1.LUAN AN TIEN SI CAP TRUONG-HAI-2020-18.11

Bằng các phương pháp nghiên cứu đã thực hiện trong luận án: “Nghiên cứu ứng dụng bộ điều khiển PID dựa trên mạng nơ-ron nhân tạo thích nghi cho hệ thống điều khiển tàu thủy”, luận án đ[r]

BỘ GIAO THÔNG VẬN TẢI BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC HÀNG HẢI VIỆT NAM

VÕ HỒNG HẢI

NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN PID THÍCH NGHI DỰA TRÊN MẠNG NƠ-RON

NHÂN TẠO CHO HỆ THỐNG ĐIỀU KHIỂN TÀU THỦY

LUẬN ÁN TIẾN SĨ KỸ THUẬT

BỘ GIAO THÔNG VẬN TẢI BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC HÀNG HẢI VIỆT NAM

VÕ HỒNG HẢI

NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN PID THÍCH NGHI DỰA TRÊN MẠNG NƠ-RON

NHÂN TẠO CHO HỆ THỐNG ĐIỀU KHIỂN TÀU THỦY

LUẬN ÁN TIẾN SĨ KỸ THUẬT

CHUYÊN NGÀNH: KHOA HỌC HÀNG HẢI

MÃ SỐ: 9840106

Người hướng dẫn khoa học: PGS TS Phạm Kỳ Quang

PGS TS Nguyễn Phùng Hưng

i

MỤC LỤC

MỤC LỤC i

LỜI CAM ĐOAN iv

LỜI CÁM ƠN v

DANH MỤC CÁC CHỮ VIẾT TẮT VÀ KÝ HIỆU vi

DANH MỤC HÌNH VẼ VÀ ĐỒ THỊ vii

DANH MỤC CÁC BẢNG x

MỞ ĐẦU

1 Tính cấp thiết đề tài luận án

2 Mục đích nghiên cứu

3 Đối tượng phạm vi nghiên cứu

4 Phương pháp nghiên cứu

5 Ý nghĩa khoa học thực tiễn

6 Những điểm đóng góp

7 Kết cấu luận án

CHƯƠNG TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU VÀ MẠNG NƠ-RON NHÂN TẠO TNƠ-RONG ĐIỀU KHIỂN

1.1 Tổng quan vấn đề nghiên cứu luận án

1.1.1 Tình hình nghiên cứu giới liên quan đến luận án

1.1.2 Tình hình nghiên cứu nước liên quan đến luận án 11

1.2 Mạng nơ-ron nhân tạo điều khiển 12

1.2.1 Cấu trúc mạng nơ-ron nhân tạo 12

1.2.2 Nhận dạng hệ thống sử dụng mạng nơ-ron nhân tạo 18

1.2.3 Phương pháp ứng dụng mạng nơ-ron điều khiển 20

1.3 Nghiên cứu số điều khiển PID nơ-ron cho hệ thống điều khiển hướng tàu thủy 21

ii

1.3.2 Bộ điều khiển PID dựa mạng nơ-ron hàm sở xuyên tâm

cho điều khiển hướng tàu thủy 26

1.4 Cơ sở lý thuyết hệ tọa độ và động học tàu thủy 29

1.4.1 Các hệ trục tọa độ tham chiếu 29

1.4.2 Phương trình động học tàu 34

1.4.3 Phương trình động lực học vật rắn 36

1.4.4 Phương trình động lực học tàu 38

1.4.5 Thủy động lực học 39

1.4.6 Lực phục hồi 41

1.4.7 Trọng lực thêm vào 42

1.5 Kết luận chương 42

CHƯƠNG BỘ ĐIỀU KHIỂN PID NƠ-RON THÍCH NGHI DỰA TRÊN MẠNG NƠ-RON LAN TRUYỀN NGƯỢC CHO HỆ THỐNG ĐIỀU KHIỂN HƯỚNG ĐI TÀU THỦY 44

2.1 Bộ điều khiển PID nơ-ron dựa mạng nơ-ron lan truyền ngược khơng có nhận dạng cho hệ thống điều khiển hướng tàu thủy 44

2.1.1 Sơ đồ nguyên lý 44

2.1.2 Thuật toán điều khiển PID 63

2.1.3 Thuật toán điều khiển mạng nơ-ron lan truyền ngược 45

2.1.4 Huấn luyện lan truyền ngược tăng cường 49

2.1.5 Sơ đồ thuật toán huấn luyện 50

2.2 Bộ điều khiển PID nơ-ron dựa mạng nơ-ron lan truyền ngược có nhận dạng cho hệ thống điều khiển hướng tàu thủy 51

2.2.1 Sơ đồ nguyên lý 51

2.2.2 Mạng nhận dạng nơ-ron 52

iii

CHƯƠNG KẾT QUẢ MÔ PHỎNG 57

3.1 Mơ hình tốn học cho mơ 57

3.1.1 Mơ hình tốn học tàu hàng Mariner 57

3.1.2 Mơ hình tốn học sóng, gió dịng chảy 58

3.2 Bộ điều khiển PID nơ-ron dựa mạng lan truyền ngược bộ nhận dạng nơ-ron 65

3.2.1 Khi khơng có gió nhiễu tác động 65

3.2.2 Khi có gió nhiễu tác động 67

3.3 Bộ điều khiển PID nơ-ron dựa mạng lan truyền ngược có nhận dạng nơ-ron 70

3.3.1 Khi khơng có gió nhiễu tác động 70

3.3.2 Khi có gió nhiễu tác động 73

3.4 Kết luận chương 76

CHƯƠNG KẾT QUẢ THỰC NGHIỆM 77

4.1 Điều kiện thực nghiệm 77

4.2 Kết thực nghiệm 79

4.3 Kết luận chương 84

KẾT LUẬN VÀ KIẾN NGHỊ 86

KẾT LUẬN 86

KIẾN NGHỊ 87

DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ LIÊN QUAN ĐẾN ĐỀ TÀI LUẬN ÁN 89

iv

LỜI CAM ĐOAN

Tên Võ Hồng Hải - Nghiên cứu sinh chuyên ngành Khoa học hàng hải tác giả luận án tiến sĩ: “Nghiên cứu ứng dụng điều khiển PID dựa mạng nơ-ron nhân tạo thích nghi cho hệ thống điều khiển tàu thủy”, hướng dẫn tập thể người hướng dẫn khoa học: Thầy PGS TS Phạm Kỳ Quang thầy PGS TS Nguyễn Phùng Hưng, thực Trường Đại học Hàng hải Việt Nam

Bằng danh dự thân, nghiên cứu sinh cam đoan rằng:

- Luận án cơng trình nghiên cứu riêng nghiên cứu sinh, khơng có phần nội dung chép cách bất hợp pháp, từ cơng trình nghiên cứu tác giả hay nhóm tác giả khác;

- Các số liệu, kết nghiên cứu nêu luận án, chưa công bố cơng trình nghiên cứu khác trước đó;

- Các thơng tin, số liệu trích dẫn, tài liệu tham khảo luận án rõ xuất xứ, nguồn gốc đảm bảo tính trung thực

Hải Phòng, ngày 19 tháng 11 năm 2020 Nghiên cứu sinh

v

LỜI CẢM ƠN

Tôi xin chân thành cảm ơn Trường Đại học Hàng hải Việt Nam, Viện Đào tạo sau đại học Trường Đại học Hàng hải Việt Nam cho phép tạo điều kiện cho thực luận án

Tôi xin chân thành cảm ơn hai Thầy hướng dẫn khoa học, PGS.TS Phạm Kỳ Quang PGS.TS Nguyễn Phùng Hưng tận tình, tâm huyết hướng dẫn, định hướng nghiên cứu giúp tơi hồn thành luận án

Tôi xin chân thành cám ơn Viện Đào tạo sau Đại học, Khoa Hàng hải, Bộ môn Hàng hải Trường Đại học Hàng hải Việt Nam giúp đỡ động viên tơi suốt q trình học tập nghiên cứu

Tôi xin chân thành cảm ơn Trường Đại học Giao thông Vận tải TPHCM tạo điều kiện cho tơi thí nghiệm đề tài luận án mình; Các Thầy giáo, nhà khoa học góp ý, phản biện đánh giá giúp tơi bước hồn thiện luận án Cuối cùng, tơi xin bày tỏ lịng biết ơn sâu sắc tới gia đình bạn bè ln động viên, khuyến khích, tạo điều kiện cho tơi suốt thời gian tơi nghiên cứu hồn thành cơng trình này!

Hải phòng, ngày 19 tháng 11 năm 2020

Tác giả

vi

DANH MỤC CÁC CHỮ VIẾT TẮT VÀ KÝ HIỆU

Chữ viết tắt Giải thích ý nghĩa

ANN Artificial Neural Network: Mạng nơ-ron nhân tạo

ANNAI Adaptive Neural Network by Adaptive Interection: Mạng nơ-ron thích nghi theo phương pháp thích nghi tương tác BĐK Bộ điều khiển

BPNN Back-Propagation Network: Mạng nơ-ron lan truyền ngược ĐKTĐ Điều khiển tự động

MATLAB Cơng cụ làm tốn ma trận MLTĐ Máy lái tự động

NCKH Nghiên cứu khoa học NCS Nghiên cứu sinh

NNC Neural Network Controller: Bộ điều khiển mạng nơ-ron PID Proportional – Integral – Derivative: Tỷ lệ - Tích phân – Vi

phân

vii

DANH MỤC HÌNH VẼ VÀ ĐỒ THỊ

Số hình Tên hình vẽ đồ thị Trang

1.1 Đơn vị xử lý mạng nơ-ron nhân tạo 13

1.2 Hàm truyền tuyến tính 14

1.3 Hàm truyền giới hạn cứng 15

1.4 Hàm truyền dạng sigma 15

1.5 Hàm truyền dạng tang-sigma 16

1.6 Mạng nơ-ron truyền thẳng nhiều lớp 17

1.7 Mạng nơ-ron hồi quy 17

1.8 Mơ hình nhận dạng 19

1.9 Sơ đồ phương pháp điều khiển gián tiếp 20 1.10 Sơ đồ phương pháp điều khiển trực tiếp 21 1.11 Sơ đồ cấu trúc BĐK PID dựa mạng BPNN 22 1.12 Cấu trúc mạng nơ-ron lan truyền ngược 23 1.13 Mô thay đổi K , p K i K d 24

1.14 Mô hướng 25

1.15 Sự thay đổi góc bẻ lái 25

1.16 Sơ đồ cấu trúc BĐK PID dựa mạng RBF 26

1.17 Cấu trúc mạng nơ-ron RBF 27

1.18 Hướng tàu khơng có nhiễu 28

1.19 Hướng tàu có nhiễu 28

viii

1.21 Các hệ tọa độ tham chiếu 30

1.22 Hệ trục toạ độ đại lượng 32

1.23 Các góc xoay Euler 35

2.1 Sơ đồ nguyên lý BĐK PID nơ-ron lan truyền ngược 44 2.2 Cấu trúc mạng nơ-ron lan truyền ngược 45 2.3 Sơ đồ khối thuật toán điều khiển PID - BPNN 50

2.4 Sơ đồ nguyên lý BĐK PID nơ-ron NN1 với nhận

dạng nơ-ron NN2 51

2.5 Cấu trúc mạng nơ-ron nhận dạng NN2 51

2.6 Mơ hình đầu vào – đầu 53

2.7 Cấu trúc nhận dạng song song 54

2.8 Cấu trúc nhận dạng chuỗi song song 55

3.1 Tốc độ gió V hướng gió r 60

3.2 Hướng tàu góc bẻ lái khơng có gió nhiễu tác

động 65

3.3 Sự thay đổi tham số Kp, Ki Kd 66

3.4 Sai số hướng đi, tốc độ gia tốc quay trở hướng mũi

tàu 67

3.5 Hướng góc bẻ lái có gió nhiễu tác động 68 3.6 Sự thay đổi tham số Kp, Ki Kd 68

3.7 Sai số hướng đi, tốc độ gia tốc quay trở hướng mũi

tàu 69

3.8 Hướng tàu góc bẻ lái khơng có gió nhiễu tác

ix

3.9 Sự thay đổi tham số Kp, Ki Kd 71

3.10 Sai số hướng đi, tốc độ gia tốc quay trở hướng tàu 72 3.11 Đầu nhận dạng nơ-ron NN2 72 3.12 Hướng tàu góc bẻ lái có gió nhiễu tác động 73 3.13 Sự thay đổi thông số Kp, Ki Kd 74

3.14 Sai số hướng đi, tốc độ gia tốc quay trở hướng tàu 74 3.15 Đầu nhận dạng nơ-ron NN2 75 4.1 Quỹ đạo di chuyển mong muốn tàu 77 4.2 Điều kiện thực nghiệm tàu mơ hình thực tế 78

4.3 Tàu mơ hình 79

4.4 Sơ đồ khối hệ thống điều khiển hướng tàu sử dụng

BĐK PID nơ-ron 79

4.5 Quỹ đạo tàu với BĐK PID nơ-ron 80 4.6 Sai số bám quỹ đạo tàu với BĐK PID nơ-ron 81 4.7 Sai số góc mũi tàu tàu với BĐK PID nơ-ron 82

4.8 Góc bánh lái với BĐK PID nơ-ron 83

x

DANH MỤC CÁC BẢNG

Số bảng Tên bảng Trang

1.1 Ký hiệu SNAME (1950) tàu biển 33

3.1 Tổng bình phương độ lệch hướng tổng bình phương

góc bẻ lái khơng có gió nhiễu 66

3.2 Tổng bình phương độ lệch hướng tổng bình phương

góc bẻ lái có nhiễu gió 69

3.3 Tổng bình phương độ lệch hướng tổng bình phương

góc bẻ lái khơng có nhiễu gió 73

3.4 Tổng bình phương độ lệch hướng tổng bình phương

1 MỞ ĐẦU 1 Tính cấp thiết luận án

Các phương pháp điều khiển truyền thống để thiết kế hệ thống điều khiển tiên tiến cho tàu thủy điển điều khiển tỷ lệ - vi phân - tích phân (PID) cịn phổ biến có cấu trúc đơn giản tính bền vững cao Tuy nhiên, việc cải tiến chất lượng điều khiển PID hệ thống điều khiển tàu thủy vấn đề thời cho nhà nghiên cứu, thiết kế điều khiển cho tàu thủy, điều khiển PID thường u cầu phải có mơ hình động học tàu thủy

Thực tế, tính động học tàu thủy thường mang tính phi tuyến cao chịu ảnh hưởng nhiều yếu tố nhiễu loạn bên Bản thân yếu tố nhiễu loạn bên ngồi mang đặc tính phi tuyến khơng xác định cao Điều dẫn đến việc phải xây dựng cấu trúc tham số khơng xác định u cầu phải có kỹ thuật điều khiển tiên tiến

Hiện nay, nhà khoa học lĩnh vực này, không ngừng nghiên cứu cải tiến chất lượng điều khiển PID theo hai hướng sau:

- Thứ nhất, cải tiến cấu trúc điều khiển PID;

- Thứ hai, kết hợp lý thuyết lô-gic mờ, mạng nơ-ron nhân tạo, thuật toán di truyền lý thuyết điều khiển thông minh khác với điều khiển PID thông thường, nhằm đạt chất lượng điều khiển mong muốn

Do vậy, điều khiển kết hợp gọi điều khiển PID thông minh Bộ điều khiển PID thơng minh khơng u cầu phải có mơ hình tốn học đối tượng cách xác, tham số hệ thống có tính bền vững

2

tính phi tuyến cao, có mơi trường bên ngồi tác động khơng dự đốn được, làm cho tính đối tượng trở nên khó điều khiển Hơn nữa, khả tính toán nhanh mạng nơ-ron làm cho chúng trở nên khả thi với ứng dụng điều khiển theo thời gian thực Mặt khác, nhờ khả mạng nơ-ron nhân tạo nhằm xấp xỉ tính phi tuyến đối tượng điều khiển để điều chỉnh ba tham số PID thời gian thực nhằm đạt chất lượng PID cách tối ưu

Để giải tốn có yếu tố khơng xác định mơ hình động học tàu thủy, nhiễu loạn mơi trường bên ngồi tác động sóng, gió, dịng chảy,… phương pháp điều khiển kết hợp PID nơ-ron đề xuất, nghiên cứu phát triển nhiều giới tnơ-rong thời gian gần

Là quốc gia biển, Việt Nam thực chủ trương phát triển mạnh ngành vận tải biển công nghiệp đóng tàu theo hướng hội nhập quốc tế đáp ứng nhu cầu vận tải xã hội với mục tiêu: “Xây dựng phát triển ngành công nghiệp tàu thủy Việt Nam đến năm 2020 định hướng phát triển đến năm 2030, nhằm đáp ứng yêu cầu phát triển kinh tế biển phù hợp với Chiến lược biển Việt Nam đến năm 2020, phục vụ nhu cầu phát triển kinh tế - xã hội; góp phần củng cố quốc phòng, an ninh bảo vệ chủ quyền quốc gia vùng biển hải đảo Tổ quốc” [62]

3

Xuất phát từ lý trên, tác giả chọn đề tài luận án: “Nghiên cứu

ứng dụng điều khiển PID dựa mạng nơ-ron nhân tạo thích nghi cho hệ thống điều khiển tàu thủy”

2 Mục đích nghiên cứu

Trên sở nghiên cứu phương pháp điều khiển PID thông thường điều khiển thông minh Mục tiêu nghiên cứu luận án phát triển ứng dụng điều khiển PID dựa mạng nơ-ron thích nghi cho hệ thống điều khiển hướng tàu thủy, từ cải tiến nâng cao chất lượng điều khiển PID hệ thống điều khiển này, nhằm đưa điều khiển PID thích nghi tối ưu Đồng thời, thực thiết kế thử nghiệm điều khiển PID nơ-ron thích nghi theo mơ thực nghiệm

3 Đối tượng phạm vi nghiên cứu

Đối tượng nghiên cứu luận án: Hệ thống điều khiển hướng tàu thủy, tập trung vào hệ thống máy lái tự động tàu thủy

