基于积分视线法的船舶自抗扰轨迹跟踪控制研究

通常采用螺旋桨和舵来控制 船舶在水平面的三个自由度运动,属于欠驱动控制,其轨迹跟踪控制器的设计具有很大的难度。论文将欠驱动水面船舶的轨迹跟踪问题解耦为转首运动控制和纵向运动控制这两个子控制系统,采用积分视线法确定期望首向角和期望纵向速度,通过Lyapunov稳定性理论证明了控制系统的稳定性;采用自抗扰控制技术中的扩张状态观测器设计首向控制器和纵向运动控制器。通过静水和波浪中的直线轨迹跟踪仿真试验,验证了设计的控制器的有效性。

基于陀螺减摇装置的船舶横摇减摇研究

船舶在航行过程中需要减摇系统来抵抗风浪,从而使其能够稳定作业,并提高安全性和船员的舒适度。陀螺减摇装置作为一种非常有效的减摇装置,其优点是其完全在船体内发挥作用,不需要足够的可移动质量来产生控制力矩。该文首先建立了船舶在随机海浪中的非线性波浪力扰动模型,并结合陀螺减摇装置工作原理,建立船舶与陀螺减摇装置联合动力学模型,分别为自然驱动和控制器驱动的2种陀螺稳定器模型,构造了相应的MATLAB Simulink船舶运动控制仿真框图。仿真结果表明:自然驱动和控制器驱动的陀螺稳定器都能通过轮子高速旋转和进动角变化的陀螺效应来减小横摇。与自然驱动的陀螺稳定器相比,控制器驱动的陀螺稳定器能更有效地减少船舶非线性横摇运动。

基于虚实结合的波浪环境下船舶操纵运动机器学习建模研究

实船在波浪中的操纵运动数学建模是船舶操纵性预报的难点。在静水中,实船操纵运动建模相对较易实现,在此基础上结合波浪力数学模型,可以产生虚拟的船舶在波浪中的操纵运动数据,再结合有限的波浪环境实测数据,形成虚实融合的数据,从而可以利用数据驱动手段,开展实船在波浪中的操纵运动数学建模研究。该文以某船为例,基于静水环境下实船实测数据,使用物理内嵌神经网络(physics informed neural network,PINN)辨识船舶操纵运动MMG方程水动力导数。记及波浪力模型后,形成船舶在波浪中操纵运动数学模型,基于此数学模型构造操纵运动数据,再结合有限的波浪环境数据,利用长短期记忆神经网络(long short term memory,LSTM)开展实船在波浪中的操纵运动在线预报研究。