船舶減搖鰭的穩(wěn)定控制

..船舶減搖鰭的穩(wěn)定控制摘要:對(duì)于船舶穩(wěn)定系統(tǒng),主動(dòng)鰭控制是最有效的減搖方法。然而,在隨機(jī)模型波或風(fēng)的影響下,準(zhǔn)確的全船非線性動(dòng)態(tài)系統(tǒng)是很難獲得的。在這篇文章中,用于開發(fā)船舶穩(wěn)定系統(tǒng)的一個(gè)守衛(wèi)啟發(fā)式遺傳算法鰭控制器<GHGAFC>包括一個(gè)啟發(fā)式遺傳算法鰭控制器<HGAFC>和一個(gè)守衛(wèi)鰭控制器<GFC>。在HGAFC設(shè)計(jì)中,將梯度下降訓(xùn)練嵌入到傳統(tǒng)的遺傳算法<GA>中構(gòu)建一個(gè)主控制器,來(lái)搜索在不確定性下可能出現(xiàn)的的最佳鰭控制角。為了確保系統(tǒng)的狀態(tài)在規(guī)定的范圍內(nèi),將守衛(wèi)鰭控制器<GFC>用于調(diào)整控制角。在穩(wěn)定系統(tǒng)中,陀螺儀和加速度計(jì)將檢測(cè)搖曳的條件和收集的數(shù)據(jù)發(fā)送到嵌入式單片機(jī)計(jì)算命令中。仿真將大海表面建模為一維線性自由面來(lái)驗(yàn)證鰭控制器的有效性。在相同條件下,比較GHGAFC與GA-fuzzy、GA-PID和常規(guī)監(jiān)督GA控制方案的性能。一、介紹船舶減搖是用來(lái)對(duì)抗船舶橫搖運(yùn)動(dòng)的,導(dǎo)致橫搖有很多不確定性因素:如外部波、風(fēng)、非線性橫搖阻尼和參數(shù)變化等的影響,這是一個(gè)重要的、嚴(yán)格的、復(fù)雜的問(wèn)題。船舶海軍架構(gòu)穩(wěn)定的技術(shù)已經(jīng)討論了數(shù)百年。與被動(dòng)形式的系統(tǒng)相比,主動(dòng)穩(wěn)定系統(tǒng)擁有更強(qiáng)大和有效的特點(diǎn)。這些優(yōu)點(diǎn)使許多船只在實(shí)踐中得到應(yīng)用。主動(dòng)穩(wěn)定系統(tǒng)是通過(guò)泵的形式輸入能量的液壓活塞或電動(dòng)執(zhí)行機(jī)構(gòu)。因此,許多研究已經(jīng)開發(fā)各種方法,例如：減搖水艙[1-3],陀螺穩(wěn)定器[4],舵穩(wěn)定器[5、6]或減搖鰭裝置[7–11],等。減搖水艙取決于周圍的泵送液體來(lái)抵消船的運(yùn)動(dòng)。減搖水艙的主要缺點(diǎn)是,泵操作大量的流體傳送到水槽時(shí)有一個(gè)時(shí)間滯后。這限制了即時(shí)減搖的穩(wěn)定。另一方面,陀螺穩(wěn)定器需要大型陀螺儀來(lái)減少減搖運(yùn)動(dòng)。更嚴(yán)重的是需要大質(zhì)量橫向移動(dòng)來(lái)實(shí)現(xiàn)恢復(fù)力矩。此外,陀螺穩(wěn)定器需要相當(dāng)大的力而且響應(yīng)時(shí)間緩慢;另外,它在船內(nèi)的重要部位占據(jù)了一個(gè)相當(dāng)大的體積。而在舵減搖裝置中是通過(guò)舵偏轉(zhuǎn)減少軋輥,因此舵輥穩(wěn)定器的性能在較低速時(shí)大大降低。在減搖鰭裝置中,鰭在船體水線以下,并根據(jù)船的跟角改變它們的攻角。嵌入式控制器是用來(lái)計(jì)算攻角的,電動(dòng)液壓機(jī)制是激活減搖鰭的。在這些方法中,主動(dòng)式鰭裝置似乎是最有效和最廣泛采用的。有些防傾主動(dòng)鰭控制器的論文,主要是利用傳統(tǒng)的比例—積分-微分<PID>控制技術(shù)。然而,由于船內(nèi)高度非線性和不確定性的輥運(yùn)動(dòng)特征,PID控制器很難適當(dāng)?shù)脑u(píng)估所要控制跟蹤期望的軌跡。20XX,佩雷斯和古德溫[8]提出了模型預(yù)測(cè)控制方法來(lái)防止非線性影響;然而,這很難預(yù)測(cè)嚴(yán)重時(shí)波或風(fēng)的影響。