Phạm vi nghiên cứu luận án:

- Nghiên cứu thuật toán điều khiển thích nghi dựa kết hợp mạng nơ-ron nhân tạo điều khiển PID thông thường

- Đề xuất phát triển thuật toán ứng dụng vào thiết kế máy lái tự động sử dụng điều khiển PID nơ-ron thích nghi cho điều khiển hướng tàu thủy

- Sử dụng phần mềm Matlab để mô điều khiển đề xuất Đánh giá chất lượng điều khiển PID nơ-ron thích nghi với điều khiển PID thông thường

- Thực nghiệm mơ hình tàu thu nhỏ bể thử trường Đại học Giao thông Vận tải Thành phố Hồ Chí Minh

4 Phương pháp nghiên cứu

4 Nghiên cứu lý thuyết:

- Phân tích, tổng hợp hệ thống điều khiển PID thông thường mạng nơ-ron nhân tạo;

- Xây dựng mơ hình nhận dạng tàu thủy mạng nơ-ron nhân tạo; - Thiết kế máy lái tự động sử dụng thuật toán PID dựa mạng nơ-ron truyền thẳng để điều khiển hướng tàu thủy;

- Ứng dụng Matlab làm công cụ để mô kiểm chứng lại tính xác, khả thi thuật toán

Nghiên cứu thực nghiệm:

- Thiết kế mơ hình tàu thủy ứng dụng điều khiển PID nơ-ron vào điều khiển môi trường thực;

- So sánh với điều khiển PID thông thường để chứng minh tính hiệu điều khiển PID nơ-ron thích nghi

5 Ý nghĩa khoa học thực tiễn Ý nghĩa khoa học luận án:

- Xây dựng sở lý thuyết kết hợp điều khiển PID mạng nơ-ron nhân tạo để thiết kế hệ thống điều khiển hướng tàu thủy Kết nghiên cứu đạt góp phần hồn thiện phần sở lý luận khoa học liên quan đến vấn đề nghiên cứu luận án đóng góp định cho khoa học hàng hải;

- Đề xuất phát triển thuật toán, tận dụng ưu điểm điều khiển PID mạng nơ-ron nhân tạo để nâng cao chất lượng hệ thống điều khiển hướng đi, tăng khả thích nghi độ xác dẫn đường;

5

- Kết hợp chặt chẽ sở lý thuyết điều khiển tự động ứng dụng vào thực tiễn thiết kế máy lái tự động tàu thủy;

- Kết nghiên cứu làm tài liệu tham khảo cho cơng trình nghiên cứu tiếp theo, ứng dụng điều khiển thông minh vào hệ thống dẫn đường tàu thủy giảm lắc tàu thủy, định vị động…

6 Những điểm đóng góp

Luận án kế thừa, phát triển lý thuyết ứng dụng kỹ thuật điều khiển PID với mạng nơ-ron nhân tạo điều khiển tàu thủy Những điểm đóng góp luận án tóm tắt sau:

- Tận dụng khả điều khiển dễ phát triển BĐK PID để thiết kế sơ bộ, kết hợp với BĐK nơ-ron, nhằm điều khiển hướng tàu thủy

- Bộ điều khiển PID với tham số Kp, Ki Kd điều chỉnh

mạng nơ-ron lan truyền ngược tính tốn mơ tường minh Khả tổng hợp mơ hình hóa trực tuyến mạng nơ-ron giúp tham số BĐK PID tinh chỉnh lựa chọn trực thời gian, tính thích nghi mạng nơ-ron điều khiển tận dụng phát huy Phương pháp ứng dụng không thời điểm nghiên cứu luận án tác giả ứng dụng vào điều khiển tàu thủy Đặc biệt, việc huấn luyện mạng trực tuyến liên tục trình điều khiển mà tác giả sử dụng cơng trình này, nghiên cứu ứng dụng loại chưa có tác giả thực nghiệm

6

nơ-ron này, phương pháp điều khiển tiến hành kiểu điều khiển dự đoán theo thời gian thực, nâng cao tính thích nghi chất lượng điều khiển

7 Kết cấu luận án

Kết cấu đề tài luận án gồm phần thứ tự sau: - Phần mở đầu;

- Phần nội dung (được chia làm chương); - Phần kết luận kiến nghị;

- Danh mục cơng trình khoa học cơng bố liên quan đến luận án; - Tài liệu tham khảo;

- Phần phụ lục (gồm phụ lục)

Phần nội dung luận án chia thành chương tóm tắt sau:

Chương Tổng quan vấn đề nghiên cứu mạng nơ-ron nhân tạo trong điều khiển

Phân tích, đánh giá tổng quan chi tiết tình hình nghiên cứu giới nước liên quan đến luận án ứng dụng mạng nơ-ron nhân tạo BĐK PID điều khiển hướng tàu thủy mà nghiên cứu sinh thực

Hệ thống hóa sở lý luận mạng nơ-ron nhân tạo, cấu trúc mạng, phương pháp ứng dụng mạng nơ-ron nhận dạng điều khiển

Trình bày tổng quan lý thuyết phương trình điều khiển tàu theo quỹ đaọ bề mặt trái đất, làm sở cho toán ứng dụng BĐK hướng tàu vào điều khiển dẫn tàu theo quỹ đạo cho trước

7

Chương Bộ điều khiển PID ron thích nghi dựa mạng nơ-ron lan truyền ngược cho hệ thống điều khiển hướng tàu thủy

Trong chương này, tác giả tập trung nghiên cứu xây dựng BĐK PID dựa mạng nơ-ron lan truyền ngược khơng có có nhận dạng nơ-ron Mạng nơ-ron lan truyền ngược thêm thuật toán huấn luyện tăng cường để tăng tốc độ thích nghi hệ thống, sử dụng với vai trò điều chỉnh nhanh xác tham số BĐK PID

Bên cạnh đó, tác giả nghiên cứu xây dựng nhận dạng mơ hình nơ-ron theo phương pháp tín hiệu vào - Bộ nhận dạng sử dụng mạng nơ-ron nhiều lớp truyền thẳng tác giả huấn luyện mạng theo phương pháp trực tuyến, tăng cường nên tốc độ thích nghi tốt, có khả nhận dạng mơ hình tàu phi tuyến biến đổi theo thời gian

Với việc kết hợp mô hình nhận dạng nơ-ron này, phương pháp điều khiển tiến hành kiểu điều khiển dự đoán theo thời gian thực, nâng cao tính thích nghi chất lượng điều khiển

Chương Kết mô

Chương này, tác giả trình bày phương pháp mơ kết máy tính Kết tính tốn mơ mơ hình tốn học tàu thủy, đảm bảo tính khả thi, có độ tin cậy phương pháp

Chương Kết thực nghiệm

8

CHƯƠNG TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU VÀ MẠNG NƠ-RON NHÂN TẠO TNƠ-RONG ĐIỀU KHIỂN

1.1 Tổng quan vấn đề nghiên cứu luận án

Nghiên cứu sinh tham khảo, nghiên cứu tài liệu khoa học công bố giới nước liên quan đến lĩnh vực nghiên cứu luận án Các cơng trình nghiên cứu kể sau đây:

1.1.1 Tình hình nghiên cứu giới liên quan đến luận án

Trong lĩnh vực điều khiển tự động, nhà khoa học thường có xu hướng tiếp tục nghiên cứu phát triển phương pháp điều khiển dựa phương pháp cũ để khắc phục nhược điểm tồn tìm kiếm phương pháp hồn tồn khác khơng dựa phương pháp cũ có trước Điều làm thúc đẩy mạnh mẽ ứng dụng lĩnh vực điều khiển tự động phạm vi rộng

Mặc dù có bước tiến mạnh mẽ, phương pháp điều khiển chưa thay hoàn toàn kỹ thuật phổ biến, điều khiển PID truyền thống Kể từ thuật toán điều khiển PID kỹ sư người Mỹ gốc Nga Nicolas Minorsky áp dụng vào hệ thống máy lái tự động tàu thủy [19, 21, 35] năm 1922 đến nay, có nhiều nghiên cứu điều khiển PID ứng dụng rộng rãi lĩnh vực điều khiển tự động kể việc ứng dụng trí tuệ nhân tạo [17, 20, 25, 28, 32, 33, 35, 37, 40, 60] Mặc dù vậy, BĐK PID chiếm 90% ứng dụng hệ thống công nghiệp [17]

9

sau: (1) mạng có cấu trúc song song lớn; (2) có đặc tính phi tuyến cố hữu; (3) có khả học cực mạnh; (4) có khả tổng quát hóa; (5) có tính ổn định đảm bảo cho số hệ thống điều khiển định [6]

Bộ điều khiển PID thích nghi dựa việc điều chỉnh tham số Kp,

i

K K mạng nơ-ron nhân tạo thích nghi gọi điều khiển PID d nơ-ron nhà khoa học nghiên cứu ứng dụng rộng rãi hệ thống công nghiệp cơng trình nghiên cứu Martins and Coelho [33], Junghui Huang [26], Andrasik cộng [19] Hơn nữa, tính đơn giản đặc trưng quan trọng điều khiển PID nhà thiết kế hệ thống giữ lại đặc điểm Các thuật toán đề xuất Widrow Streans [59], Brandt, Lin Saikalis [19], [20], Junghui Huang [26] không thay đổi cấu trúc điều khiển PID thông thường mà cố gắng sử dụng khả thích nghi mạng nơ-ron nhân tạo Thuật toán Widrow Streans dùng khả dự đoán mạng nơ-ron nhân tạo; Brandt, Lin Saikalis dùng mạng nơ-ron nhân tạo thích nghi tương tác để điều hưởng trọng số mạng nơ-ron thuật toán Junghui Huang ngăn chặn tách rời tính phi tuyến trình

Phát triển hệ thống điều khiển tàu thủy mục tiêu nghiên cứu nhiều nhà khoa học Một số cơng trình nghiên cứu thiết kế hệ thống điều khiển tàu thủy tiêu biểu thời gian gần như:

10

gồm mạng nơ-ron nhận dạng hệ thống (NN1) mạng nơ-ron điều chỉnh tham số (NN2) sử dụng nghiên cứu Kỹ thuật điều khiển lưu giữ thời gian cho việc tìm độ lợi PID tối ưu trạng thái mặt biển Các kết mô chứng tỏ thuật toán PID tự điều hưởng dựa lý thuyết mạng nơ-ron nhân tạo hoàn toàn khả thi cho giảm lắc ngang tàu thủy thực tế biển Đây thuật toán dựa điều khiển gián tiếp địi hỏi có cấu tạo hệ thống phức tạp tập trung vào điều khiển vây giảm lắc cho tàu thủy

- Cơng trình nghiên cứu Xingxing Huo cộng (năm 2012): “Điều khiển PID dựa mạng nơ-ron lan truyền ngược cho điều khiển hướng tàu thủy” [38] đề xuất thuật toán dựa kết hợp điều khiển PID thông thường mạng nơ-ron lan truyền ngược có tính đến ảnh hưởng sóng, gió dịng chảy Bộ điều khiển PID nơ-ron kiểu cải thiện tính bền vững hệ thống có khả thích nghi tốt với mơ hình tàu phi tuyến Tuy nhiên, giải thuật mạng nơ-ron lan truyền ngược dựa phương pháp giảm độ lệch gradient nên tốc độ hội tụ chậm mạng hội tụ vào giá trị cực tiểu khác

11

- Cơng trình nghiên cứu Rodrigo Hernández-Alvarado cộng sự (năm 2016): “Điều khiển PID tự điều chỉnh dựa mạng nơ-ron nhân tạo cho phương tiện ngầm” [60] đề xuất phương pháp điều khiển cho ROV dựa điều khiển PID có tham số điều chỉnh mạng nơ-ron nhân tạo Mạng nơ-ron nhân tạo mạng nơ-ron lan truyền ngược có khả thích nghi với tác động dịng chảy ngầm đến ROV, sai số bình phương trung bình giảm cịn 50% so với BĐK PID thơng thường Tuy nhiên, thuật toán lan truyền ngược nghiên cứu có đặc điểm chung tốc độ hội tụ chậm

1.1.2 Tình hình nghiên cứu nước liên quan đến luận án

12

nghi dựa mạng nơ-ron nhân tạo cho hệ thống điều khiển tàu thủy chưa có tác giả Việt Nam đề cập tới

Tóm lại, với phạm vi đối tượng nghiên cứu cụ thể luận án, vấn đề nghiên cứu tác giả ln mang tính thời sự, có ý nghĩa khoa học thực tiễn chuyên ngành hàng hải khơng trùng lặp với cơng trình cơng bố trước

1.2 Mạng nơ-ron nhân tạo điều khiển

Mạng nơ-ron nhân tạo (ANN) mô xử lý thông tin, nghiên cứu từ hệ thống thần kinh sinh vật, giống não để xử lý thông tin, bao gồm số lượng lớn mối gắn kết cấp cao để xử lý yếu tố làm việc mối liên hệ giải vấn đề rõ ràng ANN giống người, học kinh nghiệm, lưu kinh nghiệm hiểu biết sử dụng tình phù hợp

Đầu tiên ANN giới thiệu năm 1943 nhà thần kinh học Warren Mc Culloch nhà lô-gic học Walter Pits Nhưng với kỹ thuật thời gian chưa cho phép họ nghiên cứu nhiều Những năm gần đây, mô ANN xuất phát triển ngày rộng rãi Các nghiên cứu ứng dụng thực ngành: điện, điện tử, kỹ thuật chế tạo, y học, quân sự, giao thông, kinh tế,… nghiên cứu ứng dụng lĩnh vực điều khiển tàu [20, 34]

1.2.1 Cấu trúc mạng nơ-ron nhân tạo [7,63]

1.2.1.1 Đơn vị xử lý

Một đơn vị xử lý, gọi nơ-ron hay nút (node), thực công việc đơn giản: Nhận tín hiệu vào từ đơn vị phía trước hay nguồn bên ngồi sử dụng chúng để tính tín hiệu lan truyền sang đơn vị khác (hình 1.1)

13

w - Các trọng số tương ứng với đầu vào; ji j- Độ lệch (bias);

a - Đầu vào mạng (net-input); j z - Đầu nơ-ron; j

g x - Hàm truyền (hay hàm kích hoạt) ( )

Hình 1.1 Đơn vị xử lý mạng nơ-ron nhân tạo Trong mạng nơ-ron có ba kiểu đơn vị:

1) Các đơn vị đầu vào (Inputs units), nhận tín hiệu từ bên ngoài; 2) Các đơn vị đầu (Output units), gửi liệu bên ngoài;

3) Các đơn vị lớp ẩn (Hidden units), tín hiệu vào (input) (output) nằm mạng

Mỗi đơn vị j có nhiều đầu vào: x x x0, , , 1 2 xn,

chỉ có đầu z Mỗi đầu vào tới đơn vị liệu từ bên j mạng đầu đơn vị khác, đầu 1.2.1.2 Hàm xử lý

14

giả sử rằng, đơn vị cung cấp cộng đầu vào cho đơn vị mà có liên kết Tổng đầu vào đơn vị j đơn giản tổng trọng số đầu riêng lẻ từ đơn vị kết nối cộng thêm ngưỡng hay độ lệch (bias) j:

1 n

j ji i j

i

a w x 

=

= + (1.1)

Một số trường hợp sử dụng thuật toán lan truyền phức tạp hơn, số luật sigma-pi, có dạng:

1

m n

j ji ik j

i k

a w x 

= =

=  + (1.2)

Rất nhiều hàm kết hợp sử dụng độ lệch hay ngưỡng để tính đầu vào mạng tới đơn vị Đối với đơn vị đầu tuyến tính, thơng thường j chọn số toán xấp xỉ đa thức j =

- Hàm kích hoạt (hàm truyền): Phần lớn đơn vị mạng nơ-ron chuyển đầu vào mạng cách sử dụng hàm vô hướng (scalar-to-scalar function) gọi hàm kích hoạt, kết hàm giá trị gọi mức độ kích hoạt đơn vị Loại trừ khả đơn vị thuộc lớp ra, giá trị kích hoạt đưa vào hay nhiều đơn vị khác Các hàm kích hoạt hay sử dụng là:

Hàm truyền tuyến tính (Linear transfer function) (hình 1.2), gọi là hàm đồng (Identity function)

g x( )= x (1.3)

15

Hàm truyền giới hạn cứng (Hard - Limit transfer function), biết đến với tên hàm ngưỡng (Threshold function hay Heaviside function) hay hàm bước nhị phân Đầu hàm giới hạn vào hai giá trị:

g(x) = (1.4)

Dạng hàm sử dụng mạng có lớp Trong hình 1.3,  chọn

Hình 1.3 Hàm truyền giới hạn cứng

Hàm truyền dạng Sigma (Sigmoid transfer function) (hình 1.4): Hàm thuận lợi sử dụng cho mạng huấn luyện thuật tốn lan truyền ngược (Back-propagation), dễ lấy đạo hàm, giảm đáng kể tính tốn q trình huấn luyện Hàm hay dùng cho chương trình ứng dụng mà đầu mong muốn rơi vào khoảng [0,1]

( )

1 x

g x

e− =

+ (1.5)

Hình 1.4 Hàm truyền dạng sigma 1, x ≥

16

Hàm truyền dạng tang-sigma (tan-sigmoid transfer function) (hình 1.5):

( ) 1

x

x

e g x

e

−

− =

+ (1.6)

Hàm có thuộc tính tương tự hàm Sigma, có khả làm việc tốt ứng dụng có đầu yêu cầu khoảng [-1, 1]

Hình 1.5 Hàm truyền dạng tang-sigma

Các hàm truyền đơn vị ẩn (Hidden units) cần thiết cho việc biểu diễn phi tuyến vào mạng Tuy nhiên, luật học lan truyền ngược, hàm phải khả vi có ích hàm gắn khoảng Do vậy, hàm Sigma lựa chọn thơng dụng

1.2.1.3 Các hình trạng mạng

Hình trạng mạng định nghĩa bởi: số lớp, số đơn vị lớp liên kết lớp Các mạng tổng thể chia thành hai loại dựa cách thức liên kết đơn vị:

