基于ＬＳＳＶＭ的船舶航向模型预测控制

2012年02月14日12:39:30 本网站我要评论(2)字号：T | T | T

关键字：应用

作者：刘　胜，黄少博，常绪成
（哈尔滨工程大学自动化学院）

摘　　　要：针对船舶动态性能具有较强的非线性、大惯性及时变性的特点，采用具有ＲＢＦ核函数的较小二乘支持向量机（ＬＳＳＶＭ），利用其可以任意逼近非线性模型的良好特性实现对船舶模型有效辨识，得到船舶航向控制系统的非线性逼近模型，并将其与模型预测控制方法相结合，将较小二乘支持向量机辨识得到的系统模型作为预测模型，并将系统模型进行线性化并用线性预测控制方法求得解析的控制律，实现对船舶航向的预测控制，达到良好航向保持目的。仿真结果表明，较小二乘支持向量机降低了计算复杂度，且有较快计算速度，在小样本情况下具有良好的泛化能力；基于较小二乘支持向量机的船舶航向预测控制系统对外界干扰及模型参数摄动均具有较好的适应能力以及良好的控制性能。

关　键　词：较小二乘；支持向量机；船舶航向；模型预测控制

引言：船舶航向控制是评判船舶操纵性能好坏的重要标准，航向控制系统性能关系着船舶航行的经济性和安全性。而船舶在海上航行时所受的扰动比较复杂［１］，且没有自身航向稳定性，为保证船舶按照期望航向航行，必须通过控制系统控制转舵以校正由于扰动而产生的偏航。模型预测控制是２０世纪８０年代初发展起来的控制算法，利用动态模型预测系统未来行为［２３］，并根据模型对系统进行优化控制，具有控制效果好、鲁棒性强及对模型精度要求不高等优点，是具有代表性的预测控制算法。由于船舶参数具有较强的非线性，并且装载变化等会引起参数摄动，不易建立准确的数学模型［４］，因此本文选择利用较小二乘支持向量机［５６］（ＬＳＳＶＭ）解决航向非线性建模问题［７］，与传统支持向量机相比，避免了求解ＱＰ方程，学习速度快，且具有较好的推广性和很强的鲁棒性，有效防止过学习现象［８］。将得到的航向非线性逼近模型应用于模型预测控制算法，采用多步预测、滚动优化及反馈校正等控制策略，得到较好的船舶航向控制效果。

登录网站后可下载文件

基于ＬＳＳＶＭ 的船舶航向模型预测控制

相关阅读:

基于ＬＳＳＶＭ的船舶航向模型预测控制