一旦系統(tǒng)動(dòng)力學(xué)在滑?？刂?lt;SMC>下,滑?？刂萍夹g(shù)是一種有效的非線性魯棒控制方法,因?yàn)樗峁┝讼到y(tǒng)動(dòng)力學(xué)與不變性的不確定性[12]。然而,控制系統(tǒng)不敏感的不確定性只存在于滑動(dòng)模式,但不是在實(shí)現(xiàn)階段。因此,系統(tǒng)動(dòng)態(tài)在到達(dá)階段仍受到不確定性的影響。從實(shí)用的角度來(lái)看,這些方法可能在顯著變化的操作點(diǎn)反應(yīng)不是很好。另一方面,神經(jīng)網(wǎng)絡(luò)、模糊方法,如神經(jīng)PID,模糊,遞歸模糊神經(jīng)網(wǎng)絡(luò),強(qiáng)健的小波神經(jīng)網(wǎng)絡(luò)滑?？刂?自調(diào)諧模糊滑模控制方案[13]等提出了電流體靜力學(xué)執(zhí)行機(jī)構(gòu)、電伺服驅(qū)動(dòng)系統(tǒng)或動(dòng)態(tài)系統(tǒng)。然而,一些補(bǔ)償組件是必要的,因此,結(jié)構(gòu)復(fù)雜。遺傳算法<GA>是一種最新的技術(shù)用來(lái)搜索最優(yōu)解決方案。1962年Goldberg在荷蘭首次發(fā)布遺傳算法的基本原理和常見(jiàn)形式[14]?；旧?遺傳算法是一種基于自然選擇和自然遺傳機(jī)制的隨機(jī)搜索技術(shù)。在過(guò)去的幾年里,遺傳算法提供了一種優(yōu)化參數(shù)的PID或SMC[15]。另一方面,遺傳算法也被廣泛應(yīng)用于優(yōu)化設(shè)計(jì)的FC[16]或神經(jīng)模糊控制器<NFC>。GA可以在一定程度上通過(guò)模仿自然基因的機(jī)制來(lái)消除復(fù)雜的力學(xué)設(shè)計(jì)步驟。例如實(shí)際應(yīng)用者吳邦國(guó),將GA用于一群智能水下機(jī)器人,為了重新審視一個(gè)區(qū)域根據(jù)已知的先驗(yàn)路徑點(diǎn)和障礙尋找經(jīng)濟(jì)和安全路線[17]。防止人口聚集,提出了一種基于線性矩陣不等式的GA控制系統(tǒng)的次優(yōu)解決方案。[18]上述研究的共同特點(diǎn)是,GA作為適應(yīng)或調(diào)整一些具體的參數(shù)來(lái)搜索最佳小補(bǔ)償器的解決方案。然而,這些規(guī)定導(dǎo)致更復(fù)雜的控制框架。本研究的目的是克服上述問(wèn)題,在文獻(xiàn)中保留良好的控制性能。完成上述動(dòng)機(jī),一個(gè)守衛(wèi)啟發(fā)式遺傳算法鰭控制器<GHGAFC>包括一個(gè)啟發(fā)式遺傳算法鰭控制器<HGAFC>和一個(gè)守衛(wèi)鰭控制器<GFC>用于開發(fā)船舶穩(wěn)定系統(tǒng)。在HGAFC設(shè)計(jì)中,將梯度下降訓(xùn)練嵌入到傳統(tǒng)的遺傳算法<GA>構(gòu)建一個(gè)主控制器,來(lái)搜索最優(yōu)鰭角控制下發(fā)生的不確定性。此外,為了確保系統(tǒng)狀態(tài)在規(guī)定的范圍內(nèi),,將由李亞普諾夫穩(wěn)定性定理得到的GFC添加到調(diào)整鰭角控制。二、船舶運(yùn)動(dòng)的描述考慮實(shí)際船體形式,當(dāng)船體因?yàn)橥獠坎ɑ蝻L(fēng)力影響而傾斜,一邊的一個(gè)浮楔了浮出水面而另一邊的相同的浮楔浸在水里。浮力〔B中心點(diǎn)由該船的水下部分的B點(diǎn)移動(dòng)到一個(gè)新的中心的點(diǎn)φB。艘船的重心<G>對(duì)穩(wěn)性力臂<GZ>和讓船返回到直立位置的能力有顯著的影響。重心越低,穩(wěn)性力臂<GZ>越大。如果這艘船的重心在穩(wěn)心<M>附近,那么船的的穩(wěn)心高度〔GM和穩(wěn)性力臂<GZ>值將是一個(gè)較小的值。因此,靜穩(wěn)性力矩使船返回到直立位置將大大低于以前?？