17

Hình 1.6 Mạng nơ-ron truyền thẳng nhiều lớp

- Mạng hồi quy (hình 1.7): Có chứa liên kết ngược khác với mạng truyền thẳng, thuộc tính động mạng quan trọng Trong số trường hợp, giá trị kích hoạt đơn vị trải qua trình nới lỏng (tăng giảm số đơn vị thay đổi liên kết) mạng đạt đến trạng thái ổn định giá trị kích hoạt khơng thay đổi

Hình 1.7 Mạng nơ-ron hồi quy 1.2.1.4 Các luật học mạng nơ-ron nhân tạo

18

mạng nơ-ron nhân tạo học tham số (parameter learning) học cấu trúc (structure learning)

Học tham số việc thay đổi trọng số liên kết nơ-ron mạng, học cấu trúc việc điều chỉnh cấu trúc mạng bao gồm thay đổi số lớp nơ-ron, số nơ-ron lớp cách liên kết chúng Hai vấn đề thực đồng thời tách biệt

Về mặt phương pháp học, chia làm ba loại: học có giám sát hay cịn gọi học có thầy (supervised learning), học tăng cường (reinforcement learning) học khơng có giám sát hay cịn gọi học khơng có thầy (unsupperviced learning)

1.2.2 Nhận dạng hệ thống sử dụng mạng nơ-ron nhân tạo [3,10]

Bài toán nhận dạng vấn đề đặt lên hàng đầu nhiều lĩnh vực khác như: điện tử y sinh, điện tử viễn thơng, hệ thống điện, tự động hóa điều khiển… Ví dụ như: nhận dạng mơ hình tàu thủy, nhận dạng vân tay, nhận dạng ký tự, ảnh, tiếng nói, phát chẩn đốn bệnh,

1.2.2.1 Khả sử dụng mạng nơ-ron nhận dạng

Xét trường hợp đối tượng phi tuyến có độ phức tạp cao, sử dụng phương pháp giải tích thơng thường để nhận dạng khó khăn, chí khơng thực hiểu biết nghèo nàn đối tượng Vì vậy, nhà khoa học đưa ý tưởng sử dụng cơng cụ tính tốn mềm hệ mờ, mạng nơ-ron, đại số gia tử để xấp xỉ - nhận dạng đối tượng Mạng nơron cơng cụ hữu hiệu để nhận dạng mơ hình đối tượng, phương pháp ta mô hình tốn thực đối tượng hồn tồn sử dụng kết xấp xỉ để thay đối tượng

1.2.2.2 Mơ hình nhận dạng hệ thống sử dụng mạng nơ-ron

19

Nhận dạng mơ hình q trình xác định mơ hình đối tượng thơng số sở đầu vào đầu đối tượng Mơ hình thu sau nhận dạng gọi tốt thể đối tượng Như sử dụng mơ hình thay cho đối tượng để dự báo, kiểm tra điều khiển

Mạng nơron huấn luyện để mơ hình hóa quan hệ vào đối tượng Như quy trình nhận dạng mơ hình có chất thuật toán huấn luyện mạng Cấu trúc mạng nơ-ron giải tốn nhận dạng mơ hình đa dạng, tùy thuộc vào toán cụ thể

Nhận dạng tham số huấn luyện mạng, biểu diễn Hình 1.8 Tín hiệu sai số e= y - ŷ sở cho trình luyện mạng Mạng nơron mạng nhiều lớp dạng khác sử dụng nhiều thuật tốn huấn luyện mạng khác

Hình 1.8 Mơ hình nhận dạng 1.2.2.3 Nhận dạng hệ thống sử dụng mạng nơron

Nhận dạng hệ thống cần hai giai đoạn lựa chọn mô hình tối ưu tham số Đối với mạng nơron lựa chọn số nút ẩn, số lớp ẩn (cấu trúc mạng) tương đương với mơ hình lựa chọn Mạng huấn luyện theo kiểu giám sát với kỹ thuật lan truyền ngược, dựa vào luật học sai số hiệu chỉnh Tín hiệu sai số lan truyền ngược qua mạng Kỹ thuật lan truyền

ˆy Đối tượng

Mạng nơ-ron

y

e u

20

ngược sử dụng phương pháp giảm gradient để xác định trọng số mạng, tương đương với tối ưu tham số

1.2.3 Phương pháp ứng dụng mạng nơ-ron điều khiển

Có nhiều phương pháp khác để biến mạng nơ-ron thành điều khiển thích nghi cho đối tượng điều khiển phương pháp chia làm hai loại điều khiển gián tiếp điều khiển trực tiếp [5, 29, 30, 31]

Phương pháp điều khiển gián tiếp, dùng mạng nơ-ron để nhận dạng ước lượng thông số đối tượng điều khiển thông số BĐK lựa chọn dựa vào giả thiết thơng số nhận dạng giá trị xác véc tơ thơng số đối tượng điều khiển dựa nguyên lý tương đương Phương pháp không yêu cầu phải biết trước thông số đối tượng điều khiển Tuy nhiên, yêu cầu, ngồi mạng nơ-ron đóng vai trị điều khiển, phải thêm vào mạng nơ-ron khác dùng để mô đối tượng điều khiển (hình 1.9)

Bộ mơ nhận dạng đối tượng điều khiển cần giai đoạn huấn luyện trước với tập liệu đủ lớn để nhận dạng mơ hình động học xác hay mơ hình nghịch đảo đối tượng điều khiển

Hình 1.9 Sơ đồ phương pháp điều khiển gián tiếp [31]

21

Hình 1.10 Sơ đồ phương pháp điều khiển trực tiếp [31]

Phương pháp điều khiển trực tiếp (hình 1.10), đơn giản phương pháp gián tiếp, không yêu cầu trình huấn luyện trước để nhận dạng thơng số đối tượng điều khiển cung cấp luật thích nghi để cập nhật hàm trọng lượng mạng nơ-ron

1.3 Nghiên cứu số điều khiển PID nơ-ron cho hệ thống điều khiển hướng tàu thủy

22

BĐK PID thơng thường gặp nhiều khó khăn việc điều chỉnh tham số cho kết khơng mong muốn Vì vậy, việc kết hợp BĐK PID mạng nơ-ron nhân tạo cho kết điều khiển mong muốn ổn định

1.3.1 Bộ điều khiển PID dựa mạng nơ-ron lan truyền ngược cho hệ thống điều khiển hướng tàu thủy

Một BĐK PID dựa mạng nơ-ron lan truyền ngược (BPNN) đề xuất tài liệu [38] Cấu trúc hệ thống điều khiển minh họa hình 1.11

Trong thuật tốn này, BĐK PID phương pháp điều khiển tuyến tính biểu diễn sau:

( ) ( ) ( ) ( )

0

1

t

p d

i

de t u t K e t e t dt T

T dt

 

=  + + 

   (1.7)

Hình 1.11 Sơ đồ cấu trúc BĐK PID dựa mạng BPNN

+ ‐

r e

Kd Ki

Kp

Mạng nơ-ron nhân tạo Thuật toán

học

Bộ điều khiển

PID

23

Trong đó, u t( ) đầu BĐK PID; KP hệ số tỷ lệ, T số i thời gian tích phân T số thời gian vi phân; d e t sai số hệ ( ) thống biểu diễn sau:

e t( )= y t( ) ( )−r t (1.8)

Trong đó, y t( ) đầu thực tế r t( ) đầu mong muốn hệ thống điều khiển

Mạng nơ-ron lan truyền ngược có lớp, cấu trúc BĐK minh họa hình 1.12 Số lượng nơ-ron lớp vào, lớp ẩn lớp tương ứng M, Q,

Hình 1.12 Cấu trúc mạng nơ-ron lan truyền ngược

Mạng nơ-ron lan truyền ngược điều hưởng tham số PID cách tự động suốt trình điều khiển Hàm tiêu chất lượng có dạng sau:

( ) 1( ( ) ( ))2

2

E k = rin k −yout k (1.9)

24

Quá trình huấn luyện mơ hình mạng nơ-ron phải thực trước đưa vào sử dụng Quá trình huấn luyện lặp lại sai số bình phương trung bình liệu huấn luyện đạt tối thiểu mong muốn

Kết mô cho thấy BĐK PID nơ-ron có thời gian điều chỉnh ngắn hơn, độ vượt giá trị điều khiển nhỏ độ bền vững cao so với BĐK PID thông thường

Sự thay đổi tham số K , p K i K minh họa hình 1.13 d Hướng góc bẻ lái tàu điều khiển BĐK PID dựa mạng nơ-ron BP điều kiện có khơng có nhiễu môi trường tác động so sánh với BĐK PID thơng thường (Hình 1.14, 1.15)

25

Hình 1.14 Mơ hướng

26

1.3.2 Bộ điều khiển PID dựa mạng nơ-ron hàm sở xuyên tâm cho hệ thống điều khiển hướng tàu thủy

BĐK PID dựa mạng nơ-ron hàm sở xuyên tâm (RBF) cho điều khiển hướng tàu đề xuất tài liệu [39] BĐK gồm có hai phần: 1) BĐK PID thông thường 2) Mạng nơ-ron hàm sở xuyên tâm BĐK PID sử dụng để điều khiển hướng tàu mạng RBF dùng để điều hưởng tham số K , p K i K BĐK PID cách tự động Thuật toán điều d khiển kết hợp ưu điểm phương pháp điều khiển thông thường (BĐK PID) kỹ thuật điều khiển đại (mạng RBF) nhằm nâng cao chất lượng điều khiển, có khả thích nghi cao rút ngắn thời gian thiết kế hệ thống Sơ đồ điều khiển hệ thống minh họa hình 1.16

BĐK PID có cấu tạo tương tự (1.7) đầu BĐK u(t) có chức điều khiển bánh lái tàu thủy

Hình 1.16 Sơ đồ cấu trúc BĐK PID dựa mạng RBF

27

Hình 1.17 Cấu trúc mạng nơ-ron RBF

Hàm tiêu chất lượng mạng nơ-ron RBF có dạng: ( ) ( )

1

RBF m

J = y k −y k  (1.10) Trong đó, y(k) giá trị đầu hệ thống điều khiển thời điểm k;

( )

m

y k giá trị đầu mạng RBF thời điểm k

Do mạng RBF trường hợp đặc biệt mạng truyền thẳng nên hồn tồn áp dụng phương pháp giảm gradient để huấn luyện mạng nhằm tối thiểu hóa hàm số chất lượng JRBF

Mạng RBF thiết kế có khả điều hưởng xác tham số K , p K i K tình khác cách sử dụng ma trận d Jacobi

Hàm sai số mạng định nghĩa sau:

( ) 1( ( ) ( ))2

2

E k = r k −y k (1.11)

28

Kết mô BĐK PID dựa mạng RBF cho thấy mạng nơ-ron RBF điều hưởng tham số PID tự động cách liên tục thích nghi

Hướng tàu điều khiển BĐK PID dựa mạng RBF điều kiện khơng có có nhiễu mơi trường tác động minh họa hình 1.18, 1.19 so sánh với BĐK PID thơng thường để chứng minh tính hiệu BĐK

Hình 1.18 Hướng tàu khơng có nhiễu

29

Hình 1.20 Mơ thay đổi Kp, Ki Kd 1.4 Cơ sở lý thuyết hệ tọa độ và động học tàu thủy

Trong đề tài tác giả có đề xuất ứng dụng BĐK hướng tàu vào điều khiển tàu theo quỹ đạo cho trước, thông qua BĐK hướng tàu kết hợp với thuật toán dẫn đường LOS làm cho tàu theo quỹ đạo xác định điểm chuyển hướng

1.4.1 Các hệ trục tọa độ tham chiếu

30

Hình 1.21 Các hệ toạ độ tham chiếu

Hệ trục tọa độ tham chiếu tâm trái đất:

Hệ trục tọa độ ECI (Earth-Centered Inertial):   (i = x y zi, ,i i) hệ trục tọa độ tham chiếu quán tính dùng định hướng mặt đất, áp dụng định luật chuyển động Newton Bao gồm hệ thống định hướng quán tính Gốc hệ trục tọa độ  i đặt tâm O Trái i Đất hình 1.21

31

qn tính Tuy nhiên, xét đến trơi tàu không nên loại bỏ quay Trái Đất Hệ tọa độ  e thường sử dụng cho định hướng, dẫn đường điều khiển tồn cầu, ví dụ để mơ tả chuyển động vị trí tàu di chuyển từ lục địa sang lục địa khác

Các hệ trục tọa độ địa lý:

Hệ trục tọa độ NED (North-East-Down): hệ trục tọa độ mà đề cập đến thường ngày Hệ trục tọa độ   (n = x y zn, n, n) có gốc O n định nghĩa liên quan tới mặt Ellipsoid tham chiếu Trái Đất Nó thường định nghĩa mặt phẳng tiếp xúc bề mặt Trái Đất di chuyển với tàu, có trục hướng theo hướng khác so với trục cố định tàu Đối với hệ trục trục x hướng phương Bắc, n trục y hướng hướng Đơng cịn trục n z hướng tâm trái đất Vị trí n tương đối  n so với  e được xác định hai góc μ (kinh độ vĩ độ)

Hệ trục tọa độ BODY (Body-fixed reference frame):   (b = x y zb, b, b) hệ tọa độ chuyển động, cố định so với tàu Vị trí hướng tàu mô tả tương đối so với hệ trục quán tính (xấp xỉ  e  n ) Trong đó, vận tốc dài vận tốc góc tàu mơ tả hệ trục tọa độ body-fixed Gốc Ob thường chọn trùng với điểm tàu, gọi CO Đối với phương tiện hàng hải, trục hệ BODY chọn hình 1.21 Với x trục dọc từ đuôi tàu đến mũi tàu, b y trục b ngang hướng từ mạn trái qua mạn phải, zb trục vng góc hướng từ xuống đáy tàu

32

và NED) hệ trục cố định tàu (BODY) biểu diễn ký hiệu bảng 1.21 hình 1.22

Hình 1.22 Hệ trục toạ độ đại lượng

Đối với loại tàu biển, ký hiệu sau áp dụng cho vận tốc dài vận tốc góc phân tích hệ tham chiếu {b}, {e} {n}

e b/n

v : vận tốc dài điểm O so với b Onđược biểu diễn hệ trục tọa

độ {e}

b n/e

 : vận tốc góc hệ trục tọa độ {n} so với hệ trục tọa độ {e} biểu diễn hệ trục tọa độ {b}

n b

f : lực tác động tác động lên tàu đặt Obđược biểu diễn hệ

trục tọa độ {n}

n b

33

nb

 : góc Euler hệ trục tọa độ {n} hệ trục tọa độ {b} Bảng 1.1 Ký hiệu SNAME (1950) tàu biển Bậc

tự Chuyển động

Lực moment

Vận tốc

Vị trí góc Euler 1 Chuyển động tiến theo trục x

(Surge) X u x

2 Chuyển động tiến theo trục y

(Sway) Y v y

3 Chuyển động tiến theo trục z

(Heave) Z w z

4 Chuyển động quay quanh trục x

(Roll) K p



5 Chuyển động quay quanh trục y

(Pitch) M q 

6 Chuyển động quay quanh trục z

(Yaw) N r



Các đại lượng bảng 1.1, định nghĩa SNAME (1950), biểu diễn dạng vector sau:

Vị trí ECEF b ee/ x p y z     =      

Kinh độ vĩ độ



   =    

Vị trí NED b nn/ N p E D     =      

Kinh độ vĩ độ

34 Vận tốc dài Body-fixed b nn/

u v v w     =      

Vận tốc góc Body-fixed b nn/ p q r      =      

Lực Body-fixed bn u f v w     =      

Mô men Body-fixed bb K m M N     =       Chuyển động tàu không gian bậc tự mô tả vector sau:

/ n b n nb p  =     ; / n b n nb v v    =    ; b b b b f m  =     

1.4.2 Phương trình động học tàu

Hướng hệ trục tọa độ {b} xác định so với hệ trục tọa độ quy chiếu {n} ba góc roll ( ) , pitch ( ) yaw ( )

Nếu xoay hệ trục tọa độ {b} xung quanh trục z, y, x hệ trục tọa độ {n} ta có ma trận chuyển đổi sau:

, , ,

1 0

0 ; ;

0 0

x y z

c s c s s

R c s R R s c

s c s c

                − −             =  =  = −   −           

Do vector vận tốc dài vbb/n biểu diễn {n} bởi:

n n b

b/n b nb b/n

p =R ( )v (1.12)

với R (nb nb)là tích ba ma trận xoay quanh trục z, y x

n

b nb z, y, x,

c c s c c s s s s c c s

R ( ) R R R s c c c s s s c s s s c

s c s c c

35

Hình 1.23 Các góc xoay Euler (minh họa chung cho bậc tự do) Theo tài liệu [24] vector vận tốc góc b  T

b/n p q r

 = hệ trục

tọa độ {b} chuyển sang vận tốc góc  = nb    hệ trục tọa độ {n} ma trận chuyển đổi T ( nb) công thức:

b nb T ( nb)b/n

36

Ngồi dựa vào tài liệu [24], ta có ma trận chuyển đổi vận tốc góc từ hệ tọa độ {b} sang hệ tọa độ {n} sau:

nb

1 s t c t

T ( ) c s

0 s / c c / c

                = −     

Phương trình động học bậc tự tàu biểu diễn dạng:

J ( )

=    (1.14)

hay

n n b

b/n b nb 3 b/n

b

3 nb

nb b/n

p R ( ) v

0 T ( ) 

         =            

    (1.15)

1.4.3 Phương trình động lực học vật rắn

Theo định luật Newton cho vật rắn có khối lượng m, ta có phương trình cân lực moment sau:

( )

b b b b b b b b b

b/n b/n g b/n b/n b/n b/n g b

m v + r + v +   r =f (1.16)

( ) ( )

b b b b b b b b

b b/n b/n b b/n g b/n b/n b/n b

I  +  I  +mr  v + v =m (1.17) đó:

