Nghiên cứu tự động điều khiển tàu thủy cập cầu dựa trên các bộ điều khiển mạng thần kinh nhân tạo và tàu lai

KHOA HỌC CÔNG NGHỆ sửoa/2022 Nghiên cúu tự động điều khiển tàu thủy cập cẩu dựa điều khiển mạng thần kinh nhân tạo tàu lai ■ TS NGUYỄN VĂN SƯỚNG; ThS PHẠM QUANG THỦY; ThS PHẠM VÃN LUÂN Trường Đợi học Hàng hài Việt Nam TÓM TẮT: Tự động điều khiển tàu cập cầu xem toán phức tạp lĩnh vực điều khiển tàu thủy đặc tính động học phi tuyến hệ thống điều kiện tốc độ thấp Trong báo này, hệ thống tự động cập cầu tàu thủy đề xuất dựa mạng thần kinh nhân tạo tàu lai Hệ thống đề xuất có khả thực hai giai đoạn toán cập cầu tàu: giai đoạn thứ nhất, tàu điểu động để tiếp cận cầu bánh lál chân vịt; giai đoạn hai, tàu đưa vào cầu cách sủ dụng tàu lai Để xác thực tính khả thi hệ thống đề xuất, mơ số thực TỪ KHĨA: Cập cầu tàu, mạng thần kinh nhân tạo, tàu lai, mơ hình điểu động tàu thủy ABSTRACT: Automatic ship berthing is known as one of most difficult issues in the fields of the ship control due to high nonlinear features of the ship dynamic under low speed In this paper, an automatic system for the ship berthing is proposed based on neural networks and tugboats The proposed system has ability to conduct two stages of ship berthing: the first stage, the ship is controlled using the rudder and propeller; the second one, the ship is pushed into the wharf by tugboats for crabing motion To verify the effectiveness of the proposed system, a numerical simulation is carried out KEYWORDS: Ship berthing, neural networks, tugboat, MMG maneuvering model trình cập cầu Việc hiểu mạng thầr kinh nhân tạo giống người máy trang bị kiếr thức vể cập cầu người để ứng dụng vào toán tỊ động cập cầu Nghiên cứu [1 ] để xuất hệ thống tự động cập cầu với đầu vào điều khiển yếu tố: vị trí tàu, hướng mũ tàu, tốc độ tàu để điểu khiển bánh lái chân vịt tiếp cận cẩu Giải toán khác huấn luyện mạng thẩn kinh Nghiêr cứu [2, 3] đề xuất hệ thống cập cẩu tàu đa nhiệm gơm đầu vào góc mạn tiếp cận khoảng cách từ tàu đến cẩu cảng, điểm đóng góp nghiên cứu hệ thống cập cẩu để xuất áp dụng với nhiểu cảng khác xuất phát từ hai mạn tàu khác mà không cẩn phải huấn luyện lại mạng Nghiên cứu [4] để cập mạng thần kinh tách kênh cho toán cập cầu, ưu điểm cấu trúc mạng nâng cao chất lượng điểu khiển Ảnh hưởng gió nghiên cứu với hệ thống điểu khiển cập cẩu với cấu trúc mạng thần kinh tách kênh [5] Mặc dù có kết đáng kể việc phát triển lý thuyết mạng thẩn kinh nhân tạo cho toán điều khiển tàu cập cầu, nhiên thực tế, cập cầu tàu thường xuyên có hỗ trợ tàu lai để điều khiển tàu mà tác dụng cấu điểu khiển tàu bánh lái chân vịt hiệu lúc tàu suy giảm tốc độ Với lý vậy, nghiên cứu tiếp tục phát triển hệ thống tự động điều khiển tàu cập cầu sử dụng điểu khiển mạng thẩn kinh nhân tạo với hỗ trợ tàu lai Ưu điểm hệ thống đề xuất điều khiển tàu cập cẩu tự động với cấu: bánh lái, chân vịt tàu lai tự hành ĐẼ XUẤT HỆ THỐNG Tự ĐỘNG CẬP CẦU TÀU Dự TRÊN MẠNG THẦN KINH NHAN TẠO VÀ TÀU LAI Hỗ TRỢ 1.ĐẶTVẤNĐỂ Để tự động hóa điểu khiển chuyển động tàu thủy khơng người lái tương lai, cần thiết phải thiết kế hệ thống tự động như: tự động lái tàu, tự động tránh va, tự động điểu khiển cập cấu Tự động điều khiển cập cầu tàu thủy xem toán phức tạp điều khiển phương tiện thủy đặc tính động lực học chuyển động tàu phức tạp điều kiện tốc độ thấp Cho đến nay, mạng thần kinh nhân tạo lý thuyết sử dụng nhiều cho toán tự động điểu khiển tàu cập cầu Sở dĩ mạng thần kinh nhân tạo có khả học thực hành động điểu khiển tàu 166 2.1 Khái quát toán cập cầu tàu Trong thực tế hàng hải, tàu thường điều khiển vào cập cầu dựa giai đoạn (Hình 2.1): - Giai đoạn 1: Sử dụng bánh lái chân vịt để đưa hướng mũi tàu vể hướng tiếp cận