紤]到大型滾動(dòng)角,則浮力向量不經(jīng)過(guò)穩(wěn)心。原因是,滾動(dòng)角的增加超出了一定的角度范圍,浮力中心的路徑偏離圓弧半徑BM。這個(gè)偏離的結(jié)果就是GZ不能用簡(jiǎn)單的方式與GM相關(guān)聯(lián),也就是說(shuō),GZ不等于,因?yàn)樗窃诜浅Ｐ〉臐L動(dòng)角下。事實(shí)上,當(dāng)大滾動(dòng)角時(shí),除了當(dāng)船傾斜任意角度時(shí),浮力中心的痕跡為一個(gè)圓的特別船型外,GM與ZM的關(guān)系,還沒(méi)有精確的公式。描述一個(gè)主動(dòng)鰭控制船舶輥系統(tǒng)的數(shù)學(xué)模型,假設(shè)滾動(dòng)運(yùn)動(dòng)作為一個(gè)單自由度二階微分方程和整個(gè)非線性動(dòng)態(tài)系統(tǒng)大致可以表示為[19]其中分別表示滾動(dòng)角、滾動(dòng)角速率,和滾動(dòng)角加速度：是這艘船的橫向慣性矩；是添加在軋輥的質(zhì)量慣性矩；是線性阻尼系數(shù);是非線性阻尼系數(shù);是穩(wěn)性力臂力的位移;是外部力矩作用于船體的海浪或風(fēng)的影響；是提供的控制力矩主動(dòng)鰭,可表現(xiàn)出下列方程[20]:其中是水的密度;是升力系數(shù)的斜率;是力的手臂提供的鰭；V是船速度;表示鰭的面積;是實(shí)際的鰭角。將主動(dòng)穩(wěn)定鰭系統(tǒng)、電液系統(tǒng)作為執(zhí)行機(jī)構(gòu)。一般來(lái)說(shuō),致動(dòng)器的簡(jiǎn)化傳遞函數(shù)可以表示為:其中是執(zhí)行機(jī)構(gòu)的輸出<即實(shí)際鰭角>;是驅(qū)動(dòng)器的輸入<即GHGAFC鰭控制角或輸出>;是驅(qū)動(dòng)器的輸入增益;表示執(zhí)行機(jī)構(gòu)的時(shí)間常數(shù);s是拉普拉斯算子。提出船舶輥穩(wěn)定系統(tǒng)的整體框圖見(jiàn)圖1。方程<3>可以寫成一階方程:方程<4>的解：將公式<5>帶入公式<2>之后,公式<1>可以重新排列為:方程<6>代表船舶輥系統(tǒng)的運(yùn)動(dòng)學(xué)方程。這個(gè)非線性動(dòng)態(tài)方程可以簡(jiǎn)化為分段線性定常<LTI>子系統(tǒng),對(duì)其適當(dāng)?shù)牟僮鼽c(diǎn)如下:圖1所示。提出船舶輥穩(wěn)定系統(tǒng)的整體框圖方程<8>表示船體的外部干擾如海浪或風(fēng)的影響?？紤]到參數(shù)的操作點(diǎn),p沒(méi)有偏差,外部干擾和不可預(yù)測(cè)的不確定性,名義船舶滾轉(zhuǎn)控制系統(tǒng)由<7>可以寫成:和分別是A和B的標(biāo)稱值,。考慮到操作偏差,這艘船的外部干擾和不可預(yù)測(cè)的不確定性滾轉(zhuǎn)控制系統(tǒng),<7>將表示如下:其中W是指參數(shù)偏差的總價(jià)值,外部干擾和船舶的橫搖控制系統(tǒng)的不可預(yù)測(cè)的不確定性,這種研究稱為集總的不確定性。集中的約束不確定性被認(rèn)為是給定的,；即β＜W,|·|代表絕對(duì)值和β是正的常數(shù)。三、設(shè)計(jì)的啟發(fā)式遺傳算法鰭控制器<GHGAFC>船輥穩(wěn)定系統(tǒng)〔GHGAFC由一個(gè)啟發(fā)式遺傳算法鰭控制器<HGAFC>和一個(gè)守衛(wèi)鰭控制器<GFC>組成。HGAFC是主要的控制器用于搜索最優(yōu)鰭控制角下可能發(fā)生的不確定性;而GFC輔助控制器是派生的李雅普諾夫穩(wěn)定性定理,利用穩(wěn)定系統(tǒng)的狀態(tài)定義約束區(qū)域。為了實(shí)現(xiàn)這一對(duì)象,定義為跟蹤誤差:其中是檢測(cè)到的滾動(dòng)角,是一艘輥系統(tǒng)所需的旋轉(zhuǎn)角度。