基于改进粒子群算法的船舶航向PID控制研究

发布时间：2025-01-17 12:16

　　 针对船舶运动具有时滞性特点,传统PID控制航向算法难以达到预期的控制精度,采用改进粒子群优化算法(Particle Swarm Optimization,PSO)对PID控制器参数优化。首先采用Nomoto模型作为船舶运动模型;其次将随机正弦调整策略与概率变异策略相结合对目标函数寻优,提高粒子群在解空间的搜索能力,避免其陷入局部最优解,加快算法收敛速度;最后将优化后的参数输入到控制系统中仿真船舶航向保持运动。仿真结果表明采用改进粒子群优化算法调整PID控制参数提高了船舶的航向控制性能,船舶航向调整时未出现超调,且控制系统可以控制船舶航向稳定在设定航向附近。

【文章页数】：6 页

【部分图文】：

图1 基于PID控制参数调整的船舶航向控制系统

利用PID控制算法实现对船舶航向的控制，其系统流程如图1所示。由于传统PID控制参数一般是经验确定，在外界环境多变时，控制系统的性能会受到很大干扰，控制精度会下降很大。本文利用改进粒子群优化算法确定PID算法的3个参数值，提高PID控制系统的抗干扰能力和控制精度。优化算法的思想是....

图2 基于Simulink仿真工具的船舶航向控制系统模型

本文采用“育龙”轮为研究对象，船舶的自身参数[11]：两柱间长为126m，船宽为8m，方形系数为0.681，满载排水量为14278.12^3，舵叶面积为18.8m2，船速为15kn，重心距中心距离为0.25m。本文中改进粒子群优化算法参数设置：粒子数目为20；加速常数....

图3 优化算法的收敛速度比较

如图3所示，随着迭代次数的增加，采用标准和所有改进粒子群优化算法得到粒子群值最终保持稳定都非常接近，表明所有算法都已收敛，可以确定一组使得控制系统性能最佳的PID参数。本文改机粒子群优化算法在搜索前期具有更小值，迭代次数在2～16次时，粒子陷入局部极值，之后便跳出局部搜索，在解空....

图4 在静水条件下船舶航向角与舵角的变化曲线

利用临界比例法整定PID控制参数，经过多次测试后确定一组PID参数，即KP=3,KI=0.002,KD=40，仿真船舶以5度航向保持直线航行，与采用本文改进粒子群优化PID算法计算的结果进行对比。图4是仿真船舶在静水条件下航向保持运动时的航向角和舵角变化曲线。从图4(a)看出人工....

本文编号：4028049