 T

b b

f = X, Y, Z : lực tác dụng lên vật rắn đặt Ob biểu diễn

{b};

b  T

b

m = K, M, N : moment tác dụng lên vật rắn đặt Ob biểu

diễn {b};

 T

b b/n

v = u, v, w : vận tốc dài Ob so với On biểu diễn

{b};

 T b

b/n p,q,r

37

T b

g g g g

r = x , y , z  : vector từ Ob đến CG biểu diễn {b}

Từ ta suy phương trình lực moment tàu:

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 2

g g g

2

g g g

2

g g g

2

x z y xz yz xy

g

m u vr wq x q r y (pq r) z (pr q) X

m v ur wp x qp r y p r z (q r p) Y

m w uq vp x rp q y rq p z p q Z

I p I I qr qp r I r q I (pr q)I

+m y w uq vp

 − + − + + − + − =    + − + + − + + − =    − + + + − + − + =   + − − + + − + − − + ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) g 2

y x z xy zx yz

g g

2

z y x yz xy zx

g g

z v wp ur K

I q I I ro qr p I p r I (p q r)I

+m z u vr wq x w uq vp M

I r I I pq rp q I q p I (rq p)I

+m x v wp ur y u vr wq

 − − + =   + − − + + − + −  − + − − + =   + − − + + − + −

 − + − − +  =N

 

(1.18)

với Ib moment quán tính gốc Ob, ta có:

x xy xz

T

b yx y yz b b

zx zy z

I I I

I I I I , I I

I I I

 − −    = − −  =  − −    (1.19)

với Ix, Iy, Iz momen quán tính trục xb, yb, zb Ixy =Iyx, Iyz =Izy, Izx

=Ixz moment quán tính ly tâm định nghĩa sau:

( )

( )

( )

2

x V m

2

y m

V

2

z V m

xy V m V m yx

yz V m V m zy

zx m m xz

V V

I y z dV

I x z dV

I x y dV

I xy dV yx dV I

I yz dV zy dV I

I zx dV xz dV I

38

1.4.4 Phương trình động lực học tàu

Phương trình động lực học tảu biểu diễn Fossen (1994) [23]:

RB RB RB

M  +C ( )  = (1.21)

trong đó: b b T T

b/n b/n

v [u, v, w, p,q, r]

 =   = vector vận tốc biểu diễn {b};

T

b b T

RB fb mb [X, Y, Z, K, M, N]

 =  = vector ngoại lực moment tác động lên tàu Có thể phân tích trở thành: RB =H +wind,wave+ ; 

MRB ma trận khối lượng tàu;

RB

C ( ) ma trận lực Coriolis lực hướng tâm

Theo tài liệu [23] ma trận MRB ma trận C ( )RB xác

định sau:

T

RB RB RB 6x M =M 0, M =0

g g

g g

g g

RB

g g x xy xz

g g yx y yz

g g zx zy z

m 0 mz my

0 m mz mx

0 m my mx

M

0 mz my I I I

mz mx I I I

my mx I I I

− −    −     −  =  − − −     − − −    − − −     (1.22)

39

RB

g g g g

g g g g

g g g g

g g g g

g g g g

g g g g

yz xz z yz

0 0

0 0

0 0

C ( )

m(y q z r) m(y p w) m(z p v) m(x q w) m(z r x p) m(z q u)

m(x r v) m(y r u) m(x p y q)

m(y q z r) m(x q w) m(x r v) m(y p w) m(z r x p) m(y r u) m(z p w) m(z q u) m(x p y q)

0 I q I p I r I q  = − + + − − − + + + − − + + − − − − − + + − − − − − + +

− − + xy y

yz xz z xz xy x

yz xy y xz xy x

I p I q I q I p I r I r I q I p

I q I p I q I r I q I p + −

+ − − − +

− − + + −

(1.23)

1.4.5 Thủy động lực học

Trong phân tích thuỷ động lực học, thơng thường người ta giả định lực moment thuỷ động tác động lên tàu áp dụng nguyên lý xếp chồng tuyến tính (Faltinsen 1990) [23]:

A r A r r r r

Hydrodynamic forces Hydrostatic forces M v C (v ) v D(v ) v g( ) g H hyd hs

 = + = − − − −  −

(1.24) đó: T

A A

M =M khối lượng tăng thêm thuỷ động lực Có thể xem khối lượng ảo cộng thêm vào tàu trình gia tốc tàu phải rẽ lượng nước xung quanh để vượt qua Vì tính chất đối xứng qua mặt phẳng Oxz thân tàu, khối lượng tăng thêm thuỷ động lực cho (1.25):

u

v p r

w q

A

v p

w q

v p r

X 0 0 0 Y Y Y 0 Z Z M

0 K K 0 0 M M 0 N N N

40

Đối với tàu di chuyển chất lỏng lý tưởng, lực thuỷ động Coriolis quán tính hướng tâm T

A r A r

C (v )= −C (v ) cho (1.26):

3

3

2 A r

3

3

2

0 0 -a a

0 0 a a

0 0 a a

C (v )

0 a a b b

a a b b

a a b b

   −     −  =  − −     − −    − −   với:

a = X u + X v + X w + X p + X q + X r

1 u v w p q r

a = Y u + Y v + Y w + Y p + Y q + Y r

2 u v w p q r

a = Z u + Z v + Z w + Z p + Z q + Z r

3 u v w p q r

b = K u + K v + K w + K p + K q + K r

1 u v w p q r

b = M u + M v + M w + M p + M q + M r

2 u v w p q r

b = N u + N v + N w + N p + N q + N r

3 u v w p q r

(1.26)

Lực giảm chấn thuỷ động học tàu cho (1.27), ma trận giảm chấn thuỷ động lực D(v )r tổng hợp thành phần

tuyến tính D thành phần phi tuyếnD (v )n r : ( )r n( )r

D v = +D D v

với:

0 0 0

0 0

0 0

0 0

0 0

0 0

u

v p r

w q

v p

w q

v p r

X

Y Y Y

Z Z

D

K K

M M

N N N

        = −           

41

r u u

r r

v v r v v r r r

r q

w w

n r

v p p

q q

r r

v v r v v r r r

X u 0 0

0 Y v Y r 0 Y v Y r

0 Z w Z

D (v )

0 K K p 0

0 0 M q

0 N v N r 0 N v N r

    + +       = −          + +   

1.4.6 Lực phục hồi

Gọi  thể tích chất lỏng bị chiếm tàu, g gia tốc trọng trường, ρ khối lượng riêng chất lỏng Trọng lượng riêng W lực Archimet B xác định sau:

,

W =mg B=g (1.28)

Theo tài liệu [22], ta có cơng thức lực phục hồi tính sau: ( ) gb bb bn( gb bb)

b b b b b n n b n n

g g b b g b g b b b

R f f f f

g

r f r f r R f r R f

 = + =  + 

+ +

   

    (1.29)

trong đó:

0

0 ,

w w n n g b f f         =  = −          (1.30)

Suy ta công thức sau:

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) W W W

y W z W

z W x W

x W y W

g b g b

g b g b

g b g b

B s B c s B c c

g y B c c z B c s

z B s x B c c x B c c y B s s

                  −   − −     − −    = − − + −    − + −     − − + −     (1.31)

với xb, yb, zb tọa độ tâm lực

42

( x, y, z)T ( g b, g b, g b)T

BG= BG BG BG = x −x y − y z −z (1.32) Suy ra: ( ) 0 W W W W W W

y c c z c s

z c x c c

x c s y s

g BG BG BG BG BG BG                      = − +    +     − +    (1.33)

1.4.7 Trọng lực thêm vào

Đối với trọng lực thêm để tàu trạng thái cân theo ý muốn, theo [22, 23] ta có cơng thức sau:

0 0 ballast ballast ballast z g K M        −  = −    −      (1.34)

Do (1.21) trở thành (1.35), phương trình tổng quát động lực học tàu thuỷ:

( ) ( ( ))

( )

( ) ( )

r

RB A RB r r r r wind wave

M C v

M +M v+ C v v +D v v +g  +g = +  + (1.35) 1.5 Kết luận chương

Trong chương 1, tác giả tập trung số vấn đề nghiên cứu tổng quan đến luận án, đạt kết sau:

43

nghĩa khoa học đóng góp thực tiễn cho ngành khoa học hàng hải, khơng trùng lặp với cơng trình nghiên cứu cơng bố

- Hệ thống hóa sở lý luận mạng nơ-ron nhân tạo, cấu trúc mạng, phương pháp ứng dụng mạng nơ-ron nhận dạng điều khiển

- Nghiên cứu, phân tích số cơng trình nghiên cứu BĐK PID dựa mạng nơ-ron nhân tạo cho điều khiển hướng tàu thủy

44

CHƯƠNG BỘ ĐIỀU KHIỂN PID NƠ-RON THÍCH NGHI DỰA TRÊN MẠNG NƠ-RON LAN TRUYỀN NGƯỢC CHO HỆ THỐNG

ĐIỀU KHIỂN HƯỚNG ĐI TÀU THỦY

2.1 Bộ điều khiển PID nơ-ron dựa mạng lan truyền ngược khơng có bộ nhận dạng cho hệ thống điều khiển hướng tàu thủy

2.1.1 Sơ đồ nguyên lý

Hình 2.1 Sơ đồ nguyên lý BĐK PID nơ-ron lan truyền ngược

Cấu trúc điều khiển PID dựa mạng nơ-ron lan truyền ngược (Hình 2.1) gồm có hai phần: 1) Bộ điều khiển PID thông thường 2) Mạng nơ-ron lan truyền ngược (BPNN) Bộ điều khiển PID sử dụng để điều khiển hướng tàu Chất lượng điều khiển phụ thuộc vào việc thiết lập tham số K , p K i K điều khiển PID mà điều hưởng mạng d BPNN Mạng BPNN sử dụng thuật toán huấn luyện trực tuyến dựa phương pháp giảm gradient để cập nhật trọng số bảo đảm cho mạng nơ-ron thiết kế tính tốn tham số PID mong muốn Vì vậy, phương pháp này, việc kết hợp điều khiển PID thông thường mạng BPNN thông minh cho chất lượng điều khiển mong muốn ổn định

Hướng đặt

Ψr

Thuật toán chỉnh hướng đặt

Ψd

z-m BPNN

PID

Kp Kd Ki

ek k

Tàu

Nhiễu, gió, dịng…

Ψ

45

2.1.2 Thuật toán điều khiển PID

Thuật toán điều khiển PID số biểu diễn sau:

( ) ( ) ( )

( ) ( ) ( )

( )

2

pid p i

d

k K e k e k K e k K e k e k e k

 =  − − +

+  − − + −  (2.1)

trong đó,  đầu (góc bẻ lái) BĐK PID; pid K , p K i K tương ứng d hệ số tỷ lệ, tích phân vi phân; ( )e k sai số hệ thống biểu diễn sau:

e k( )=( )k −d( )k (2.2)

trong đó,  đầu thực tế hệ thống, d đầu mong muốn hệ thống

2.1.3 Thuật toán điều khiển mạng nơ-ron lan truyền ngược

Nếu mạng nơ-ron có đủ số lượng nơ-ron, xấp xỉ hàm liên tục với lớp ẩn [36], [54] Vì vậy, mạng nơ-ron có lớp ẩn thiết kế

Mạng nơ-ron lan truyền ngược có lớp, cấu trúc BĐK minh họa hình 2.2 Số lượng nơ-ron lớp vào, lớp ẩn lớp tương ứng M, Q,

46 a) Tính tốn truyền thẳng BPNN

Đầu nơ-ron lớp vào là:

p p

O = X (p=1, 2,3, ,M) (2.3)

trong đó, Op đầu nơ-ron thứ p lớp vào Đầu vào đầu lớp ẩn mạng là:

( ) M1

j p jp p

net k = =  O (2.4)

( ) ( ( ))

j j

O k = f net k ( j=1, 2,3, ,Q) (2.5) đó, net đầu vào nơ-ron thứ j lớp ẩn; j jplà trọng số lớp ẩn; f x hàm kích hoạt nơ-ron lớp ẩn, hàm sigma với đối ( ) xứng dương âm

( ) tanh( ) ( x x) ( x x)

f x = x = e −e− e +e− (2.6)

Đầu vào đầu lớp là: ( ) Q1

i j ij j

net k = =  O (2.7)

( ) ( ( ))

i i

O k =g net k (i =1, 2,3) (2.8)

( ) ( ) ( ) ( ) ( ) ( ) P I D

K k O k K k O k K k O k

=   =   =  (2.9)

đó, ijlà trọng số nơ-ron lớp ra; đầu nơ-ron lớp KP, KIvà; g x hàm kích hoạt nơ-ron lớp ra, hàm sigma ( ) khơng âm

( ) ( ) ( )

x x x

g x =  + x =e e +e− (2.10)

47

toán học tàu thủy thường tồn làm giảm độ xác điều khiển hệ thống Vì vậy, thuật tốn huấn luyện online áp dụng để điều chỉnh trọng số nơ-ron nhằm làm giảm sai số hệ thống e thiết kế BĐK BPNN y

b) Lan truyền ngược sai số điều chỉnh trọng số Hàm tiêu chất lượng có dạng sau:

( ) 1( ( ) ( ))2

2

E k = rin k − yout k (2.11) trong đó, rin đầu mong muốn; yout đầu thực tế

Q trình huấn luyện mơ hình mạng nơ-ron phải thực trước đưa vào sử dụng Quá trình huấn luyện lặp lại sai số bình phương trung bình liệu huấn luyện đạt tối thiểu mong muốn Trong nghiên cứu này, q trình huấn luyện dựa thuật tốn lan truyền ngược Ý tưởng lan truyền ngược nhằm điều chỉnh trọng số nơ-ron sử dụng phương pháp giảm độ dốc cho hàm sai số chu trình điều khiển Nhìn chung, việc điều chỉnh trọng số từ lớp ẩn tới lớp biểu diễn sau:

ij( ) ( )

ij

E k k

 





 = −

 (2.12)

48

ij( ) ( ) ij( 1)

ij E k k k        = − +  −

 (2.13)

trong đó,  hệ số tốc độ học,  hệ số xung lượng Từ đó:

( )

( ) ( )( ) ( )( ) ( )( ) i( )( ) i( )( )

ij i i ij

E k E k y k u k O k net k

k y k u k O k net k k

 

     

=

      (2.14)

( ) ( ) ( ) i i ij net k O k k   =

 (2.15)

và dựa phương trình (2.9), (2.14), phương trình sau tính: ( ) ( ) ( ) ( ) 1 u k

e k e k O k



= − −

 (2.16)

( ) ( ) ( ) u k e k O k  =  (2.17) ( ) ( ) ( ) ( ) ( )

2

u k

e k e k e k O k



= − − + −

 (2.18)

Sau đó, thuật tốn học việc cập nhật trọng số lớp biểu diễn sau:

( 1) ( ) ( )

ij k ij k ij k

 + = +  (2.19)

( ) ( 1) ( )

ij k ij k iO kj

   

 =  − + (2.20)

đó, i hàm sai số lớp ẩn, cần thiết cho việc điều chỉnh trọng số từ lớp vào tới lớp ẩn iđược biểu diễn sau:

( ) ( ) ( ) ( )( ) ( ( ))

i y i

i

y k u k

e k g net k

u k O k

 =  

  (2.21)

49 ( ) ( )(1 ( ))

g x =g x −g x (2.22)

Sử dụng phép tính tương tự việc cập nhật trọng số lớp ẩn tính dựa thuật tốn giảm gradient hàm sai số lớp ẩn j Thuật toán học biểu diễn sau:

( 1) ( ) ( )

jp k jp k jp k

 + = +  (2.23)

( ) ( 1) ( )

jp k jp k jOp k

   

 =  − + (2.24)

( )

( ) ( )

1

j j i ij

i

f net k k

  

=

=  (2.25)

trong đó, đạo hàm bậc f x( )được cho bởi: ( ) (1 2( ))

2 f x

f x = − (2.26)

2.1.4 Huấn luyện ngược tăng cường

Thuật toán điều khiển PID dựa BPNN sử dụng phương pháp huấn luyện tăng cường [31] cụ thể hóa [29, 30] (Hình 2.3) Các giá trị số lần huấn luyện chu trình n hệ số học η cố định Tại thời điểm bắt đầu chu trình điều khiển thị tham số k, trọng số mạng nơ-ron chọn giá trị ngẫu nhiên nhỏ Tín hiệu nơ-ron lớp ẩn lớp tính toán dựa trọng số ban đầu Tiếp theo, trọng số mạng nơ-ron cập nhật thuật toán lan truyền ngược cho giá trị Ek đạt cực tiểu Quá trình lặp

50

2.1.5 Sơ đồ thuật tốn huấn luyện (Hình 2.3)

Hình 2.3 Sơ đồ khối thuật toán điều khiển PID - BPNN

SAI

Thu thập liệu r(k) y(k) tính Ek

Tính đầu vào đầu nơ-ron lấy tham số Kp, Kivà Kd PID

Thu thập liệu BĐK PID

Hiệu chỉnh trọng số (Thuật toán lan truyền ngược) k=k+1

ite=1

ite=ite+1

Đặt hệ số học  hệ số xung lượng α Khởi tạo Ek=0

ite<n

Khởi tạo trọng số ban đầu mạng

Tính giá trị hàm mục tiêu

Ek+1

Tính trọng số tín hiệu điều khiển cho chu trình

thứ k

ĐÚNG

Vịng lặp Chu trình

mới

51

2.2 Bộ điều khiển PID nơ-ron dựa mạng lan truyền ngược có nhận dạng nơ-ron cho hệ thống điều khiển hướng tàu thủy

2.2.1 Sơ đồ nguyên lý

BĐK PID nơ-ron đề xuất có cấu trúc hình 2.4, bổ sung thêm mạng nơ-ron thứ hai (NN2) có dùng để dự đoán tốc độ quay trở tàu (ψ_dotk ) Đây mạng nơ-ron có ba lớp truyền thẳng huấn

luyện theo thuật toán lan truyền ngược tăng cường (Hình 2.5) Đầu vào mạng tốc độ quay trở tàu tín hiệu góc bẻ lái thời điểm 1, k-2, k-3 Hướng dự đốn tàu có nhờ việc nhận dạng tốc độ quay trở tàu, sau tín hiệu chuyển đến đầu vào mạng nơ-ron thứ (NN1)

