基于PSD算法的船舶航向单神经元PID控制王艳，袁赣南(哈尔滨工程大学407教研室，哈尔滨，150001)摘要：本文详细分析了单神经元自适应PID控制算法，为了弥补其增益不具有在线学习自动调整功能的缺点，对其进行了改进，将自适应PSD控制器中递推计算并修正增益的方法应用到单神经元自适应PID控制算法中，以组成具有自动调整增益的单神经元自适应PSD控制器。最后利用基于MATLAB语言的S函数来实现单神经元自适应PSD控制算法，并将其应用到船舶航向控制系统的Simulink仿真模型中，仿真结果证实了此算法的有效性。关键词：PSD算法；航向控制；单神经元PID控制；Simulink仿真模型：U661.3文献标识码：A1引言在船舶操纵控制中，传统PID控制规律的自动操舵仪是性能比较完善的自动舵，也是一种精确的航向保持自动控制系统。但是PID自动舵不能随着船舶动态特性和海况的变化自动调节参数，而是依靠人工，凭借经验和判断进行参数的整定，实现间断有限的调节，所以PID参数一般不能处于最佳工作状态；而且PID自动舵由于对高频海浪干扰采取高频转舵实际上是无效舵，这将导致船舶阻力增加，引起推进能耗增加，机械磨损增大。针对上述问题，为了为满足实际要求，必须寻求更好的控制方法。近年来，神经网络由于具有自学习、自组织、联想记忆和并行计算等功能，因而受到了控制界的关注，在系统辨识与控制中得到了应用。例如应用具有自学习和自适应能力的单神经元构成的单神经元PID控制，不但结构简单，且能适应环境变化，进行参数实时在线调整，具有较强的鲁棒性。本文正是基于此对船舶航向自适应PID控制系统进行了一定的研究，仿真结果显示了论文提出的方法的合理性和有效性。2单神经元自适应PID控制增量式PID控制规律可用差分方程表示为：（1）式中：为比例增益，为积分数，为微分系数；。用单神经元实现自适应PID控制的结构框图如图1所示。图1单神经元自适应PID控制器结构框图图中转换器的输入反应被控过程及控制设定的状态。设为设定值，为输出值，经过转换器后转换成为神经元的输入量，，分别为：为性能指标或递进信号。为对应于输入的加权系数，为神经元的比例系数，>0。单神经元自适应PID的控制算法为：神经元自适应控制器通过加权系数的调整来实现自适应、自组织功能，当加权系数的调整采用有监督的Hebb学习规则时，将得到下式（4）所示的用单神经元组成的简单自适应PID控制系统的学习方法：式中：，，—积分、比例、微分的学习速率。3单神经元自适应PSD控制神经元自适应PID控制虽具有在线学习和自适应调整PID参数功能，但增益不具有在线学习自动调整的功能。这是其不足之处，需待进一步改进。为此将自适应PSD控制算法引入单神经元自适应PID控制器中，以组成具有自动调整增益的单神经元自适应PSD控制器。由Marsik和Strejc提出的无需辨识的自适应控制算法，其机理是：根据过程误差的集合特性建立性能指标，从而形成PSD(即比例、求和、微分)控制规律。该方法无需辨识过程参数，只要在线检查过程的期望输出和实际输出，即可形成自适应规律。Marsik和Strejc给出的递推增益公式为：(6)（5）（2）（3）（4）其中，，，为符号函数。由式（5）和（7）可看出是单调增加的，且当时取，即当控制误差改变符号时，增益下降到上一时刻值的75%。将自适应PSD控制算法与单神经元自适应PID控制器结合起来构成单神经元自适应PSD控制器，其结构框图如图2所示，图中符号意义同图1。图2单神经元自适应PSD控制单神经元PSD控制算法如下：若，则：式中，。否则：（12）上述几式中：，。4仿真研究在仿真实验中，采用的仿真对象参数为：船长L为126m，船宽B为20.8m，满载吃（9）（10）（11）（8）（7）020040060080010001200140016001800200005101520253035/时间秒/航向度单神经元自适应PID控制航向变化曲线0200400600800100012001400160018002000-30-20-10010203040/时间秒/舵角度单神经元自适应PID控制舵角变化曲线水d为8.0m，方形系数为0.681。船舶运动模型的量纲一参数T'，K'通过计算求得分别为T'=13.88和K'=7.9269。设船舶操纵时的初始速度=7.2m/s，则船舶运动模型的标称参数分别为=242.9和=0.453。船舶运动的数学模型为...