面对数据丢包的船舶航向保持网络预测控制器

摘要：

针对网络控制系统中存在的数据丢包问题，使用一种带有常值补偿机制的广义预测控制（Generalized Predictive Control，GPC）算法设计船舶航向保持的网络预测控制器.首先，利用TrueTime工具箱仿真使用传统GPC算法设计的船舶航向保持的网络预测控制器.然后，考虑数据丢包对船舶航向保持的网络控制系统造成的影响，使用带有常值补偿机制的GPC算法设计一种新的船舶航向保持的网络预测控制器并进行仿真.仿真结果表明，在数据丢包情况下，采用新方法设计的控制器可以减少船舶航向调节时间，从而改善船舶航向保持的网络预测控制器的控制效果.

关键词：

船舶航向保持； 网络控制系统； 数据丢包； 补偿机制； 广义预测控制（GPC）

中图分类号： U661.334；TP274

文献标志码： A

基金项目： 国家自然科学基金（61203110）；上海市教育委员会科研创新项目（12ZZ155， 14YZ107）；上海海事大学校基金（20130475）

作者简介： 张艳（1977—），女，山东日照人，副教授，博士，研究方向为复杂系统的控制与优化、网络预测控制，（Email）zhangyan@shmtu.edu.cn

0引言

船舶航向保持控制是船舶控制系统中的重要环节，对于船舶安全航行具有重要意义.从20世纪90年代开始，随着控制论的逐渐丰富，产生许多新型的控制算法，如神经网络、模糊控制、鲁棒控制等.这些算法都不同程度地被运用到船舶航向保持控制器的设计中，进而也丰富发展了船舶航向保持控制系统的设计理念.

在实际的船舶航向保持控制系统中运用得最多的是比例积分微分（Proportion Integration Differentiation， PID）自动舵和自适应自动舵.PID算法是一种经典控制方法，具有直观、简单等特点，因而大部分船舶控制系统仍采用PID自动舵.PID自动舵往往以确定的模型为被控对象，且需要经验丰富的专业人员根据实际运动情况和操作经验实时调整控制器参数，因而船舶航向保持的实际控制效果受到人为因素的影响.人为因素对采用自适应自动舵船舶的影响小于对采用PID自动舵船舶的影响.

随着各种先进通信设备被运用于船舶上，船舶控制室内的设备布线更加复杂，设备维护和故障诊断成本更加昂贵，而网络控制技术的快速发展为这一问题的解决提供可能.网络控制系统（Networked Control System， NCS）是一种由传感器、控制器和执行器通过通信网络形成的闭环控制系统，可实现网络资源共享，并增加系统可靠性.如今，网络控制技术已被成功应用在一些大型工业生产过程中，并带来可观的经济效益，但在网络通信过程中网络带宽有限且为各个节点共享，因而不可避免地带来数据碰撞、数据丢包和网络拥堵等问题.

本文使用网络实时控制TrueTime工具箱仿真船舶航向保持控制系统，控制信号和反馈信号均通过网络发送和接收，利用广义预测控制（Generalized Predictive Control，GPC）算法设计控制器，仿真网络信号传输过程中数据发生丢包情况下的控制效果，并根据仿真效果，采用一种定值补偿机制，对船舶航向保持控制器进行改善，从而优化发生数据丢包情况下的船舶航向保持控制效果.

2仿真分析

利用TrueTime工具箱中的模块在MATLAB/Simulink中构建相应的NCS模型.采用K=0.14和T=13.33的Nomoto模型作为船舶运动数学模型，利用传统GPC算法设计控制器，仿真结构见图3.

图3中的模块分别为干扰、执行器、控制器、传感器和网络模块.网络模块中的参数设置：网络模式采用CSMA/AMP（CAN），通信速率采用80 000 bit/s.

2.1无数据丢包情况下的仿真

在网络中不存在数据丢包的情况下设计GPC算法，其参数设置：最小输出长度为1，预测长度为34，控制长度为6，输出柔化系数为0.65.

设计期望航向为[-5°，5°]的方波信号，仿真时间400 s，以此检验控制效果，仿真效果见图4.仿真结果表明，在网络不存在数据丢包的情况下，GPC算法设计的控制器能够快速地完成对船舶航向轨迹的跟踪，满足船舶航向保持的网络控制器的设计要求.

