基于Koopman算子的数据驱动全局线性预测及船舶横摇控制系统实时控制方法研究

《Oceans》:Research on Data-Driven Linear Prediction and Real-Time Control Method for Ship Rolling Control System in Beam Sea

【字体: 大 中 小 】 时间:2026年06月28日 来源:Oceans 1.6

编辑推荐:

  预测船舶在波浪中的运动趋势对于安全航行与作业至关重要。现有的预测模型大多基于局部线性动力学假设,在理想化海洋环境中能够取得良好性能。然而,船舶通常在包含规则或不规则波浪的真实海洋环境中航行,这使得船舶运动估计模型的鲁棒性与实时性显得尤为重要。为克服上述局限,本

  
预测船舶在波浪中的运动趋势对于安全航行与作业至关重要。现有的预测模型大多基于局部线性动力学假设,在理想化海洋环境中能够取得良好性能。然而,船舶通常在包含规则或不规则波浪的真实海洋环境中航行,这使得船舶运动估计模型的鲁棒性与实时性显得尤为重要。为克服上述局限,本文提出了一种基于Koopman算子的全局线性预测器(Global Linear Predictor, GLP),该预测器能够有效表征船舶的非线性横摇动力学特性。进而,该GLP模型被用于实时预测与控制船舶的横摇运动。所提方法在规则波及不规则波环境中均进行了验证。仿真实验结果表明,相较于其他经典方法,该方法在船舶横摇动力学预测中的精度提高了约14%;并且在所有波浪条件下均实现了超过91%的横摇减摇效率,显著降低了船舶横摇幅值。
船舶在风、浪作用下会产生位移与振荡运动,这些运动通常涉及六个自由度(Six Degrees of Freedom, 6 DOF)且相互耦合,其中横摇(roll)运动由于船舶的几何特性及恶劣海况下的倾覆风险而尤为关键。现有减摇措施主要包括改善船舶水动力性能与安装附加减摇装置两类:被动减摇如舭龙骨通过与水相互作用产生横摇阻尼力矩,但其减摇效能有限;主动减摇装置包括舵、减摇鳍、减摇水舱及陀螺减摇器等。基于舵的减摇研究通常依赖包含纵荡、横荡、艏摇和横摇的四自由度船舶动力学模型,但不同自由度间的耦合引入了强非线性,给控制器带来较高计算负担。相比之下,配备专用减摇装置的船舶动力学常被简化为单自由度横摇模型以降低计算复杂度,然而横摇运动本身具有固有非线性,且横摇水动力系数难以通过理论计算准确获取,尤其在真实海况下不规则波的频率与幅值变化时,预测精度与由非线性动力学引起的计算延迟成为横摇控制的核心挑战。

现有研究针对非线性船舶横摇动力学的状态预测与控制问题,大致可分为非线性控制方法与基于线性控制的方法两类。非线性控制算法如滑模控制通过强制系统在滑模面附近运行以补偿非线性项,但可能存在抖振问题;模型预测控制(Model Predictive Control, MPC)虽能提高控制精度并缓解振动,但直接求解非凸非线性优化问题会增加计算延迟,限制其在实时横摇控制中的应用。经典线性控制器在实际应用中虽具较好实时性,但其状态预测依赖局部线性化模型,通常忽略高阶项,在小横摇角假设(一般小于30度)下可靠性较高,而在大幅值或不规则波条件下可能引入预测误差,降低控制精度。

基于此,研究人员提出了一种基于Koopman算子理论的数据驱动全局线性预测器,其核心思想是将非线性动力学通过提升映射(lifting map)嵌入高维空间,使提升后状态演化可由线性模型近似。由于该预测器从船舶横摇数据中辨识得到,可减少对解析水动力系数的依赖并提高预测精度。进而,研究人员将所提预测器与线性MPC框架结合,以陀螺减摇器产生的稳定力矩抵消波浪扰动,实现多样化海况下的船舶横摇控制。该研究的主要贡献包括:开发了面向非线性船舶横摇动力学的数据驱动全局线性预测器;将预测器与线性MPC集成以实现基于陀螺减摇器的实时横摇控制;并在规则波及不规则波条件下验证了预测精度与减摇性能。

研究人员采用的关键技术方法涉及以下核心内容:基于Koopman算子的全局线性预测框架构建,通过扩展动态模式分解(Extended Dynamic Mode Decomposition, EDMD)方法实现有限维近似;线性模型预测控制器设计,将预测问题转化为凸二次规划(Quadratic Programming, QP)求解;系统稳定性基于Lyapunov理论进行分析验证;数值仿真实验涵盖规则波及基于ITTC双参数波谱的不规则波环境,波浪参数依据北大西洋典型海况设置。仿真所用船舶及陀螺减摇器参数基于实验室实验测量数据,其中JH-7500船型水动力参数及陀螺减摇器参数直接来源于实际装置。