cẩu tàu (tàu đưa từ khu vực A vể khu vực B).Trong giai đoạn này, bánh lái cịn có tác dụng thay đổi hướng nên cần phải tận dụng khoảng thời gian đưa mũi tàu vể hướng cập cầu tàu phù hợp -Giai đoạn 2: Tốc độ vòng tua máy giảm dần giai đoạn để giảm tốc độ tàu (tàu đưa từ khu vực B vể khu vực C) Vì tàu suy giảm tốc độ giai đoạn này, nên việc điểu khiển bánh lái để thay đổi hướng mũi tàu KHOA HỌC CƠNG NGHỆ Só 08/2022 khơng cịn tác dụng cuối giai đoạn này, máy vector ngưỡng kích hoạt Bp Đẩu lớp đấu biểu dừng hẳn để tàu vào tiếp cận cầu quán tính thị qua vector Op: - Giai đoạn 3: giai đoạn này, tác dụng điều khiển máy bánh lái khơng cịn tác dụng nữa, tàu lai thường sửdụng để hỗ trợ đưa tàu vào cầu cảng Op-f^eụ = f:(ị^Hn+hp) (2) Giả sử tập liệu mẫu gồm / liệu đẩu vào-đầu ra: {q;, ọ, {q? t2}, {qf t,} Mục tiêu huấn luyện mạng cho liệu qua mạng rổi so sánh đầu thực tế (tàu đưa từ khu vực c khu vực D) mạng với đầu liệu làm điểu chỉnh giá trị trọng số ngưỡng kích hoạt Hàm mục tiêu huấn luyện mạng: I -1 - í -W E = ịií desiredjj^f^w^^w^ +b„))-bp m=l n=l £ 1=1 P=1 I (3) J Mục tiêu thuật toán huấn luyện điểu chỉnh giá trị trọng số giá trị ngưỡng để tổng bình phương sai lệch đầu thực tế mạng với đầu mẫu nhỏ Trọng số giá trị ngưỡng điểu chỉnh theo hệ thức sau đến hàm mục tiêu đạt giá trị nhỏ có thể: Hình 2.1: Cập cẩu tàu sử dụng tàu lai hỗ trợ Wk+I=Wk -[JT(Wk)J(Wk) + pỉY'jT(Wk)E(Wk) (4) 2.2 Cấu trúc mạng thần kinh đề xuất Trong nghiên cứu này, mạng thần kinh nhân tạo để xuất để học liệu cập cầu tạo với tham gia tàu lai giai đoạn cấu trúc mạng thần kinh xây dựng Hình 2.2 2.4 Tự động điều khiển tàu cập cầu Sau huấn luyện mạng thần kinh học liệu cập cầu tàu để cập đến việc sử dụng tàu lai Luật điều khiển điểu khiển mạng thần kinh biểu diễn qua hệ thức (5): Ạo ^ơ+l) 'psợ+D ^(0 n m =f2^wpnfI(^wmn Vrel(i) m=l n=l fìai_2(t+\) Hình 2.2: cấu trúc mạng thẩn kinh đề xuất Theo đó, mạng thần kinh nhân tạo nghiên cứu loại mạng truyền thẳng gồm lớp: lớp đầu vào, lớp đầu lớp ẩn Lớp đầu vào gồm nút mạng: khoảng cách từ mũi đến cẩu (D), khoảng cách từ lái đến cầu (H), góc mạn tiếp cận Cầu (^g), tốc độ tàu theo phương dọc (u), tốc độ tàu theo phương ngang (v), tốc độ quay tàu (r) Lớp đầu gổm nút mạng: góc bẻ bánh lái (ổ), tốc độ vịng tua chân vịt (rps), lực đẩy tàu lai (flall, flal1) Tùy thuộc vào số lượng liệu học cung cấp cho việc huấn luyện mạng, số lượng nút mạng lớp ẩn chọn lựa để đảm bảo mục tiêu huấn luyện mạng 2.3 Huấn luyện mạng thần kinh Đầu vào biểu diễn dạng vector: /m = [D, H, u, V, r]T đầu dạng vector: Op = [ó, rps, flai1, flai^ Các nút lớp ẩn liên kết với nút lớp đầu vào thông qua ma trận trọng số Wnm vector ngưỡng kích hoạt Bn Đẩu lớp ẩn biểu thị qua vector Hn: Hn = JI Z(«er„) X n ' = J I ' £"""4 m-1 nm tn + z>n )' (5) + ồB) + è?) V, Hệ thống tự động cập cầu tàu vận hành theo sơ khối (Hình 2.3) Hình 2.3: Sơ đổ khối tự động điểu khiển tàu cập cẩu MỔ PHỎNG SỐ 3.1 Mơ hình điều động tàu thủy MMG Trong nghiên cứu này, mơ hình tốn học điều động tàu thủy MMG [6] sử dụng Mô hình thể qua hệ thức đây: (m + mx )ú — (m + my)vr = XH + Xp + X R + x„, /1 \ kIJ Một cách tương tự, nút lớp đẩu liên kết với nút lớp ẩn thông qua ma trận trọng số Wpn (in + myỴỹ+(m + mx)ur = YH + Y^ + YTup =Y+nr+nv+NTue 167 KHOA HỌC CƠNG NGHỆ Só 08/2022 Trong đó: m, m/ my - Khói lượng tàu, khối lượng thêm lái điều khiển để đưa tàu vào điểm cập cẩu cuối tàu chuyển động nước theo trục dọc trục Lực đẩy tàu lai kết mô ngang; J2Z- Mô-men khối lượng mô-men khối lượng thêm tàu chuyển chuyển động quay; u, V, r-Tốc độ tàu trục dọ, trục ngang trục thẳng đứng Lực sinh chân vịt biểu diễn: ^=(1-^)7 (7) (Hình 3.ỉ) T = pD>%(/) Lực mô-men tác dụng lên tàu sinh bánh lái: yk = -(! + «/, )Fwcos