2.2存在数据丢包情况下的仿真

在TrueTime工具箱中可以通过设置TrueTime Network模块中的Loss Probability（01）参数设置数据在网络传输过程中丢失的可能性.数据丢失会占用网络带宽，但数据不会到达目的地.在GPC算法的参数设置与无数据丢包时的参数设置相同的情况下，仿真该航向保持控制系统.数据丢包率分别为20%，30%和35%时的控制效果分别见图5～7.

对比仿真波形图可以发现：数据丢包率为20%时，使用GPC算法设计的控制器基本可以满足航向保持控制要求，但会出现超调现象，并且当期望轨迹发生变化时，控制器的调节时间会增加；数据丢包率为30%时，控制效果大幅下降，出现较大超调；数据丢包率为35%时，控制器已经基本不能跟踪期望轨迹，并且会出现系统变得不稳定的危险情况.为验证加入补偿机制的控制器的可行性，在数据丢包率为20%的网络系统中，分别仿真无补偿机制和有补偿机制的两种控制器，比较其航向输出数据.设置期望航向为+5°的阶跃信号，GPC算法的参数设置不变.仿真效果见图8.由图8可知，数据丢包率为20%时使用带有补偿机制的GPC算法设计控制器，调节时间由30 s减少到20 s，且不存在超调.这表明加入补偿机制的控制器可以降低网络中数据丢包对船舶航向保持控制造成的影响，使得控制更加准确.3结束语

介绍一类船舶平面运动的数学模型，利用TrueTime工具箱设计船舶航向保持的网络预测控制器，研究在不同数据丢包率情况下的控制效果.仿真结果表明，在船舶航向保持的NCS中，网络数据丢包率过大会降低船舶航向保持控制效果，甚至会导致系统不稳定而给船舶安全航行带来隐患.根据数据丢包率为20%时的仿真效果，使用带有常值补偿机制的GPC算法设计船舶航向保持控制器，可以改善数据丢包对船舶航向造成的影响，具有一定的实际推广价值.

参考文献：

[1]张显库， 贾欣乐. 船舶运动控制[M]. 北京： 国防工业出版社， 2006： 29.

[2]刘晓明， 鲍敏中， 汤天浩， 等. 一种模糊自整定PD航向控制系统的设计[J]. 上海海运学院学报， 2003， 24（3）： 205209.

[3]孟浩， 赵国良. 基于神经网络参考模型的船舶航向智能自适应控制系统[J]. 哈尔滨工程大学学报， 2003， 24（4）： 395399.

[4]苗保彬， 李铁山， 罗伟林， 等. 基于DSC和MLP的船舶航向跟踪控制[J]. 大连海事大学学报， 2013， 39（4）： 58.

[5]叶宝玉， 王钦若， 熊建斌， 等. 船舶航向非线性Backstepping自适应鲁棒控制[J]. 控制工程， 2013， 20（4）： 607610.

[6]王立军， 张显库. 减摇航向自动舵的简捷鲁棒优化控制算法[J]. 大连海事大学学报， 2013， 39（1）： 15.

[7]彭秀艳， 张文颖， 贾书丽， 等. 基于BP算法的船舶航向模糊PID控制研究[J]. 控制工程， 2013， 20（4）： 623626.

[8]蒋娇， 李丽娜， 陈国权， 等. 基于SIHC仿真平台的船舶航向控制算法性能测试[J]. 上海海事大学学报， 2013， 34（4）： 1317， 81.

[9]季本山. 基于PLC的模糊PID船舶自动舵[J]. 上海海事大学学报， 2009， 30（4）： 5762.

[10]DU J， ABRAHAM A， YU S， et al. Adaptive dynamic surface control with Nussbaum gain for coursekeeping of ships[J]. Engineering Applications of Artificial Intelligence， 2014， 27： 236240.

[11]SAARI H， DJEMAI M. Ship motion control using multicontroller structure[J]. Ocean Eng， 2012， 55： 184190.

[12]罗伟林， 邹早建， 李铁山， 等. 船舶航向非线性系统鲁棒跟踪控制[J]. 控制理论与应用， 2009， 26（8）： 893895.

[13]张显库， 王新屏， 朱璐. 关于船舶Nomoto模型的进一步思考[J]. 航海技术， 2008（2）： 24.

[14]CLARKE D W， MOHTADI C， TUFTS P. Generalized predictive control： part I and II[J]. Automatica， 1987， 23（2）： 137160.

[15]俞立， 张文安. 网络化控制系统分析与设计——切换系统处理方法[M]. 北京： 科学出版社， 2012： 219222.