on fuzzy synthetic evaluation[J]. 上海海事大學(xué)學(xué)報, 2007, 28(1): 50-56.

[9] 陳辰, 胡甚平. 基于模糊DEA的航運公司安全管理有效性評價[J]. 上海海事大學(xué)學(xué)報, 2012, 33(1): 12-15.

[10] 張曉平. 模糊綜合評判理論與應(yīng)用研究進展[J]. 山東建筑工程學(xué)院學(xué)報, 2003, 18(4): 90-93.

[11] 陳錦標(biāo), 吳廣宇, 應(yīng)士君. 基于灰色模糊綜合評估法的大型船舶模擬操縱評價[J]. 上海海事大學(xué)學(xué)報, 2008, 29(4): 1-5.