Hình 2.4 Sơ đồ nguyên lý BĐK PID nơ-ron NN1 với nhận dạng nơ-ron NN2

Hình 2.5 Cấu trúc mạng nơ-ron nhận dạng NN2

Hướng đặt

Ψr

Thuật toán chỉnh hướng đặt

Ψd

z-m NN1

PID

Kp Kd Ki

ek k

Tàu Nhiễu, gió,

dịng…

Ψ

z-m

NN2

Ψ

52

2.2.2 Mạng nhận dạng nơ-ron

Một hệ thống động học mơ tả hai dạng: Mơ hình đầu vào - đầu mơ hình khơng gian trạng thái Đề tài ứng dụng mạng nơ-ron truyền thẳng để học mà nhận dạng mơ hình tàu thủy ứng dụng cho điều khiển theo phương án đầu vào - đầu [36]

Mơ hình đầu vào - đầu mô tả hệ thống động học dựa liệu vào hệ thống Trên nguyên lý này, mơ hình đầu vào - đầu giả thiết tín hiệu miền thời gian rời rạc hệ thống dự đốn từ liệu vào khoảng thời gian trước hệ thống, tức thơng tin hệ thống thu từ trước

Nếu hệ thống giả sử xác định theo biến thời gian, ví dụ SISO (một đầu vào, đầu ra), mơ hình đầu vào - đầu mô tả sau:

( ) ( ( ,) ( , ,) ( ))

p p p p

y k = f y k− y k− y k−n

u k( −1 ,) (u k −2 , ,) u k( −m) (2.27) Trong đó, u k( ) ( ),yp k  cặp tín hiệu đầu vào - đầu hệ thống tại thời điểm k Các số nguyên n, m tương ứng số tín hiệu (bậc hệ thống) số tín hiệu vào hệ thống Trong thực tế m thường nhỏ hoặc n f hàm phi tuyến tĩnh, giúp tính tốn tín hiệu hệ thống dựa tín hiệu vào trước hệ thống Nếu hệ thống tuyến tính f hàm tuyến tính phương trình (2.27) viết lại sau:

( ) ( 1) ( , ,) ( )

p p p n p

y k =a y k − +a y k − a y k −n

( ) ( ) ( )

1 2 , , m

b u k b u k b u k m

+ − + − + − (2.28)

53

Hình 2.6 Mơ hình đầu vào - đầu

Nhận dạng hệ thống đầu vào - đầu mạng nơ-ron truyền thẳng (không có nhớ động) đặt nhiệm vụ tìm hàm số mô tả hay ước lượng quan hệ vào tín hiệu hệ thống động học Phương trình (2.27) có thể miêu tả hình 2.6 Hệ thống động học mô tả hàm f số nguyên m n Nếu cho trước giá trị m n, cần tìm hàm f Hàm f không thay đổi theo thời gian hệ thống không biến đổi theo thời gian Chính mạng nơ-ron nhân tạo truyền thẳng có khả mô tả hàm số tĩnh nên ứng dụng để ước lượng hàm số f (chính mơ hình tàu) đề tài Tuy nhiên đề tài nâng cao khả nhận dạng mơ hình tàu nơ-ron chiến lược online, tức tín hiệu vào

( )

p

y k

( )

p

y k ( ) u k

f(.)

z-1

z-1

z-1

z-1

54

cập nhật liên tục giúp mơ hình nơ-ron nhận dạng tàu kiên tục theo thời gian Đây điểm đáng ý đề tài nghiên cứu

Hình 2.7 Cấu trúc nhận dạng song song

55

thống không dùng để đưa vào mạng ron Hệ thống điều khiển mạng nơ-ron nhận dạng hai trình riêng biệt chia sẻ tín hiệu vào từ bên ngồi Các tín hiệu mạng nơ-ron hệ thống điều khiển không ảnh hưởng đến Các kết mô [36] chứng minh tính hiệu khả thi phương pháp

Trong đề tài, sử dụng mạng nơ-ron nhận dạng minh họa NN2 biểu diễn hình 2.7

Hình 2.8 Cấu trúc nhận dạng chuỗi song song 2.3 Kết luận chương

56

huấn luyện tăng cường để tăng tốc độ thích nghi hệ thống, điều chỉnh nhanh xác tham số BĐK PID

57

CHƯƠNG KẾT QUẢ MƠ PHỎNG

3.1 Mơ hình tốn học cho mơ

3.1.1 Mơ hình tốn học tàu hàng Mariner

Nhằm kiểm chứng việc thiết kế hệ thống điều khiển cho tàu thủy, tác giả sử dụng mơ hình tốn học tàu hàng Mariner để mơ luật điều khiển trước làm thử nghiệm mơ hình thử nghiệm tồn tỷ lệ tàu thực [22, 23, 64] Khi làm mô để mơ tả mơ hình tốn học tàu hàng Mariner, ta sử dụng số tham số chuyển động sau:

0

u u= + u p = p0+ p  = + 0 

v v= + v r r= + 0 r  = + 0  (3.1) Trong tham số chuyển động (3.1), u số gia nhỏ vận tốc trượt dọc định danh (hằng số) u0 cịn u mơ tả vận tốc trượt dọc toàn Vận tốc toàn tàu xác định theo công thức sau:

( )2

2 2

0

U = u +v = u +u + v (3.2) Phịng thí nghiệm thủy khí động học Lyngby, Đan Mạch tiến hành thử nghiệm kỹ thuật chuyển động mặt phẳng (PMM - Planar Motion Mechanism) ước lượng chuyển động lái toàn tỷ lệ cho tàu hàng lớp Mariner Các kích thước tàu hàng lớp Mariner theo Fossen [23] là:

- Chiều dài toàn (Length Overall, Loa): 171,80 (m); - Chiều dài hai đường vng góc (Lpp): 160,93 (m);

- Chiều rộng lớn (B ): 23,17 (m); - Mớn nước thiết kế (T ): 8,23 (m);

58

Các phương trình chuyển động trượt ngang, trượt dọc quay trở cho tàu Mariner biểu diễn sau:

'

' ' '

' ' ' '

' 0 ' '

0 ' ' ' '

0 ' ' '

u

v G r

G v z r

m X u X

m X m x N v Y

m x N I N r N

 −      − −    =          − −         (3.3)

trong đó, lực mô men phi tuyến ' '

,

X Y

  N'được xác đinh sau (theo Hệ Prime I với Lppvà U biến tiêu chuẩn hóa):

' ' ' ' ' '

' u ' uu ' uuu ' vv ' rr ' rv ' '

X X u X u X u X v X r X r v

 =  +  +  +  +  +  

' ' ' '

' u ' ' v ' ' uv ' ' '

X  X  u  X  v  X  u v 

+  +   +   +    (3.4)

' ' ' ' ' '

' v ' r ' vvv ' vvr ' ' vu ' ' ru ' '

Y Y v Y r Y v Y v r Y v u Y r u

 =  +  +  +   +   +  

' ' ' ' '

' ' u ' ' uu ' ' v ' '

Y  Y  Y v  Y  u  Y v 

+  +  +   +   +   (3.5)

( )

' ' '

' ' 0' ' '

vv u uu

Y  v  Y Y u Y u

+   + +  + 

' ' ' ' '

' v ' r ' vvv ' vvr ' ' vu ' ' rru ' '

N N v N r N v N v r N v u N r u

 =  +  +  +   +   +  

' ' ' ' '

' ' u ' ' uu ' ' v ' '

N  N  N  v  N  u  N  v 

+  +  +   +   +  

( )

' ' '

' ' 0' ' '

vv u uu

N  v  N N u N u

+   + +  +  (3.6)

Các hệ số không thứ nguyên mơ hình tàu Mariner là:

'

798.10

m = − , Iz' =39.2 10 −5, x = −G' 0.023 (3.7)

3.1.2 Mô hình tốn học sóng, gió dịng chảy

Mơ hình nhiễu mơi trường tác động sóng, gió dịng chảy dùng cho mơ phỏng, kiểm tra đánh giá hệ thống điều khiển phản hồi Nhiễu mơi trường có tính phi tuyến cao thêm vào phương trình động học tàu thủy để thực mô

59

w w= wind +wwave (3.8)

trong đó, wwind 6và wwave lực tổng quát hóa sóng

gió Các mơ hình dùng cho mơ lực trình bày mục 3.1.2.1 3.1.2.2

Các ảnh hưởng dịng chảy thường mơ định nghĩa theo véc tơ vận tốc tương đối:

vr = −v vc (3.9)

trong đó, v c 6là véc tơ vận tốc dòng chảy theo hệ tọa độ cố định tàu

Đối với dòng chảy biến thiên chậm, v c 0, phương trình chuyển động tàu thủy trở thành:

( ) ( ) ( ) ( )

RB RB A A r r r r

M v+C v v+g  +M v+C v v +D v v = + g +w

các số hạng thủy động học số hạng vật thể rắn

(3.10)

Trong trường hợp tuyến tính, phương trình rút gọn thành:

Mv Nv+ r +G = + +g0 w (3.11)

Các mơ hình dịng chảy dùng cho mô liên quan đến véc tơ

c

v trình bày mục 2.1.2.3

2.1.2.1 Mơ hình gió

Ta ký hiệu Vvà tương ứng tốc độ gió hướng gió Để xác định vận tốc cục h(m) bề mặt biển, theo Bretschneider (1969), ta có:

V( )h =V( ) (10 h 10)1 (3.12) đó, V( )10 vận tốc gió tương đối 10 (m) bề mặt biển

Các lực mơ men gió tác động lên tàu định nghĩa liên quan tới tốc độ gió Vr góc r sau:

2

r r r

V = u +v r tan 1(v ur r)  

−

60

đó, véc tơ thành phần Vr theo hướng x y là:

ur =Vcos( )r − , u vr =Vsin( )r − v (3.14) Ở đây,   r =  − góc hướng gió mũi tàu (Xem hình 3.1)

Hình 3.1 Tốc độ gió V hướng gió r

Tốc độ gió V hướng gió rcó thể đo máy đo gió Để tiến hành bù trừ gió cho tàu thủy, cần thiết phải có mơ hình gió bậc tự hàm tốc độ gió tương đối V hướng gió r Ta có véc tơ lực gió tổng quát hóa sau:

 , , T

wind wind wind wind

w = X Y N (3.15)

Trong đề tài, tác giả sử dụng mơ hình gió Isherhood -1972 [24], theo mơ hình này, hệ số ảnh hưởng gió định nghĩa sau:

0 2

2 L T OA

X

OA OA OA

L

A A S C

C A A A A A A A M

L B B L L

= + + + + + + (3.16)

0 2

2 L T OA SS

Y

OA OA OA L

L A

A A S C

C B B B B B B B

L B B L L A

61

0 2

2 L T OA

N

OA OA OA

L

A A S C

C C C C C C B

L B B L L

= + + + + + (3.18)

trong đó, CX hệ số thành phần lực gió trục x;

Y

C hệ số thành phần lực gió trục y;

N

C hệ số mô men quay trở gió gây ra;

0

A A , B0 B6,C0 C6 hệ số Isherhood sử dụng cho mơ hình Do đó, ta có mơ men lực gió tính theo thuật tốn sau với tốc độ gió tương đối tới tàu V:

w ( )

1

ind X r a r T

X = C   V A (3.19)

w ( )

2

ind Y r a r L

Y = C   V A (3.20)

w ( )

2

ind N r a r L OA

N = C   V A L (3.21)

trong đó, Xwind lực gió theo trục x (N); Ywind lực gió theo trục y (N);

wind

N mô men quay trở gió gây (Nm); a tỷ trọng khơng khí (kg/m3),

T

A ALtương ứng vùng diện tích chiếu theo phương dọc phương ngang LOA chiều dài toàn tàu

3.1.2.2 Mơ hình sóng

Trong đề tài, tác giả sử dụng mô hình sóng bề mặt tạo gió Tương tự (3.15), ta có véc tơ lực mơ men sóng sau:

62 ( ) ( ) ( ) w cos N aves i i

X t gBLT  s t

=

= (3.23)

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) w

3

4 5 4

0

min ax

sin

4 16

exp , 0.80 ,

0.710 0.710 os N aves i i s o s o o c c

c c c

c

c

c m

Y t gBLT s t

H

S T s H mm

T T

V

u V c dV t

V t t

dt

V V t V

                = = = −  −  =   = =   = − + =    (3.24)

( ) ( 2) ( ) ( )2

w 1 sin 24 N aves i i

N t gBL L B  s t

=

= − (3.25)

đó, L B chiều dài chiều rộng tàu; T mớn nước trung bình tàu;  tỷ trọng nước; s ti( )là độ dốc sóng;   =  −

là góc hướng sóng tác động  với mũi tàu  (tính radian); Độ dốc sóng si liên quan tới hàm tỷ trọng phổ sóng S( )i

Các tỷ trọng phổ khác sử dụng để tính S( ) Vì vậy, đề tài sử dụng phổ Pieson – Moskowitz sửa đổi (theo Fossen 2002) [24] sau:

( )

( ) ( )

3

4 5 4

4 16 exp 0.710 0.710 s o o H S T T       −  =  

  (3.26)

63

2.1.2.3 Mơ hình dịng chảy

Đề tài sử dụng mơ hình dịng chảy chiều (Fossen, 1994; Vukic et al., 1998) [23] Các thành phần dòng chảy theo hệ tọa độ cố định trái đất mô tả hai tham số là: vận tốc dịng chảy trung bình Vc hướng dịng chảy c

Các thành phần hệ tọa độ cố định vật thể (tàu thủy) tính từ công thức sau:

uc =V cc os( c − )

vc =Vcsin( c− ) (3.27)

2

c c c

V = u +v

Vận tốc dòng chảy trung bình cho mơ tạo cách sử dụng phương pháp Gauss – Markov bậc sau:

c( ) 0 ( ) ( )

c

dV t

V t t

dt + = (3.28)

đó, ( )t chuỗi nhiễu trắng Gaussian 00là số Nếu 0 =0, mơ hình dịng chảy rút gọn thành bước ngẫu nhiên (random walk) tương ứng với tích phân nhiễu trắng theo thời gian Một phần tử bão hòa thường sử dụng trình tích phân để giới hạn vận tốc dịng chảy:

Vmin V tc( )Vmax (3.29)

64

BĐK PID nơ-ron thiết kế với giả định thông số trạng thái tàu (hướng mũi tàu, vị trí, tốc độ quay hướng) có xác nhờ trang thiết bị hàng hải la bàn quay, máy đo tốc độ hướng quay trở, máy thu định vị vệ tinh GPS/DGPS Để điều khiển quay trở tàu đáp ứng tốt trường hợp góc đặt hướng lớn, mơ hình tham khảo tính động học tàu sử dụng để tạo hướng phù hợp với động học tàu cung cấp cho BĐK [24] Các thí nghiệm mơ thực phần mềm MATLAB 2014a

Nhằm kiểm tra tính ổn định tính bền vững ổn định BĐK hướng Ảnh hưởng gió đến thân tàu dựa nghiên cứu Isherhood 1972 [24] Tốc độ gió thay đổi ngẫu nhiên theo chu kỳ giây giới hạn phạm vi [-600,+600] với chu kỳ 30 giây Nhiễu (sai số) thiết bị đo hướng biểu diễn tín hiệu ngẫu nhiên phân bố khoảng [-0.10,+0.10] Tính phi tuyến động xét đến, phạm vi

giới hạn góc bẻ lái  khoảng [-350,+350] tốc độ bẻ lái  = r

khoảng [-2.50/s, +2.50/s] Trong tất tình huống, tốc độ ban đầu tàu

là 15 hải lý/giờ (hoặc 7.7175 m/giây)

Thông số dùng để so sánh tổng bình phương sai số hướng E tổng bình phương thay đổi góc bẻ lái Eδ (thể mức độ hoạt động bánh

lái) biểu diễn phương trình sau:

( kd k)2

k

E =  − (3.30)

( k k 1)2

k

E =  − − (3.31)

65

BĐK so sánh với BĐK PID thơng thường có cường độ nhiễu ngẫu nhiên thiết bị đo tác động sóng gió để chứng minh tính hiệu ổn định

3.2 Bộ điều khiển PID nơ-ron dựa mạng lan truyền ngược khơng có bộ nhận dạng nơ-ron

Mạng nơ-ron gồm nơ-ron lớp vào, nơ-ron lớp ẩn nơ-ron lớp Đầu vào mạng bao gồm hướng mong muốn r , hướng thực tế , sai

số hướng e(k), hiệu số e(k) - e(k-1) Ba nơ-ron lớp tương ứng với tham số Kp, Ki Kd điều khiển PID Hệ số học số lần huấn luyện

trong chu trình cố định (n=50, = 0.5), giá trị xung lượng thêm vào trình huấn luyện lan truyền ngược η = 0.025 Phạm vi đổi hướng từ -25.00 đến +25.00 Thời gian mô 900 giây

3.2.1 Khi khơng có gió nhiễu tác động

Hình 3.2 cho thấy BĐK BPNN-PID có độ vượt giá trị điều khiển nhỏ, tính bền vững tốt độ ổn định cao, thời gian xác lập nhanh góc bẻ lái nhỏ so với BĐK PID thông thường

66

Trên Hình 3.3 biểu thị thay đổi tham số Kp, Ki Kd

điều chỉnh mạng nơ-ron đề xuất

Hình 3.3 Sự thay đổi tham số Kp, Ki Kd

Hình 3.4 minh họa sai số hướng tàu, tốc độ gia tốc quay trở hướng mũi tàu Cho ta thấy tính hiệu bền vững BĐK BPNN-PID đề xuất

Bảng 3.1 Tổng bình phương độ lệch hướng tổng bình phương góc bẻ lái khơng có gió nhiễu

