基于BiLSTM预测和ADRC的Stewart平台波浪补偿控制方法研究

《Actuators》：Research on Stewart Platform Control Method for Wave Compensation Based on BiLSTM Prediction and ADRC Zongyu Zhang, Jingwei Li, Jingjin Xie, Hui Zhang, Longfang Zhang and Jian Zhou

　　

海上作业环境具有固有的随机性，波浪、海流和风载荷对船舶姿态和设备稳定性产生显著影响。虽然Stewart平台能够实现主动运动补偿，但传统控制策略常存在时间延迟、执行器滞后以及抗扰能力有限的问题，导致在复杂海况下性能不足。为克服这些限制，本文提出了一种集成深度学习预测与自抗扰控制（ADRC）的Stewart平台波浪补偿控制策略。研究人员开发了一个双向长短期记忆（BiLSTM）网络来提前预测船舶姿态，通过Stewart平台逆运动学将预测姿态转换为执行器位移指令，并设计基于ADRC的位移控制器以在波浪扰动下实现快速鲁棒补偿。在Simulink和Simscape中建立了双体船和Stewart平台的六自由度（6-DOF）动力学模型，并利用增强型联合北海波浪计划（JONSWAP）波浪谱模拟了海况2级、4级和6级。仿真结果表明，与比例-积分-微分（PID）和ADRC方法相比，所提出的BiLSTM-ADRC策略将横摇均方根误差（RMSE）分别降低了76.6%和73.2%，将纵摇RMSE分别降低了64.1%和58.1%，展现出更优的姿态稳定性能。

**论文解读：基于BiLSTM预测与ADRC的Stewart平台波浪补偿控制方法研究**

**一、研究背景与问题**

在真实海洋环境中，风、浪、流等持续随机扰动会引发船舶显著的姿态运动，严重威胁船载精密设备的稳定性与作业安全。为缓解这些影响，在船体与负载之间安装的船载Stewart平台成为极具前景的波浪补偿解决方案。然而，Stewart平台固有的强耦合与显著非线性特性对控制系统的实时性、精度和鲁棒性提出了严苛要求。现有研究已提出多种控制策略，如滑模控制、模型预测控制（MPC）及深度学习增强方法，但在复杂海况下，Stewart平台控制的可靠部署仍受限于两大技术挑战：第一，抗扰能力受限于平台强非线性、时变的环境载荷（波浪、风、流），这会破坏闭环稳定性与鲁棒性；第二，控制回路存在明显的延迟致滞现象，姿态传感、计算和执行器动作中不可避免的延迟在严重海况和高频激励下引入相位滞后，导致补偿滞后于实际船舶运动，从而降低姿态稳定与控制精度。

**二、研究目的与意义**

为克服上述局限，本文提出一种集成深度学习预测与自抗扰控制（ADRC）的波浪补偿控制策略，旨在增强复杂海况下船载设备的姿态稳定性。该策略通过提前预测船舶姿态并施加前馈补偿，有效缓解系统时延对补偿精度的不利影响，同时利用ADRC的强抗扰能力实现对外部扰动的实时跟踪与抑制。研究在《Actuators》期刊发表，为船载Stewart平台的高精度运动补偿提供了新的工程可行方案。

**三、主要关键技术方法**

1. **双向长短期记忆（BiLSTM）网络**：用于船舶姿态时间序列预测，通过双向时序依赖提取历史与未来趋势信息，提升非平稳序列的建模能力。
2. **自抗扰控制（ADRC）**：包含跟踪微分器（TD）、非线性状态误差反馈（NLSEF）和扩张状态观测器（ESO），用于实时估计并补偿总扰动。
3. **比例速度控制**：与ADRC位置控制构成级联架构，增强系统阻尼，抑制超调与振荡。
4. **增强型JONSWAP波浪谱**：模拟海况2、4、6级，结合六自由度（6-DOF）双体船动力学模型与Simscape多体动力学Stewart平台模型进行仿真验证。

**四、研究结果**

**4.1 海况模拟与姿态响应**：在三种海况下，船舶横摇和纵摇幅度随海况增强而显著增大，海况6级时横摇幅度达±0.6 rad，纵摇约±0.22 rad，呈现高频剧烈不规则振荡，横摇成为主导运动模式。

**4.2 预测性能对比**：BiLSTM模型在1 s预测步长下优于LSTM和BP神经网络，在所有海况下误差更小，且误差分布更集中，异常值更少。海况3级时，BiLSTM的横摇RMSE和MAE较LSTM降低约30%和25%，MAPE同样显著降低，表明双向结构在强波浪扰动下的预测稳定性优势。

**4.3 波浪补偿效果**：引入预测补偿后，Stewart平台在三种海况下均有效抑制了横摇和纵摇振荡。海况2级时横摇峰值从±0.05 rad降至±0.025 rad（降幅50%）；海况4级时横摇降幅达76.4%（从±0.17 rad降至±0.04 rad）；海况6级时横摇降幅55.6%（从±0.45 rad降至±0.2 rad），纵摇降幅50%，验证了预测补偿在恶劣海况下的显著效果。

**4.4 多模型补偿性能对比**：与PID、ADRC、NMPC、LSTM-PID、LSTM-ADRC、BiLSTM-PID等方法相比，BiLSTM-ADRC在所有海况下均取得最优补偿性能。海况6级时，BiLSTM-ADRC的横摇RMSE为0.0940，较PID降低74%；纵摇RMSE为0.0390，较ADRC降低62.8%。雷达图表明BiLSTM-ADRC在误差指标上覆盖面积最大，综合性能最均衡。

**五、讨论与结论**

**讨论部分总结**：本文方法在预测精度和补偿控制上仍有提升空间，尤其在极端海况或长时序预测场景下。ADRC控制器参数依赖经验整定，参数调整过程复杂。未来研究可引入注意力机制或其他先进神经网络架构提升预测精度，同时采用在线自适应或强化学习方法优化控制参数，进一步增强系统波浪扰动补偿能力。

**研究结论**：本研究提出了一种集成深度学习预测与自抗扰控制的Stewart平台波浪补偿策略，旨在增强复杂海况下船载设备的姿态稳定性。该方法利用BiLSTM模型主动预测船舶姿态，有效解决了运动补偿过程中的时延问题，并与级联ADRC控制器结合，在存在显著外部扰动时实现鲁棒的波浪补偿控制。仿真结果表明，所提方法在补偿横摇和纵摇角度方面显著优于PID、ADRC、NMPC、LSTM-PID、LSTM-ADRC和BiLSTM-PID等对比控制策略，不仅提升了系统抗扰能力，还改善了实时响应性能。