e對(duì)時(shí)間的導(dǎo)數(shù)可以表示為其中是檢測(cè)到的角速率,和是一艘滾轉(zhuǎn)控制系統(tǒng)所需的角速率。然后,GHGAFC提出鰭角控制認(rèn)為采取以下形式:其中和分別是HGAFC和GFC的輸出。主動(dòng)穩(wěn)定鰭系統(tǒng)GHGAFC提出的控制架構(gòu)如圖2中所示。下面介紹詳細(xì)設(shè)計(jì)過(guò)程和理論分析。A、啟發(fā)式遺傳算法HGAF是通過(guò)優(yōu)勝劣汰和策略來(lái)搜索在不確定性下可能出現(xiàn)的的最佳鰭控制角。而設(shè)計(jì)的主要是控制器。在HGAFC中,將梯度下降訓(xùn)練嵌入到傳統(tǒng)的遺傳算法<GA>；跟蹤誤差〔〔et決定使用交叉和變異步長(zhǎng),而相鄰間隔跟蹤誤差的變化〔de〔T用以確定突變是否會(huì)發(fā)生。第一個(gè)設(shè)計(jì)原則是,較大的跟蹤誤差,較大的步長(zhǎng)。第二個(gè)原則是,如果跟蹤誤差大,跟蹤誤差的變化很小,則一定避免局部?jī)?yōu)化而發(fā)生突變。,所提出的啟發(fā)式遺傳算法搜索機(jī)制的詳細(xì)描述說(shuō)明：1解決方案表示:在任何情況下應(yīng)用程序,有必要進(jìn)行仔細(xì)分析,以確保一個(gè)恰當(dāng)?shù)母挥幸饬x和問(wèn)題性的解決方案——特定的遺傳算子。在這項(xiàng)研究中,為了降低復(fù)雜度,用實(shí)數(shù)來(lái)表示候選解。2規(guī)模人口:人口的每個(gè)元素由啟發(fā)式遺傳算法進(jìn)化為鰭控制角的一個(gè)值。根據(jù)特定的控制性能人口的規(guī)模為N。在每一代中N的較大值需要較長(zhǎng)的計(jì)算時(shí)間。然而,N的較大值可以加快收斂。3邊界和初始化染色體:染色體的邊界為實(shí)際限制鰭控制的起始角,由隨機(jī)指令在一定區(qū)域產(chǎn)生初始化染色體<即染色體的邊界>。4性能指標(biāo)函數(shù):它是用來(lái)區(qū)別每個(gè)染色體的有效性。在這項(xiàng)研究中,為了方便起見(jiàn),以下誤差函數(shù)選為性能指標(biāo)函數(shù):5進(jìn)化操作：采用適者生存的策略模擬達(dá)爾文進(jìn)化過(guò)程通過(guò)過(guò)程評(píng)價(jià)和順序排序創(chuàng)造種群世代。進(jìn)化操作后,較低的匹配誤差的染色體將變?yōu)樾碌暮蜻x解因而產(chǎn)生新的序列。6啟發(fā)式遺傳操作:模擬執(zhí)行交叉和變異的基因遺傳創(chuàng)建新的后代。然而,傳統(tǒng)的隨機(jī)的操作,并不能保證后代比他們的父母好。因此,梯度下降訓(xùn)練嵌入到交叉和變異中,形成啟發(fā)式操作者,并產(chǎn)生改進(jìn)的后代。具體操作如下圖：交叉:交叉算子是遺傳算法的主要擾動(dòng)的方法,它可以通過(guò)交換父母的特性產(chǎn)生后代。在這項(xiàng)研究中,提出了啟發(fā)式交叉算子,即誤差反向傳播結(jié)合交叉算子。設(shè)計(jì)原則是：跟蹤誤差越多,交叉越多。父母產(chǎn)生的后代和可以表示為：其中是生成的后代;是上一代的父母中的最小的一位最小匹配誤差;是另一位家長(zhǎng),匹配誤差比偏大;是與跟蹤誤差<e<t>>有關(guān)的變步長(zhǎng)的值,量化為：其中是個(gè)正常數(shù)。當(dāng)跟蹤誤差很小,不需要執(zhí)行交叉操作。因此,必須預(yù)先確定,一個(gè)執(zhí)行的上限,命名為交叉率〔即。量化值〔的跟蹤誤差,用來(lái)表示執(zhí)行水平,定義：如果不等式成立,然后必須經(jīng)過(guò)交叉,否則交叉跳躍。突變：利用變異算子避免局部?jī)?yōu)化。隨著突變,新的染色體可以引入人群。然而,傳統(tǒng)的隨機(jī)變異算子,不能保證后代比他們的父母好。因此,在這項(xiàng)研究中提出的啟發(fā)式變異算子,即梯度下降訓(xùn)練嵌入到變異算子中。