Khơng gió

BĐK PID E 23,72

Eδ 156,28

BĐK BPNN-PID E 20,98

67

Hình 3.4 Sai số hướng đi, tốc độ gia tốc quay trở hướng mũi tàu

3.2.2 Khi có gió nhiễu tác động

68

Hình 3.5 Hướng góc bẻ lái có gió nhiễu tác động

69

Hình 3.7 Sai số hướng đi, tốc độ gia tốc quay trở hướng mũi tàu

Hình 3.6 minh họa tham số Kp, Ki Kd điều hưởng cách

tự động suốt trình mơ mạng nơ-ron nhân tạo tác động nhiễu gió tác động tới hướng tàu

Bảng 3.2 Tổng bình phương độ lệch hướng tổng bình phương góc bẻ lái có nhiễu gió tác động

Có gió

BĐK PID E 28,32

Eδ 171,24

BĐK BPNN-PID E 26,43

70

3.3 Bộ điều khiển PID nơ-ron dựa mạng lan truyền ngược có nhận dạng nơ-ron

Mạng nơ-ron dùng để điều chỉnh tham số BĐK PID (NN1) gồm nơ-ron lớp vào, nơ-ron lớp ẩn nơ-ron lớp

Đầu vào mạng bao gồm hướng mong muốn r, hướng thực tế

, sai số hướng e(k), hiệu số e(k) - e(k-1) Ba nơ-ron lớp tương ứng với tham số Kp, Ki Kd điều khiển PID Mạng nơ-ron nhận dạng

(NN2) gồm có nơ-ron lớp vào, nơ-ron lớp ẩn nơ-ron lớp

Hệ số học số lần huấn luyện chu trình cố định (n=150,

= 0.5); giá trị xung lượng thêm vào trình huấn luyện lan truyền ngược η = 0.025

Phạm vi đổi hướng từ -25.00 đến +25.00 Thời gian mô 900 giây

3.3.1 Khi khơng có gió nhiễu tác động

Hình 3.8 cho thấy BĐK BPNN-PID với mạng nhận dạng nơ-ron có độ vượt giá trị điều khiển nhỏ, tính bền vững tốt độ ổn định cao, thời gian xác lập nhanh góc bẻ lái đáp ứng nhanh so với BĐK PID thông thường Trên hình 3.9 biểu thị thay đổi tham số Kp, Ki Kd

điều chỉnh BDK với mạng nơ-ron nhận dạng

71

Hình 3.8 Hướng tàu góc bẻ lái khơng có gió nhiễu tác động

72

Hình 3.10 Sai số hướng đi, tốc độ gia tốc quay trở hướng tàu

73

Bảng 3.3 Tổng bình phương độ lệch hướng tổng bình phương góc bẻ lái khơng có gió nhiễu

Khơng gió

BĐK PID E 23,91

Eδ 149,41

BĐK BPNN-PID có NN nhận dạng

E 17,44

Eδ 149,33

3.3.2 Khi có gió nhiễu tác động

Hình 3.12 minh họa hướng góc bẻ lái tàu dùng BĐK PID nơ-ron với nhận dạng, ta thấy hướng ổn định, thời gian xác lập nhanh góc bẻ lái phù hợp, tính bền vững cao

74

Hình 3.13 Sự thay đổi thơng số Kp, Ki Kd

75

Hình 3.15 Đầu nhận dạng nơ-ron NN2

Bảng 3.4 Tổng bình phương độ lệch hướng tổng bình phương góc bẻ lái khi có nhiễu gió

Có gió

BĐK PID E 31,32

Eδ 195,76

BĐK BPNN-PID có NN nhận dạng

E 18,35

Eδ 154,39

76

BĐK hoạt động tích cực tham số điều chỉnh thích nghi BĐK PID Điều chứng minh tính khả thi hiệu BĐK đề xuất

3.4 Kết luận chương

Chương tác giả trình bày kết mơ máy tính BĐK đề xuất chương Mơ hình tốn học tàu mơ hình phi tuyến tàu thật sử dụng tình mơ Các tín hiệu nhiễu ngẫu nhiên tín hiệu, tác động gió đến q trình giữ hướng sử dụng để kiểm chứng tính khả thi đáp ứng BĐK Gió thay đổi tình mơ để kiểm tra thích nghi BĐK đến thay đổi tác động bên

77

CHƯƠNG KẾT QUẢ THỰC NGHIỆM

4.1 Điều kiện thực nghiệm

Trong chương này, mơ hình tàu tiến hành thực nghiệm hồ bơi trường Đại học Giao thông Vận tải Thành phố Hồ Chí Minh với kích thước hồ bơi 9m x 25m (hình 4.1) Tác giả tiến hành điều khiển tàu chạy bám theo đường biên hồ bơi mơ tả hình 4.1 Quỹ đạo mong muốn tàu mô tả năm điểm chuyển hướng tàu tiến hành chuyển hướng ba lần với giá trị góc bẻ lái sau 90− − 90 90 Tại thời điểm ban đầu tàu đặt dọc theo chiều rộng hồ bơi tương ứng với góc mũi tàu ban đầu 10 Chiều dài quỹ đạo mong muốn (hình 4.1) Ltrajectory = 57(m)

Hình 4.1 Quỹ đạo di chuyển mong muốn tàu - Tải trọng mang theo tàu 4,5 kg;

- Chiều cao mớn nước 100 mm, chiều dài tàu 1500 m, chiều rộng tàu 250mm;

- Giới hạn góc bánh lái từ − 20 đến 20, giới hạn vận tốc bẻ lái từ / s

78 - Thời gian lấy mẫu hệ thống 0,1s; - Vận tốc di chuyển tàu số 0,4 m/s;

Trong q trình mơ phỏng, để kiểm tra đáp ứng điều khiển, tác giả thêm vào ba loại nhiễu sau:

- Nhiễu sóng theo phổ PM (được mô tả phần Phụ lục 1) với tần số trội sóng 0=0, 60625, hệ số tắt dần tương đối  =0, 3, số

0,1979

K = ;

- Nhiễu dòng chảy số làm lệch góc mũi tàu 100;

- Nhiễu trình đo đạc số ngẫu nhiên

Ngoài ra, q trình mơ phỏng, vị trí tàu xác định phương pháp tích phân có dạng sau:

( ) ( ) ( )

( ) ( ) ( )

0

0

0

0 cos

0 sin

t

t

x t x U t dt

y t y U t dt

 



= +

  

 = +





 (4.1)

79

Hình 4.3 Tàu mơ hình 4.2 Kết thực nghiệm

Hình 4.4 mơ tả sơ đồ khối hệ thống lái tàu tự động sử dụng PID nơ-ron (khối PID Neural Network) Trong đó, nhiễu sóng biển tác động lên hệ thống mô tả khối Wind-wave effect; nhiễu dịng chảy mơ tả khối Ocean current effect nhiễu trình đo đạc cộng trực tiếp vào góc mũi tàu Khối PID neural network điều khiển hệ thống lái tàu

Hình 4.4 Sơ đồ khối hệ thống điều khiển hướng tàu sử dụng BĐK PID nơ-ron

80

đạo - khoảng cách từ tàu đến đoạn thẳng quỹ đạo mong muốn theo thời gian hình 4.5 đồ thị mơ tả sai số góc mũi tàu - góc hợp đoạn thẳng quỹ đạo mong muốn hướng mũi lái tàu hay nói cách khác sai số góc mũi tàu hiệu số góc và góc α hình 4.6 (thuật tốn dẫn đường LOS) theo thời gian hình 4.5 Hơn nữa, tác giả đưa hai đồ thị mơ tả góc bánh lái góc mũi tàu thu từ cảm biến hình 4.6 4.7

Hình 4.5 Quỹ đạo tàu với BĐK PID nơ-ron

81

Hơn nữa, ta nhận thấy đáp ứng PID nơ-ron tốt nên qua điểm chuyển hướng waypoint 2, tàu nhanh chóng bám theo đoạn quỹ đạo mong muốn Ngoài qua điểm chuyển hướng waypoint ta thấy tàu không bị lệch khỏi quỹ đạo mong muốn nhiên bán kính bẻ lái tàu lớn (R=3Lship= 4,5m) nên vừa qua điểm chuyển

hướng waypoint tàu vào vịng trịn giới hạn với tâm điểm chuyển hướng waypoint nên tàu lại phải tiếp tục chuyển hướng để bám theo đoạn thẳng quỹ đạo tạo thành từ waypoint waypoint Chính mà đoạn thẳng quỹ đạo sai số bám quỹ đạo tàu chưa thể tiến

Hình 4.6 thể sai số bám quỹ đạo tàu theo thời gian Từ hình 4.6 ta thấy thời điểm t = 6,25s; 51,1s; 64,2s tương ứng với điểm A, C, D hình 4.5 4.6 sai số bám quỹ đạo tàu có bước nhảy vọt thời điểm chuyển waypoint Bước nhảy sai số bám quỹ đạo giải thích tương tự bước nhảy hình 4.5 Mặt khác, từ hình 4.5, ta thấy sau tàu qua điểm chuyển hướng waypoint sai số bám quỹ đạo tàu tiến 0, nhiên sai số bám quỹ đạo đạt giá trị nhỏ 0,1767m tương ứng với điểm D hình 4.5 hình 4.6

82

Ngồi ra, từ hình 4.5, ta thấy sau tàu khỏi vòng tròn giới hạn có tâm điểm chuyển hướng waypoint 2, sai số bám quỹ đạo vùng ổn định từ điểm E đến điểm C hình 4.7 hình 4.8 có sai số bám quỹ đạo dao động quanh giá trị với sai bám quỹ đạo lớn vùng 0,1557m Thời gian xác lập tàu tính từ thời điểm bắt đầu chuyển hướng từ điểm A để bám theo đoạn thẳng quỹ đạo tạo thành từ điểm chuyển hướng waypoint waypoint T = 11,97s (t100-t10=18,25-6,28=11,97s) Tương

tự tàu khỏi vịng trịn giới hạn có tâm điểm chuyển hướng waypoint 4, ta thấy sai số bám quỹ đạo vùng ổn định từ điểm F đến điểm chuyển hướng waypoint bị dao động quanh giá trị giá trị sai số bám quỹ đạo lớn vùng 0,1148m Thời gian xác lập tàu tính từ thơi điểm bắt đầu chuyển hướng từ điểm C để bám theo đoạn thẳng quỹ đạo tạo thành từ điểm chuyển hướng waypoint waypoint T=17,54s (t280-t190=82,79-64,25=17,54s)

Hình 4.7 Sai số góc mũi tàu tàu với BĐK PID nơ-ron

83

tại điểm chuyển hướng waypoint 2, sai số góc mũi tàu vùng ổn định từ điểm E đến điểm C dao động quanh giá trị 0, sai số góc mũi tàu lớn đoạn 10,51 Tương tự, tàu khỏi vịng trịn giới hạn có tâm điểm chuyển hướng waypoint 4, sai số góc mũi tàu vùng ổn định từ điểm F điểm chuyển hướng waypoint bị dao động quanh giá trị 0, sai số góc mũi tàu lớn đoạn 10,82

Hình 4.8 Góc bánh lái với BĐK PID nơ-ron

84

Hình 4.9 Góc mũi tàu với BĐK PID nơ-ron

Hình 4.9 mơ tả góc mũi tàu thu từ cảm biến la bàn theo thời gian Ta thấy sau tàu qua điểm chuyển hướng waypoint 2, vùng ổn định từ điểm E đến điểm C, sai số góc mũi tàu khơng tiến 0 mà dao động quanh giá trị Điều giải thích q trình di chuyển tàu chịu ảnh hưởng nhiễu từ môi trường nên làm góc mũi tàu bị dao động Tương tự tàu qua điểm chuyển hướng waypoint 4, vùng ổn định từ điểm F đến điểm chuyển hướng waypoint 5, góc mũi tàu dao động quanh giá trị 0

4.3 Kết luận chương

Trong chương 4, tác giả tiến hành thực nghiệm mơ hình tàu thu nhỏ để kiểm chứng hiệu BĐK PID nơ-ron sử dụng thuật toán lan truyền ngược đề xuất Kết đạt chương cụ thể sau:

85

- Sử dụng BĐK PID nơ-ron thích nghi cho hệ thống điều khiển hướng chương áp dụng tàu cho mơ hình tàu đưa

- Ứng dụng hệ thống dẫn đường cho tàu dựa thuật tốn LOS (Light of Sight) Thơng qua việc điều khiển bám theo hướng mong muốn thuật tốn tạo ra, BĐK dẫn tàu theo quỹ đạo mong muốn Thực nghiệm nhằm kiểm chứng khả điều khiển hướng tàu theo giá trị thay đổi hướng mong muốn

86

KẾT LUẬN VÀ KIẾN NGHỊ

1 KẾT LUẬN

Bằng phương pháp nghiên cứu thực luận án: “Nghiên cứu ứng dụng điều khiển PID dựa mạng nơ-ron nhân tạo thích nghi cho hệ thống điều khiển tàu thủy”, luận án đạt mục đích nghiên cứu đặt ra, với kết cụ thể sau:

1.1 Hệ thống hóa sở lý luận thuật tốn điều khiển thích nghi dựa kết hợp mạng nơ-ron nhân tạo lý thuyết điều khiển PID thông thường Trên sở đó, đề xuất phát triển thuật tốn ứng dụng vào thiết kế máy lái tự động sử dụng điều khiển PID nơ-ron thích nghi cho điều khiển hướng tàu thủy

1.2 Ứng dụng lập trình Matlab để mô điều khiển đề xuất, đánh giá chất lượng điều khiển PID nơ-ron thích nghi với điều khiển PID thông thường

1.3 Thiết kế mô BĐK PID nơ-ron dựa mạng lan truyền ngược, tác giả sử dụng nhận dạng nơ-ron để nhận dạng mơ hình tàu Bộ nhận dạng sử dụng mạng nơ-ron nhiều lớp truyền thẳng tác giả huấn luyện mạng theo phương pháp trực tuyến, tăng cường nên tốc độ thích nghi tốt, có khả nhận dạng mơ hình tàu phi tuyến biến đổi theo thời gian Với việc kết hợp mơ hình nhận dạng nơ-ron này, phương pháp điều khiển tiến hành kiểu điều khiển dự đoán theo thời gian thực, nâng cao tính thích nghi chất lượng điều khiển

87

Các tham số Tỷ lệ - Tích phân - Vi phân (Kp, Ki, Kd) BĐK PID điều chỉnh mạng nơ-ron lan truyền ngược

Tính thể luận án thông qua kết sau:

- Đề xuất mơ hình sử dụng mạng nơ-ron lan truyền ngược tăng cường kết hợp với BĐK PID truyền thống điều khiển hướng tàu thủy

- Đề xuất mạng nơ-ron nhận dạng mơ hình tàu thủy sử dụng kết hợp với BĐK PID nơ-ron nhằm nâng cao chất lượng điều khiển, hỗ trợ trình học thích nghi mạng nơ-ron điều khiển

- Thuật toán huấn luyện mạng nơ-ron lan truyền ngược tăng cường lần đầu sử dụng kết hợp với BĐK PID áp dụng cho điều khiển hướng tàu thủy cho kết tốt

BĐK PID nơ-ron dựa mạng nơ-ron nhân tạo đề xuất luận án cho thấy phương án khả thi trình bày luận án “Nghiên cứu ứng dụng điều khiển PID dựa mạng nơ-ron nhân tạo thích nghi cho hệ thống điều khiển tàu thủy” Các kết mô thực nghiệm đem lại kết tốt BĐK PID truyền thống phạm vi nghiên cứu luận án chứng tỏ mục tiêu nghiên cứu đạt

2 KIẾN NGHỊ

Kiến nghị luận án vấn đề cần quan tâm hướng nghiên cứu tiếp theo, cụ thể:

2.1 Do giới hạn sở vật chất cho thí nghiệm, đặc biệt bể thử thí nghiệm đủ tiêu chuẩn cho việc thực nghiệm mơ hình tàu nước thời gian thực hiện, luận án mô số tình máy tính với số lần hạn chế, tình hạn chế Tiến hành thực nghiệm dừng BĐK PID nơ-ron khơng có nhận dạng

88

để kiểm nghiệm mơ hình tốt cho việc kết hợp BĐK PID mạng nơ-ron nhân tạo Tuy nhiên áp dụng mơ hình cho đối tượng điều khiển cho tốt nhất, chí tối ưu hướng nghiên cứu cần thêm thời gian điều kiện nhiều Tác giả dành công việc cho nghiên cứu tương lai gần

89

DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ LIÊN QUAN ĐẾN ĐỀ TÀI LUẬN ÁN

1 PGS TS Nguyễn Phùng Hưng, PGS TS Phạm Kỳ Quang, NCS Võ Hồng Hải (2015) Bộ điều khiển PID chỉnh tham số mạng nơ-ron dùng cho máy lái tự động tàu thủy Tạp chí Giao thơng Vận tải Số 9, trang 67 – 70 Tháng 09/2015 ISSN: 2354-0818

2 NCS Võ Hồng Hải, PGS TS Nguyễn Phùng Hưng, PGS TS Nguyễn Duy Anh (2015) Bộ điều khiển PID nơ-ron dùng cho máy lái tự động tàu thủy Kỷ yếu Hội Nghị Khoa Học Công Nghệ Giao Thông Vận Tải 2015 Đại học Giao thơng vận tải TP Hồ Chí Minh Tháng 05/2015, trang 310 - 313 ISBN: 978-604-76-0594-1

3 Hung Phung Nguyen, Anh Duy Nguyen, Hong Hai Vo (2016) PID – neuron controller for ships heading with neuron indentification The 5th World Conference on Applied Sciences, Engineering and Technology,June 2016, pp.387 - 390 ISBN 13: 978-81-930222-2-1 4 Nhut Minh Do, Hong Hai Vo, Duy Anh Nguyen (2018) Design and implement a Fuzzy autopilot for an Unmanned Surface Vessel @ Springer International Publishing AG 2018 AETA 2017 – Recent Advanceds in Electrical Engineering and Related Sciences: Theory and Application, Lecture notes in Electrical Engineering 465, pp.765 - 775 ISBN: 978-3-319-69814-4