线性预测仿真结果表明:通过比较高斯、多项式、三角函数及混合观测器四类提升函数,高斯观测器在所有测试配置中 consistently 取得最佳预测精度,其平均均方根误差(Root Mean Square Error, RMSE)随提升维度增加从4.90%降至3.10%,表明高斯径向基函数对非线性横摇动力学具有强局部逼近能力;三角函数观测器表现次之,表明周期基函数在描述船舶横摇振荡特性方面效果良好;多项式观测器虽能部分捕捉非线性恢复力矩,但精度逊于前两者;混合观测器表现稳定但未能超越高斯观测器。与经典局部线性预测器(Local Linear Predictor, LLP)相比,GLP算法对船舶横摇角、横摇角速度、陀螺进动角、进动角速度及电机电流五项状态变量的预测误差均更低,因其通过非线性系统在全状态空间的行为数据实现精确建模,而非仅在平衡点线性展开。

控制器对比仿真实验设置六种波浪环境(含一种规则波及五种不规则波),将基于GLP的GMPC与线性MPC(LMPC)及非线性MPC(NMPC)进行比较。规则波环境下,无控制船舶自由横摇角可达4度,三种控制器均能有效降低横摇;GMPC产生的控制力矩与波浪扰动力矩形状趋势一致且更为接近,力矩误差小于5 N·m,陀螺进动角速度更高,船舶横摇角在零度附近小幅波动。不规则波环境(以Case 4为例)下,波浪扰动力矩幅值与频率随时间变化,LMPC与NMPC的陀螺稳定力矩与波浪扰动力矩误差超过150 N·m,而GMPC保持全局鲁棒性,即使在最严重扰动期间(40–42 s)仍能维持控制精度,船舶横摇角幅值明显更小。横摇响应幅值算子(Response Amplitude Operator, RAO)结果显示,从无控制到有控制状态,三种控制器均能有效抑制横摇,且GMPC在所有波浪条件下consistently实现最低横摇RAO, Sea State 1至Sea State 5条件下优势愈发显著。

综合仿真结果统计(10次重复 simulation 平均值)显示:无控制船舶横摇标准差从Case 1的3.80度增至Case 6的12.71度;GMPC在所有工况下保持约90%减摇效率,规则波下达91.75%,显著高于LMPC的90.06%及NMPC的75.17%,且在不规则波中该优势进一步扩大。计算耗时方面,GMPC每步平均低于0.5 ms,与LMPC相当,而NMPC超过20 ms,远大于10 ms的控制采样间隔,导致控制动作延迟与性能退化。

讨论部分首先分析了Koopman提升参数的影响:提升维度增加通常降低预测RMSE,但性能提升 gradually diminishes 而计算复杂度持续增加,需权衡精度与效率;高斯基函数在本研究非线性横摇动力学中表现最优。其次验证了所提控制器在波浪扰动与测量噪声下的鲁棒性:LMPC与NMPC在不规则波及噪声联合作用下控制效率明显退化,而GMPC保持约90%减摇效率,表明Koopman预测器在含噪测量与不确定扰动下仍保有足够预测精度。控制效能与实时性方面,GMPC同时实现了最优减摇性能与极低计算成本,成功结合LMPC的计算效率与NMPC的非线性表征能力。研究局限性包括:Koopman算子基于离线仿真数据辨识,预测精度依赖数据质量与覆盖度;未显式考虑六自由度运动耦合效应;验证限于数值仿真。未来工作将聚焦于自适应Koopman学习、六自由度运动控制,以及硬件在环与物理模型试验验证。

研究结论指出:本文提出了一种基于高斯提升的船舶横摇减摇模型预测控制框架,通过Koopman算子将非线性横摇动力学转化为提升线性状态空间表示,在线性MPC框架内实现高效预测与控制,并通过Lyapunov分析保证了闭环系统稳定性。规则波及不规则波条件下的全面仿真表明,所提GMPC在减摇性能、环境扰动与测量噪声鲁棒性以及计算成本方面均优于LMPC与NMPC,每步平均计算时间低于0.5 ms的同时在所有测试海况下保持约90%减摇效率,为实时船舶横摇减摇提供了有效且计算高效的解决方案。未来研究将聚焦于自适应Koopman学习及真实海洋环境中的实验验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号