設(shè)計(jì)原則是跟蹤誤差越多,突變的越多。最好父母的后代可以表示其中r是非負(fù)實(shí)數(shù),的值被量化為：其中是個(gè)正常數(shù)。從歷史的研究得知,在開始階段,如果經(jīng)常被執(zhí)行的突變,后代與父母相似性將失去并且該算法的學(xué)習(xí)能力將降低。因此,另一個(gè)執(zhí)行的上限,被命名為突變率〔由表示,必須預(yù)先確定。如果跟蹤誤差<de<t>>的變化小于預(yù)定的上限,則必須進(jìn)行突變過(guò)程,否則會(huì)被跳過(guò)。de<t>的量化值<>,用來(lái)表示執(zhí)行水平,定義：其中個(gè)是正常數(shù)。最后,得到HGAFC的設(shè)計(jì)流程括并總結(jié)設(shè)計(jì)過(guò)程。B、GFC的設(shè)計(jì)和穩(wěn)定性分析為了進(jìn)一步保證船舶減搖鰭系統(tǒng)穩(wěn)定,源自李雅普諾夫穩(wěn)定性定理的守衛(wèi)鰭控制器<GFC>用于防止自身的發(fā)散狀態(tài),把它拉回到預(yù)定的區(qū)域。眾所周知如果一個(gè)非線性動(dòng)力系統(tǒng)的集總參數(shù)是不確定的,一個(gè)完美的鰭控制角可以定義如下[21]:其中,,從〔10,〔13,〔21得到一個(gè)誤差方程：其中是一個(gè)穩(wěn)定的矩陣定義一個(gè)李雅普諾夫函數(shù)其中P是一個(gè)對(duì)稱正定矩陣,李雅普諾夫方程如下:0>Q是設(shè)計(jì)者的選擇。求導(dǎo)李雅普諾夫函數(shù)聯(lián)立<22>和<24>得為了滿足,守衛(wèi)鰭控制角設(shè)計(jì)如下其中是個(gè)符號(hào)函數(shù),是絕對(duì)值,E是一個(gè)正的常數(shù),閾值電壓。將<21>和<26>代入<25>,當(dāng)I-1時(shí),,可以得到使用如〔26設(shè)計(jì)的鰭控制角,,當(dāng)時(shí),不等式可以從非零跟蹤誤差矢量E獲得。因此,通過(guò)添加這個(gè)守衛(wèi)鰭控制器,在李雅普諾夫意義上可以保證整個(gè)系統(tǒng)穩(wěn)定。四、實(shí)驗(yàn)結(jié)果與討論為了評(píng)估所提出的控制體系結(jié)構(gòu)的有效性,初步模擬船舶在穩(wěn)定時(shí),海平面建模為一個(gè)一維的線性自由表面。Matlab是用來(lái)進(jìn)行數(shù)值模擬。聯(lián)機(jī)時(shí),大約有四分之三在梯度下降訓(xùn)練產(chǎn)生的后代很好,有1%的染色體各自發(fā)生交叉和變異。在系統(tǒng)中,考慮到穩(wěn)定和控制的限制,參數(shù),和由仿真試驗(yàn)和誤差得到。此外,控制增益和,所以按赫維茨嚴(yán)格的選擇特征多項(xiàng)式,,特征多項(xiàng)式的位于左半復(fù)平面。給定不確定的集總參數(shù)。在這實(shí)驗(yàn)中,位置控制回路的仿真實(shí)驗(yàn)是時(shí)間間隔<1ms>,選擇N=4來(lái)減少計(jì)算每一代的時(shí)間,根據(jù)驅(qū)動(dòng)系統(tǒng)D/A轉(zhuǎn)換的分辨率,染色體的邊界為正負(fù)10A。比較zhou和lai的模糊遺傳算法控制器<GAFC>[16]]和lin的PID遺傳算法控制器<GAPIDC>[15],用于船舶橫搖穩(wěn)定系統(tǒng)的軌跡跟蹤仿真。在GAFC中,GA用于優(yōu)化歸屬函數(shù)和控制規(guī)則,在GAPIDC中,在周期性正弦命令下,GA用于優(yōu)化比例、積分和微分參數(shù)的反應(yīng)及在GAFC和GAPIDC中橫搖角、鰭控制角的反應(yīng)。分別如圖3<a>、<b>和圖3<c>、<d>所示。根據(jù)數(shù)值模擬的結(jié)果,由于不確定性和隨機(jī)搜索過(guò)程的影響,導(dǎo)致性能的退化。此外,還存在潛在的系統(tǒng)穩(wěn)定性問(wèn)題。