90

TÀI LIỆU THAM KHẢO

Tiếng Việt

[1] Phạm Hữu Đức Dục (2008) Mơ hình điều khiển dự báo ứng dụng điều

khiển thích nghi hướng tàu thủy Tạp chí Khoa học cơng nghệ, số (45),

tập

[2] Nguyễn Hoàng Dũng (2011), Điều khiển hệ phi tuyến dựa giải thuật

feedforward – feedback, Tạp chí Khoa học 2011: 19a 17-26, Trường Đại học

Cần Thơ

[3] Nguyễn Thị Phương Hà (2012) Lý thuyết điều khiển đại NXB Đại học Quốc gia TP.HCM

[4] Nguyễn Phùng Hưng, Phạm Kỳ Quang, Võ Hồng Hải (2015) Bộ điều khiển

PID chỉnh tham số mạng nơ-ron dùng cho máy lái tự động tàu thủy

Tạp chí Giao thơng Vận tải số 9, 9/ 2015

[5] Nguyễn Phùng Hưng (2013) Mạng nơ-ron nhân tạo- ứng dụng điều

khiển phương tiện thủy Nhà xuất Khoa học kỹ thuật

[6] Nguyễn Phùng Hưng, Nguyễn Thái Dương, Đậu Văn Sơn (2008) Bộ điều

khiển nơ-ron thích nghi kỹ thuật số cho máy lái tự động tàu biển, Đề tài

NCKH, Đại học Hàng hải Việt nam, Hải Phòng

[7] TS Nguyễn Như Hiền, TS Lại Khắc Lãi (2004) Hệ mờ & nowrron kỹ

thuật điều khiển Nhà xuất Khoa học tự nhiên công nghệ 2007

[8] Nguyễn Chí Ngơn, Đặng Tín (2011) Điều khiển PID nơ-ron thích nghi

dựa nhận dạng mạng nơ-ron mờ hồi quy áp dụng cho hệ bóng Tạp chí Khoa học 2011: 20a 159-168, Trường Đại học Cần Thơ

[9] Nguyễn Chí Ngơn, Trần Thanh Tú (2012) Điều khiển PID thích nghi cho hệ

ổn định áp suất dựa nhận dạng dùng mạng nơ-ron hàm sở xun tâm Tạp chí Khoa học cơng nghệ Đà Nẵng số 11 (60), q

91

[11] Nguyễn Cảnh Sơn (2006), Tổng hợp điều khiển thích nghi phi tuyến lái tự

động tàu thủy, Tạp chí Giao thơng vận tải số 4/2006- trang 25, 26, 60

[12] Nguyễn Lê Nhật Thắng, Nguyễn Phùng Hưng (2014), Nhận dạng mơ hình

tốn máy lái tự động Genetic PID cho mơ hình tàu thủy thí nghiệm, Tạp

chí Giao thơng vận tải, tháng 10/2014), tr.34-39

[13] Nguyễn Phùng Quang (2004) Matlab & Simulink dành cho kỹ sư điều khiển

tự động Nhà xuất Khoa học kỹ thuật

[14] Trần Công Nghị (2008) Thiết kế tàu kéo, tàu đẩy Đại học giao thông vận tải thành phố Hồ Chí Minh

[15] Nguyễn Cơng Vịnh (2008) Ứng dụng điều khiển logic mờ (fuzzy logic

controller) máy lái tự động tàu biển Tạp chí Khoa học công nghệ

Hàng hải, số 15+16, tháng 8/2018, tr.48-52

[16] Phạm Nguyễn Nhật Thanh, Trần Ngọc Huy, Nguyễn Vương Chí, Trần Văn Tạo (2018) Nghiên cứu, thiết kế hệ thống dẫn đương điều khiển cho tàu

dưới tác động nhiễu đo lường Hội nghị khoa học công nghệ giao

thông vận tải Trường Đại học Giao thông vận tải Tháng 05/2018 Tiếng Anh

[17] Antonio (2012), Research Trends for PID Controller, Acta Polytechnica Vol 52 No 5/2012

[18] K.J Astrom and C.G Kallstrom (1976) Identification of Ship Dynamic Automatica, Vol.12, pp.9-222, Pergamon Press, 1976 Printed in Great Britain

[19] Andrasik, A., Meszaros, A and Azevedo,S F (2004), On-line tuning of a

PID controller based on plant hybrid modelling, Computers and Chemical

Engineering, 28, 1499-1509

[20] R.D Brandt and F Lin (1999) Adaptive interaction and its application to

neural networks Elsevier, Information Science 121, pp 201-215

92

[22] Thor I Fossen (1994), Guidance and Control of Ocean Vehicles, John Wiley and Sons, Ltd

[23] Thor I Fossen (2002), Maritime Control Systems - Guidance, Navigation

and Control of Ships, Rigs and Underwater Vehicles, Marine Cybernetics,

Trondheim, Norway, ISBN 82-92356-00-2

[24] Thor I Fossen (2011) Handbook of Marine Craft Hydrodynamics and

Motion Control Published 2011 by John Wiley & Sons Ltd ISBN:

978-1-119-99149-6

[25] Dong, E.; Guo, S.; Lin, X.; Li, X.; Wang, Y (2012) A Neural

Network-Based Self-Tuning PID Controller of an Autonomous Underwater Vehicle

In the Proceedings of the International Conference on Mechatronics and Automation, Chengdu, China, 5–8 August 2012, pp 898–903

[26] Karl Johan Aström and Tore Hägglund (1995), PID Controllers: Theory,

Design, and Tuning, 2nd Edition ISA

[27] Junghui, C and Huang, T C (2004), Applying neural networks to on-line

updated PID controllers for nonlinear process control, Journal of Process

Control, Volume 14, Issue 2, pages 211-230

[28] Feng Lin, Robert D Brandt and George Saikalis (2000) Self-Tuning of PID

Controllers by Adaptive Interaction Proceedings of the American Control

Conference, Chicago, Illinois

[29] P.H Nguyen and Y.C Jung (2005) An adaptive autopilot for course-keeping

control of ships using adaptive neural network (Part I: Theoretical Study)

International Journal of Navigation and Port Research (KINPR), Vol.29, No.9 pp.771-776, ISSN-1589-5725

[30] P.H Nguyen and Y.C Jung (2006a) An adaptive autopilot for

course-keeping and track-course-keeping control of ships using adaptive neural network (Part II: Simulation Study) International Journal of Navigation and Port

93

[31] P.H Nguyen (2007) A study on the automatics ship control based on

adaptive neural networks PhD thesis Graduate school of Korea Maritime

University

[32] Marialena Vagia (2012) PID Controller Design Approaches - Theory,

Tuning and Application to Frontier Areas ISBN 978-953-51-0405-6,

University Campus STeP Ri Slavka Krautzeka 83/A 51000 Rijeka, Croatia [33] Martins, G F and Coelho, M A N (2000), Application of feed-forward

artificial neural to improve process control of PID - based control algorithms, Computers and Chemical Engineering, Volume 24, pages

853-858

[34] David A Mindell (2002), Between Human and Machine: Feedback, Control,

and Computing Before Cybernetics, Number xiv, 439 p in Johns Hopkins

studies in the history of technology, The Johns Hopkins University Press, Baltimore

[35] M.H Moradi (2003), New techniques for pid controller design, In Control Applications, CCA 2003 Proceedings of 2003 IEEE Conference on, volume 2, pages 903 – 908 vol.2

[36] Norgaard M, Ravn O, Poulsen N.K, Hansen L.K.(2000) Neural Networks

for Modelling and Control of Dynamic Systems Springer-Verlag London

ISBN: 978-1-85233-227-3

[37] Ming-Chung Fang, Young-Zhoung Zhou, Zi-Yi Lee (2010) The application

of the self-tuning neural network PID controller on the ship roll reduction in random waves Department of Systems and Naval Mechatronic Engineering,

94

[38] Xingxing Huo, Jiangqiang Hu, Zeyu Li (2012) BP neural network based

PID control for ship steering Information and Communication Technologies

(WICT), 2012 World Congress on, pages 1042-1046, ISBN: 978-1-4673-4806-5, Oct 30 2012-Nov 2012

[39] Zeyu Li, Jiangqiang Hu, Xingxing Huo (2012) PID control based on RBF

neural network for ship steering Information and Communication

Technologies (WICT), 2012 World Congress on, pages 1076 – 1080, Oct 30 2012-Nov 2012, ISBN: 978-1-4673-4806-5

[40] Sigeru Omatu, Michifumi Yoshioka, Toshihisa Kosaka (2009) PID Control

of Speed and Torque of Electric Vehicle 2009 Third International

Conference on Advanced Engineering Computing and Applications in Sciences Proceedings, Slima, Malta, pp 157–162

[41] Moody, J.; Darken, C.J (1989) Fast learning in networks of locally tuned

processing units Neural Comput 1989, 1, 281–289

[42] Park, J.; Sandberg, I.W (1991) Universal approximation using

radial-basis-function networks Neural Computer 1991, 3, 246–257

[43] G.N Robert (2008) Trends in marine control systems Control Theory and Applications Centre, Faculty of Engineering and Computing, Coventry University, United Kingdom, Received 11 November 2007; accepted 31 August 2008

[44] Jing Zhou, Changyun Wen (2008) Adaptive Backstepping Control of

Uncertain Systems In Lecture Notes in Control and Information Sciences,

pp.189-197

[45] R.L Eubank (2007) A Kalman Filter Primer Journal of the American Statistical Association 102 (March):384-384

[46] V Nicolau, V Palade, D Aiordachioaie and C Miholca (1989)

Neural Network Prediction of the Roll Motion of a Ship for Intelligent Cours e Control Lecture notes in control and information Science,

95

[47] J.M.J Journée (1970) A Simple Method for Determining the Manoeuvring

Indices K and T from Zigzag trial Data Delft University of Technology

[48] W.P.A.van Lammeren, J.D.van Manen, M.W.C Oosterveld (1975) The

Wageningen B-Screw Series Publication No 479 of the N.S.M.B

[49] J Van Amerongen (1984) Adaptive Steering of Ships – A model

Reference Approach International Federation of Automatic Control

Vol.20 No.1 pp.3-14

[50] Jing Zhou, Changyun Wen (2008) Adaptive Backstepping Control of

Uncertain Systems Lecture Notes in Control and Information Sciences

ISSN: 0170-8643

[51] J.M.J Journée (1970) A Simple Method for Determining the Manoeuvring

Indices K and T from Zigzag Trial Data Delft University of Technology

[52] Howard Demuth and Mark Beale (2000), Neural network Toolbox- for use

with Matlab, the Mathworks, Inc

[53] M M Polycarpou (1996) Stable adaptive neural control scheme for

nonlinear systems IEEE Trans on Automatic Control, vol 41, no 3, pp

447-451

[54] F L Lewis, S Jagannathan, and A Yesildirek (1998) Neural Network

Control of Robot Manipulators and Nonlinear Systems Taylor & Francis,

London, UK

[55] T Zhang, S S Ge, and C C Hang (2000) “Adaptive neural network

control for strict-feedback nonlinear systems using backstepping design

Automatica, vol 36, pp 1835-1846

[56] J Q Gong and B Yao (2001) Neural network adaptive robust control of

nonlinear systems in semi-strict feedback form Automatica, vol 37, pp

1149-1160

[57] Y Zhang, G.E Hearn, and P Sen (1997a,b) Neural network approaches

to a class of ship control problems (Part I, II) Eleventh Ship Control

96

[58] Saikalis G and Lin F (2001) A Neural Network Controller by Apdaptive

Interaction Proceeding of the American Control Conference, Arlington

(pp.1247-1252)

[59] Widrow, B and Streans, S D (1985), Adaptive signal processing, Prentice Hall; 1st Edition

[60] Rodrigo Hernández-Alvarado, Luis Govinda García-Valdovinos, Tomás Salgado-Jiménez, Alfonso Gómez-Espinosa, and Fernando Fonseca-Navarro (2016) Neural Network-Based Self-Tuning PID Control for

Underwater Vehicles Research supported by CONACYT proyects:

PDCPN2013-01-215770 and No 201441

[61] Man Diesel & Turbo (2011) Basic Principles Of Ship Propulsion Denmark

Trang web

[62] http://thuvienphapluat.vn/archive/Quyet-dinh-2290-QD-TTg-nam-2013-

Quy-hoach-phat-trien-cong-nghiep-tau-thuy-Viet-Nam-2020-vb214457.aspx

PHỤ LỤC

PHỤ LỤC 1: LÝ THUYẾT THIẾT KẾ VÀ SƠ ĐỒ MƠ HÌNH THỰC NGHIỆM

PHỤ LỤC 2: MÃ CODE MATLAB CHO MƠ HÌNH TÀU MARINER

1/PL1 PHỤ LỤC

LÝ THUYẾT THIẾT KẾ VÀ SƠ ĐỒ MƠ HÌNH THỰC NGHIỆM

1.1 Thiết kế mơ hình tàu thủy

Mơ hình tàu thủy thiết kế cho việc thực nghiệm BĐK PID chương dựa mạng nơ-ron nhân tạo chọn mơ hình Nomoto Nomoto cộng (1957) Đây mơ hình đơn giản thơng dụng sử dụng hệ thống lái tự động

1.1.1 Tuyến tính hóa mơ hình điều động tàu

Trong chương luận án này, tác giả tập trung vào việc điều khiển tàu chạy bám quỹ đạo tạo thành từ đoạn thẳng nên mà ta giả sử tàu di chuyển với vận tốc số có dạng:

2

U = u +v Trong đó, u thành phần vận tốc theo trục x hướng từ đuôi tàu đến mũi tàu; v thành phần vận tốc theo trục y hướng từ mạn trái sang mạn phải tàu Tuy nhiên thực tế thành phần vận tốc v theo trục y thường nhỏ khơng đáng kể nên bỏ qua Do đó, vận tốc tàu xấp xỉ thành 2

U = u +v = =u const Khi lực phục hồi bỏ qua, lực Coriolis qn tính hướng tâm tuyến tính hố vận tốc U, thành phần giảm chấn phi tuyến xấp xỉ ma trận giảm chấn tuyến tính D [25] Phương trình động lực học trở thành:

( RB A) ( RB A ) t wind wave

M N

M +M v+ C +C +D v = +  +

(1.1)

Các biểu thức * RB

C *

A

C tính ma trận lựa chọn L (1.2)

2/PL1

0 0 0

0 0 0

0 0

0 0 0

0 0 0

0 0 0

L        −  =           (1.2) *

0 0

0 0

RB RB

G

C UM L mU

mx U     = =       (1.3) *

0 0

0 0

A A

V

r

C UM L Y U

Y U       = = −   −      (1.4)

Kết hợp phương trình ta được:

( ) ( ) u

v G r

G v z r

u

v v r

v G r r

m - X 0 0 u

0 m - Y mx Y v

0 mx N I N r

X 0 0 u

0 -Y m Y U Y v

0 N mx Y U N r

        −         − −                 + − −  =   − − −         (1.5)

Mơ hình điều động mặt phẳng ba bậc tự tách thành hai hệ thống con: mơ hình vận tốc tiến (Surge) mơ hình lái (Yaw-Sway) Đối với tốn giữ hướng tàu mơ hình lái mơ hình mà ta quan tâm Tách từ (1.5), ta được:

( )

( )

v G r v v r

G v z r v G r r

m Y mx Y v Y m Y u Y v

mx N I N r N mx Y u N r

3/PL1 Từ phương trình (1.5), ta có [25]:

( )

1 2

T T r + T +T r+ =r K +KT (1.7) với

( )( ) ( )( )

( ) ( )

1

v r z r G v G

G r r v v r v

Y m N I Y mx N mx

TT

mx Y u N Y m u Y Y N

 − − − − − 

 

=

 − −  − − − 

    (1.8)

( ) (( ) ) ( ) ( ) ( ) (( ) ) ( ) ( )

v G r r

r z v r G v

v G v r

G r r v v r v

Y m mx Y u N N I Y Y mx N N mx m u Y Y T T

mx Y u N Y m u Y Y N

− − −

+ − − −

− − − −

+ =

 − −  − − − 

    (1.9)

3 ( v G) ( v )

v v

N mx Y Y m N T

N Y Y N

 

 

− − −

=

− (1.10)

( G r) rv v v ( v) r v

N Y Y N K

mx Y u N Y m u Y Y N

 − 

=

 − −  − − − 

    (1.11)

Từ (1.6), biến đổi Laplace ta được: ( )

( ) ( 1( )( )2 )

1

K T s r s

s T s T s



+ =

+ + (1.12)

(1.12) phương trình Nomoto bậc 2, hàm truyền vận tốc góc mũi tàu r góc bánh lái Với K số bánh lái, T1, T2 T3 số thời

gian

Sử dụng biểu thức  =r phương trình (1.12) viết lại sau: ( )

( ) ( (1 )( ) )

1

K T s s

s s T s T s

 

+ =

+ + (1.13)

( )

( ) (1 )

s K

s s Ts



  + (1.14)

4/PL1

giả sử dụng hàm truyền mô tả công thức (1.14) để tiến hành thiết kế điều khiển mô thực nghiệm phần

1.1.2 Mơ hình hố hệ thống bánh lái

Hình 1.1 Sơ đồ khối hệ thống bánh lái

Trên thực tế hạn chế mặt kết cấu tàu đáp ứng cụm điều khiển bánh lái nên góc bánh lái vận tốc góc bánh lái thường bị giới hạn giá trị định Vậy nên đề tài luận án tác giả sử dụng mơ hình tốn học mơ tả hệ thống bánh lái đề nghị Van Amerogen (1982) Mơ hình cung cấp tác động quan trọng hệ thống bánh lái thực tế:

Góc bánh lái tối đa: chuyển động bánh lái ràng buộc điều kiện−max   max(độ)

