基于快速预测控制与迭代学习控制的高速多体船抗纵摇优化研究

本研究针对高速多体船在恶劣海况下纵摇-垂荡强耦合运动稳定性下降的问题，提出了一种融合快速模型预测控制（MPC）与单步迭代学习控制（ILC）的混合前馈-反馈控制框架。通过T型翼和襟翼作动器的协同调控，采用动态软约束优化和终端约束解析求解技术，实现了随机与重复波浪干扰的双重抑制。实验表明，该方案使垂荡位移和纵摇角分别降低56.2%和50.1%，单步控制耗时仅1.23 ms，为船舶运动控制提供了实时性强、鲁棒性优的创新解决方案。

　　

在波涛汹涌的海面上，高速多体船凭借其优异的载重能力和航速性能成为海上运输的主力军，但这类船舶面临着一个致命弱点——当遭遇恶劣海况时，船体剧烈的纵摇（pitch）和垂荡（heave）耦合运动会导致稳定性急剧恶化。传统被动式减摇装置如固定攻角鳍板，就像给船装上了"僵硬的翅膀"，难以应对千变万化的波浪扰动；而现有主动控制方法要么计算复杂难以实时实施，要么过度依赖精确的流体动力学模型。更棘手的是，作动器的攻角约束如同"紧箍咒"，稍有不慎就会导致液压系统饱和甚至引发流体动力失速。

针对这一系列挑战，江苏科技大学的研究团队在《Ocean Engineering》发表了一项突破性研究。他们巧妙地将模型预测控制（MPC）的约束处理能力与迭代学习控制（ILC）的周期扰动抑制特性相结合，开发出一套"双管齐下"的控制策略。就像给船舶装上了"智能平衡仪"，这套系统不仅能快速响应随机波浪冲击，还能通过学习记忆重复出现的波浪模式提前做出补偿。

研究团队采用了三项核心技术：首先，创新性地提出动态软约束框架，通过攻角速率正则化参数μ₁和加速度正则化参数μ₂，将硬约束转化为目标函数中的惩罚项，既避免了作动器饱和，又间接抑制了与晕船率密切相关的垂向加速度；其次，开发了基于终端约束的解析预测控制律，利用数值微分-克罗内克积离散化方法，将在线计算负担降低两个数量级；最后，设计单步ILC权重协调机制，仅需前一步跟踪误差即可更新补偿输入，大幅提升了实时性。

【垂直运动模型】
通过建立包含T型翼和襟翼作动器的四自由度状态空间模型（状态矩阵A_d如文中所示），揭示了多体船垂荡-纵摇耦合动力学特性。其中T型翼主要影响附加质量系数，襟翼则调控纵向力矩平衡。

【快速解析MPC】
仿真数据显示，与传统MPC相比，新方法在保持控制精度的同时，单步计算时间从15.6 ms缩短至1.23 ms。特别值得注意的是，通过协调状态加权矩阵Q和控制加权矩阵R，实现了垂荡抑制与纵摇稳定的最优平衡。

【增量状态空间公式】
将原系统转化为包含输入增量的扩展状态空间形式，使ILC能利用"学习-修正"机制前馈补偿重复扰动。实验证明，该方法对周期为5.3 rad/s的遭遇波浪的补偿效率达到92.4%。

【船舶模型实验】
在1:10缩比模型试验中（参数见表6），新方案使垂荡位移标准差从0.21 m降至0.09 m，纵摇角标准差从3.7°减小到1.8°，且作动器攻角始终保持在±12°的安全范围内。

这项研究的意义不仅在于创造了56.2%的垂荡抑制纪录，更开创了复杂海况下船舶智能控制的范式转变。其创新点在于：首次将终端约束引导的解析MPC应用于船舶运动控制；建立了ILC-MPC协同框架的双时间尺度优化理论；开发的动态软约束技术为其他受限控制系统提供了普适性解决方案。正如研究者Zhiyuan Huang和Jun Zhang在文中强调的，该方法无需精确流体力学模型的特点，使其在实船应用中具有显著优势。未来，这项技术有望拓展至智能邮轮减摇、海洋平台稳定等更广阔领域，为"海洋强国"战略提供关键技术支撑。