為了突出GAPIDC包含傳統(tǒng)遺傳算法控制器〔SGAC的優(yōu)點(diǎn)[22],SGAC被應(yīng)用到同一船舶輥穩(wěn)定系統(tǒng)。在周期性正弦命令下翻滾角和鰭控制角的反應(yīng)如圖4<a>和<b>。從仿真的結(jié)果明顯看出,在隨機(jī)搜索過(guò)程中有嚴(yán)重的抖振和跟蹤反應(yīng)差的現(xiàn)象。盡管它可以調(diào)整常數(shù)K或E來(lái)降低跟蹤誤差,但在監(jiān)控時(shí)就會(huì)導(dǎo)致很大的震顫,更嚴(yán)重的是震顫的控制角不適合實(shí)際的主動(dòng)鰭控制。圖3：在正弦命令中,常規(guī)GAFC和GAPIDC的.模擬結(jié)果圖4。在正弦命令中,傳統(tǒng)SGAC和GHGAFC的模擬結(jié)果所以,在圖2中GHGAFC應(yīng)用于相同的船搖穩(wěn)定系統(tǒng)。在周期性正命令下,弦橫搖角和鰭控制角的反應(yīng)如圖4所示。從仿真結(jié)果表明,該GHGAFC具有學(xué)習(xí)能力和良好的自組織性能,甚至在不確定系統(tǒng)動(dòng)力學(xué)中,利用誤差反向傳播的遺傳操作取代隨機(jī)處理。此外,啟發(fā)式遺傳操作減少了抖振現(xiàn)象。在周期性正弦命令下,模擬比較GAFC,GAPIDCSGAC和GHGAFC的誤差均方根<MSE>和最大誤差<maxe>如表1所示誤差均方根的衡量標(biāo)準(zhǔn)定義為其中,是控制時(shí)間內(nèi)的跟蹤誤差和M是整個(gè)控制間隔數(shù)。觀測(cè)tablei的仿真數(shù)據(jù),與其他控制方案相比,GHGAFC控制具有更優(yōu)越的性能。五、結(jié)論在這篇研究中,主動(dòng)式船舶鰭輥穩(wěn)定系統(tǒng)中守衛(wèi)啟發(fā)式遺傳算法鰭控制器<GHGAFC>得到了發(fā)展。在GHGAFC中,用梯度下降訓(xùn)練嵌入到傳統(tǒng)遺傳算法來(lái)構(gòu)造主控制器,添加守衛(wèi)鰭控制器<GFC>保證李雅普諾夫意義上的穩(wěn)定性。此外,提供了數(shù)值模擬和實(shí)驗(yàn)結(jié)果來(lái)驗(yàn)證所提出的控制器的有效性。相比最近發(fā)表的船舶鰭輥穩(wěn)定控制方法,提出GHGAFC具有的一些特點(diǎn):1自組織性好,即使誤差反向傳播的遺傳算子在引入遺傳算法的過(guò)程中出現(xiàn)的外部影響。2實(shí)數(shù)被用來(lái)代表候選解以節(jié)省執(zhí)行時(shí)間。3>控制框架簡(jiǎn)單,因?yàn)橹挥幸粋€(gè)最佳的染色體或兩個(gè)更好的染色體被選中執(zhí)行。4>在約束區(qū)域內(nèi)保護(hù)鰭控制器<GFC>添加到主控制器去穩(wěn)定系統(tǒng)的狀態(tài)。5穩(wěn)定控制器的成本可以減少,因?yàn)橹灰粋€(gè)緊湊的外圍陀螺儀和加速度計(jì)。感謝XX國(guó)家科學(xué)委員會(huì)資助這項(xiàng)研究101-2221-e-034NSC007—參考文獻(xiàn)：[1]R.MoalejiandA.R.Greig,"Onthedevelopmentofshipanti-rolltanks,"OceanEng.,vol.34,pp.103-121,2007.[2]T.PhairohandJ.K.Huang,"AdaptiveshiprollmitigationbyusingaU-tubetank,"OceanEng.,vol.34,pp.403-415,2007.[3]O.A.MarzoukandA.H.Nayfeh,"Controlofshiprollusingpassiveandactiveanti-rolltanks,"OceanEng.,vol.36,pp.661-671,2009.[4]O.Schlick,"Gyroscopiceffectsofflyingwheelsonboardships,"Trans.Inst.ofNav.Archit.,pp.46,1904.[5]Y.G.Kim,S.Y.Kim,H.T.Kim,S.W.Lee,andB.S.Yu,"Predictionofthemaneuverabilityofalargecontainershipwithtwinpropellersandtwinrudders,"J.MarineScienceandTechnology,vol.12,pp.130-138,2007.[6]K.Hasegawa,D.Kang,M.Sano,andK.Nabeshima,"StudyonthemaneuverabilityofalargevesselinstalledwithamarinertypeSuperVecTwinrudder,"J.MarineScienceandTechnology,vol.11,pp.88-89,2006.[7]S.Surendran,S.K.Lee,andS.Y.Kim,"Studiesonanalgorithmtocontroltherollmotionusingactivefins,"OceanEng.,vol.34,pp.542-551,2007.[8]T.PerezTandG.C.Goodwin,"Constrainedpredictivecontrolofshipfinstabilizerstopreventdynamicstall,"ControlEng.Practice,vol.16,pp.482-494,2008.[9]M.C.Fang,Y.Z.Zhuo,andZ.Y.Lee,"Theapplicationoftheself-tuningneuralnetworkPIDcontrollerontheshiprollreductioninrandomwaves,"OceanEng.,vol.37,pp.529-538,2010.[10]G.HassanandG.Parviz,"Neuralnetwork-PIDcontrollerforrollfinstabilizer,"PolishMaritimeResearch,vol.17,pp.23-28,2010.[11]Q.Zhigang,J.Hongzhang,Z.Aili,andP.Yongjie,"ResearchonamethodtoreducerollandpitchofAUVbasedonactivebionicfinstabilizer,"in2011Proc.ofChineseControlandDecisionConf.,Mianyang,China,May23-25,pp.2778-2782.[12]G.Mamani,J.Becedas,andV.Feliu,"Slidingmodetrackingcontrolofaverylightweightsingle-linkflexiblerobotrobusttopayloadchangesandmotorfriction,"JournalofVibrationandControl,vol.18,pp.1141-1155,2012.[13]D.E.Chaouch,Z.Ahmed-Foitih,andM.F.Khelfi,"Aself-tuningfuzzyinferenceslidingmodecontrolschemeforaclassofnonlinearsystems,"JournalofVibrationandControl,vol.18,pp.1494-1505,2012.[14]D.Goldberg,Geneticalgorithms.NewYork:Addison-Wesley,1989.[15]C.L.Lin,H.Y.Jan,andN.C.Shieh,"GA-basedmultiobjectivePIDcontrolforalinearbrushlessDCmotor,"IEEE/ASMETrans.Mechatronics,vol.8,pp.56-65,2003.[16]Y.S.ZhouandL.Y.Lai,"Optimaldesignforfuzzycontrollersbygen