Ngồi vận tốc góc bánh lái bị giới hạn điều kiện sau:

max max

−    Coi dòng chảy không đổi đồng

1.1.3 Phương pháp thử nghiệm xác định hệ số K, T

Quá trình chế tạo thử nghiệm điều khiển mơ hình thực tế địi hỏi ta phải thử nghiệm tính tốn hệ số K-T mơ hình Nomoto bậc Các hệ số sau sử dụng để thiết kế điều khiển cho hệ thống lái tàu tự động (ví dụ hệ số Kp, Ki Kd điều khiển

5/PL1

Sử dụng mô hình Nomoto bậc thực loạt điều động theo hình zig-zag Dữ liệu thực nghiệm thu phân tích mối quan hệ đặc trưng phép thử zig-zag với hệ số K-T biểu diễn dạng đồ thị Ngược lại, từ đồ thị ta tìm hệ số K-T mơ hình Nomoto bậc

1.1.3.1 Điều động Zig-zag

Điều động zig-zag sử dụng mơ hình Nomoto bậc với thơng số tàu mơ sau:

- a: Góc mở lớn bánh lái (độ);

- r: Góc bánh lái mà quỹ đạo tàu đường thẳng (độ); -  : Tốc độ bẻ lái (độ/s)

Các thông số thu từ liệu thực nghiệm mô hình điều động zig-zag:

- tp: Chu kỳ (s);

- g: Góc mũi tàu trung bình (độ);

- a: Sai lệch góc mũi tàu lớn khỏi g(độ)

Để loại trừ sai số quán tính độ ổn định tàu, chu kỳ thứ ba liệu thực nghiệm sử dụng để phân tích xác định thơng số cần thiết cho mơ hình điều động zig-zag

6/PL1

Theo tài liệu [46], quan hệ thông số thu từ liệu thực nghiệm hai hệ số K, T mơ hình bậc Nomoto có dạng sau:

(1.15)

(1.16)

(1.17) Trong

- tr =2 a / : Thời gian thực bẻ lái; - tpo : Chu kỳ điều động với  =  r=0;

- ao : Biên độ góc mũi tàu với  =  r=0;

- tpo/ T,ao/a, C , C , C , C1 : hàm theo tích K, T;

- C3 : Hàm theo T

1.1.3.2 Tính tốn hệ số K, T

Với giá trị lý tưởng    a,| |, a, g, biết, thông số cần tìm

phương trình (1.15), (1.16) (1.17) K, T r Các phương trình giải phương pháp lặp Theo tài liệu [14], ta sử dụng giá trị gần sau:

r a

 

1 0,25 C  − KT

3 C 

(1.18)

Thay (4.18) vào phương trình (4.15) (4.16), ta được: 0,125

po p r r

7/PL1

0

2

a a

r

a a

Kt

 

 =  − (1.20)

Hình 1.3 Quan hệ hệ số  , K T với   [13].ao/ a

Ngồi ra, theo tài liệu [46] phương trình T khai triển sau: 0,125

1

4

po p r r

t t t t KT

T

KT  KT 

− +

= =

− −

 +   + 

   

   

(1.21)

Trong đó,  hàm số theo K T Cũng theo dẫn dắt tài liệu [46],

ao/ a

  hàm số theo K T (xem hình 1.3)

Như vậy, với giá trị lý tưởng  a, a, t , tp r biết, hệ số K T

có thể tính từ (1.16), (1.17), (1.18) phép lặp đơn giản nhanh chóng theo phương pháp sau:

Bước 1: Đoán  ao/ a, bỏ qua 0.5 K t  rtrong phương trình (1.17);

8/PL1

Bước 3: Thay giá trị K T  vào phương trình (1.18) ta tính

giá trị T;

Bước 4: Từ K T T suy K;

Bước 5: Sử dụng phương trình (1.17), lặp lại từ bước với giá trị

ao/ a

  đến giá trị K, Tkhông thay đổi

1.1.3.3 Khảo sát thực nghiệm xác định hệ số K,T cho tàu mơ hình

Từ kết thực nghiệm, hệ số K, T mơ hình bậc Nomoto tiến hành tính tốn phương pháp lặp giới thiệu phần 1.1.3.2 với thông số đầu vào rút từ thực nghiệm sau:

o o o o

a r a g p r

δ =20 ; δ =0 ; ψ =28.1 ; ψ =1 ; t =18s; t =0.4s

Hình 1.4 Kết thực nghiệm mơ hình điều động zig-zag

Bảng 1.1 Hệ số K,T giải phương pháp lặp Lần ao

a 

  K T T

mới

K mới

ao a 



mới

 mới

K T

mới

9/PL1

Sau ba lần lặp ta thấy giá trị K T hội tu K=-0.675 T=2.22 Như từ hai hệ số K, T mơ hình Nomoto bậc tìm nhờ phương pháp giải lặp ta xác định hàm truyền tàu mơ sau:

( )

( ) (1 3, 220,675 ) s

s s s



  + (1.22)

Hàm truyền tàu mơ hình (1.21) sử dụng để mô hệ thống điều khiển hướng tàu (máy lái tự động) thực nghiệm

1.2 Hệ thống dẫn đường

1.2.1 Giới thiệu hệ thống dẫn đường

Đối với tàu biển hoạt động phạm vi lớn từ nước sang nước khác việc điều khiển tàu chạy theo quỹ đạo định trước, tránh vật cản khác suốt chặng hành trình cơng việc khó khăn thuyền trưởng Cũng từ khó khăn mà hệ thống dẫn đường cho tàu biển đời để kết hợp với hệ thống lái tàu tự động để điều khiển tàu chạy theo quỹ đạo mong muốn tối ưu hành trình di chuyển mặt thời gian nhiên liệu tiêu hao Hệ thống dẫn đường có nhiệm vụ xây dựng quỹ đạo mong muốn để giúp tàu từ điểm xuất phát đến điểm đích cuối qua điểm mốc quan trọng hành trình di chuyển (điểm chuyển hướng), ngồi hệ thống dẫn đường cịn phải tính tốn tín hiệu vị trí mong muốn, vận tốc gia tốc để cung cấp cho hệ thống lái tàu tự động nhằm giúp cho tàu bám theo quỹ đạo mong muốn Quỹ đạo tàu thiết lập theo tọa độ waypoint ( )

p p

x , y R hệ trục tọa độ {n}

10/PL1

- Điều khiển trọng tâm tàu trùng với đường quỹ đạo thiết lập Công việc dựa phép tính hình học phẳng đoạn quỹ đạo mong muốn tạo hai điểm chuyển hướng đoạn thẳng Thuật toán dẫn đường Line-Of-Sight (LOS) phương pháp hiệu sử dụng rộng rãi thực tế

- Điều khiển vận tốc tàu theo thiết lập đoạn quỹ đạo

Trong luận án, tác giả sử dụng thuật toán LOS để thiết kế hệ thống dẫn đường cho tàu chạy theo quỹ định trước tạo thành từ đoạn thẳng cung tròn Vấn đề điều khiển vận tốc tàu bỏ qua coi vận tốc mong muốn số đoạn thẳng quỹ đạo

1.2.2 Phương pháp xây dựng quỹ đạo mong muốn

11/PL1

Hình 1.5 Quỹ đạo tàu mơ tả điểm chuyển hướng (waypoint) Hệ thống liệu điểm chuyển hướng

Hiện giới có nhiều cách để mơ tả quỹ đạo tàu nhiên phương pháp sử dụng phổ biến sử dụng điểm chuyển hướng điểm chuyển hướng xác định hệ trục tọa độ {n} hai tọa độ (x , yk k) Do đó, liệu điểm chuyển hướng vị trí

con tàu lưu trữ dạng sau:

( ) ( ) ( )

 0 1 n n 

wpt.pos= x , y , x , y , , x , y (1.23) Ngoài ra, hệ thống điểm chuyển hướng tàu cịn lưu trữ thêm thơng tin vận tốcUi tàu góc mũi tàu i Các thông tin lưu hệ thống điểm chuyển hướng dạng sau:

wpt.speed=U , U , , U0 1 n wpt.heading= 0, 1, ,n

Mô tả quỹ đạo tàu dựa đoạn thẳng cung tròn

Theo kết nghiên cứu tiếng tác giả Dubins (1957) trình bày tài liệu [1] đường ngắn (thời gian nhỏ nhất) qua điểm chuyển hướng (x , y ,i i i) tàu chuyển động với

12/PL1

cung tròn Do đó, hệ thống dẫn đường cho tàu biển thường sử dụng đoạn thẳng cung tròn để nối điểm chuyển hướng lại với nhằm tạo nên quỹ đạo di chuyển mong muốn cho tàu hình 4.6

Hình 1.6 Quỹ đạo tàu mơ tả đoạn thẳng cung trịn

Hình 1.6 mơ tả quỹ đạo mong muốn tàu thành từ đoạn thẳng đường trịn nội tiếp với bán kính ký hiệu Ri Con tàu

bắt đầu di chuyển từ điểm chuyển hướng (waypoint 0) di chuyển đường thẳng tạo thành từ điểm chuyển hướng waypoint waypoint Khi tàu tiến gần đến điểm chuyển hướng waypoint tàu tiến hành bẻ lái di chuyển vào cung tròn bán kính R1tại điểm A1 khỏi cung

tròn điểm A2 vào đường thẳng tạo thành từ waypoint waypoint

và tàu qua điểm B1, B2, C1, C2 đến

13/PL1

Tuy nhiên, quỹ đạo tạo phương pháp có nhược điểm vận tốc góc mũi tàu có bước nhảy tàu đến gần điểm giao hai đường thẳng vận tốc góc mũi tàu

d

r =0trên đoạn thẳng, ngược lại cung tròn nối hai đoạn quỹ đạo liên tiếp r =constd Hơn điều làm cho sai số bám quỹ đạo tàu tăng lên tàu di chuyển gần đến giao điểm hai đoạn thẳng Mặc dù tính đơn giản khả thi để thực nghiệm điều kiện thực tế nên đề tài luận văn tác giả chọn phương pháp để xây dựng quỹ đạo mong muốn cho tàu

Hình 1.7 Bán kính cho phép điểm chuyển hướng

Ngoài ra, người vận hành tàu thường phải xác định đường tròn với bán kính Ri xung quay điểm chuyển hướng để xác định vị trí tàu tiến

hành bẻ lái để di chuyển vào cung tròn nhằm bám theo đoạn thẳng quỹ đạo Khi đó, hệ thống điểm chuyển hướng tàu có thêm thành phần bán kính Rivà mơ tả sau:

 0 1 n

14/PL1 tan

i i i

R R  (1.25)

Hình 1.8 Bán kính cung trịn quỹ đạo mong muốn

1.2.3 Luật điều hướng Line-of-sight (LOS)

Giả sử tàu có tọa độ (x, y) hệ trục tọa độ {n} di chuyển mặt phẳng nằm ngang bám theo quỹ đạo mong muốn đoạn thẳng tạo thành từ hai điểm chuyển hướng n  T

k k k

p = x , y

 T

n

k k k

p + = x + , y + hình 1.8 vận tốc tàu hướng xác định sau:

( ) ( )2 ( )2

U t = x t + y t (1.26)

( )t =atan 2(y t x t( ) ( ), ) −  ,  (1.27) Để xác định sai số bám quỹ đạo tàu e(t) ta tiến hành chuyển tọa độ (x, y) tàu hệ trục tọa độ {n} sang hệ trục tọa độ tham chiếu với gốc đặt waypoint n  T

k k k

p = x , y hệ trục tọa độ tham chiếu

này quay quanh trục zn hệ trục tọa độ {n} góc kđược xác định

sau:

( 1 )

tan ,

k k k k k

15/PL1 ( ) ( )T n( ) n

p k k

t R a p t p

 =  −  (1.29)

đó:

(t)=s(t),e(t)T

s(t): khoảng cách along-track e(t): sai số bám quỹ đạo

Theo tài liệu [14] giá trị ma trận T

p k

R ( ) tính sau:

( ) cos sin

sin cos

T k k

p k

k k

a a

R a

a a

−

 

=  

  (1.30)

Kết hợp biểu thức (1.28) (1.29), ta xác định sai số bám quỹ đạo tàu sau:

( ) ( ) k sin k ( ) k cos k

e t = −x t −x  a +y t −y  a (1.31) Như giới thiệu phần Phụ lục 1.2.1 nhiệm vụ hệ thống dẫn đường (Guidance) tính tốn trạng thái mong muốn nhằm giúp cho tàu bám theo quỹ đạo định trước, điều tương đương với việc hệ thống dẫn đường phải làm cho sai số bám quỹ đạo e(t) tiến (

t

lim e(t)

→ = ) Để thực điều hệ thống dẫn đường

LOS sử dụng ngun lý Lookahead-based Steering để tính tốn hướng mong muốn d từ tính góc mũi tàu mong muốn d cung cấp cho hệ thống máy lái tự động Hệ thống máy lái tự động sử dụng d tín

16/PL1

Hình 1.9 Luật điều hướng LOS

Phương pháp điều khiển tàu nguyên lý Lookahead-based Steering làm cho sai số bám quỹ đạo e(t) tiến cách hướng vector vận tốc tàu đến điểm chuyển hướng quỹ đạo mà tàu cần phải đến điểm chuyển hướng n

k

p + đoạn thẳng quỹ đạo mà tàu bám theo hình 1.9

Theo tài liệu [25] hướng mong muốn d theo nguyên lý Lookahead-based Steering tách thành hai thành phần sau:

d =p +r( )e (1.32)

Trong p góc tiếp tuyến đoạn thẳng quỹ đạo mong muốn r

 góc tương quan vận tốc quỹ đạo chuyển Gócrđược thêm vào

d

 nhằm đảm bảo vector vận tốc U tàu hướng điểm chuyển hướng pnk 1+

p ak

 = (1.33)

( ) arctan ( )

r

e t e

 = − 

17/PL1

Trong  khoảng cách từ hình chiếu điểm p (t)n đoạn

thẳng quỹ đạo mong muốn điểm chuyển hướng n k p +

Từ (1.31), (1.32) (1.33) ta tính hướng mong muốn (desired heading) theo nguyên lý Lookahead-based Steering sau:

d d p r

 = − =  + − (1.35)

Trong arcsin v U

 =   

  góc trượt tàu Tuy nhiên v U

nên ta xtác  0

Khi đó, (1.35) viết lại thành: ( )

d p r e

 = + (1.36)

1.2.4 Bán kính đường trịn giới hạn chuyển hướng tàu

Trong trình bám theo đoạn quỹ đạo mong muốn, tàu vào bên đường trịn giới hạn bán kính Rncó tâm điểm chuyển hướng (x , yn n) hệ thống lựa chọn điểm chuyển hướng phát lệnh cho hệ thống dẫn đường (Guidance System) nhằm tính tốn thông số cần thiết giúp tàu chuyển hướng nhằm bám theo đoạn thẳng quỹ đạo mong muốn Hay nói cách khác, lúc điểm chuyển hướng có tọa độ

(xn 1+ , yn 1+ ) chọn làm điểm chuyển hướng mong muốn mà

tàu cần hướng đến tọa độ tàu thỏa mãn điều kiện sau:

( ) ( ) 2

n n n

x −x t + y − y t R

   

    (1.37)

Theo [25] bán kính Rncó thể sau:

Rn = 2LOA (1.38)

18/PL1

1/PL2 PHỤ LỤC

MÃ CODE MATLAB CHO MƠ HÌNH TÀU MARINER function [xdot,U] = mariner(x,ui,U0)

% [xdot,U] = mariner(x,ui) returns the speed U in m/s (optionally) and % the time derivative of the state vector: x = [ u v r x y psi delta n ]' % for the Mariner class vessel L = 160.93 m, where

% u = pertubed surge velocity about Uo (m/s) % v = pertubed sway velocity about zero (m/s) % r = pertubed yaw velocity about zero (rad/s) % x = position in x-direction (m)

% y = position in y-direction (m)

% psi = pertubed yaw angle about zero (rad) % delta = actual rudder angle (rad)

% The inputs are :

% ui = commanded rudder angle (rad)

% U0 = nominal speed (optionally) Default value is U0 = 7.7175 m/s = % 15 knots

% Reference: M.S Chislett and J Stroem-Tejsen (1965) Planar Motion %Mechanism Tests and Full-Scale Steering and Maneuvering Predictions for %a Mariner Class Vessel,

%Technical Report Hy-5, Hydro- and Aerodynamics Laboratory, Lyngby, % Denmark

% Author: Trygve Lauvdal % Date: 12th May 1994

% Revisions: 19th July 2001 (Thor I Fossen): added input/ouput U0 and U, %changed order of x-vector

% 20th July 2001 (Thor I Fossen): replaced inertia matrix with correct values

% 11th July 2003 (Thor I Fossen): max rudder is changed from % 30 deg to 40 deg to satisfy IMO regulations for 35 deg rudder execute % Check of input and state dimensions

if (length(x) ~= 7),error('x-vector must have dimension !'); end if (length(ui) ~= 1),error('ui must be a scalar input!'); end

2/PL2 U = sqrt((U0 + x(1))^2 + x(2)^2);

% Non-dimensional states and inputs

delta_c = -ui; % delta_c = -ui such that positive delta_c -> positive r u = x(1)/U;

v = x(2)/U; r = x(3)*L/U; psi = x(6); delta = x(7);

% Parameters, hydrodynamic derivatives and main dimensions delta_max = 40; % max rudder angle (deg) Ddelta_max = 5; % max rudder derivative (deg/s)

m = 798e-5; Iz = 39.2e-5; xG = -0.023;

Xudot = -42e-5; Yvdot = -748e-5; Nvdot = 4.646e-5; Xu = -184e-5; Yrdot =-9.354e-5; Nrdot = -43.8e-5; Xuu = -110e-5; Yv = -1160e-5; Nv = -264e-5; Xuuu = -215e-5; Yr = -499e-5; Nr = -166e-5; Xvv = -899e-5; Yvvv = -8078e-5; Nvvv = 1636e-5; Xrr = 18e-5; Yvvr = 15356e-5; Nvvr = -5483e-5; Xdd = -95e-5; Yvu = -1160e-5; Nvu = -264e-5; Xudd = -190e-5; Yru = -499e-5; Nru = -166e-5; Xrv = 798e-5; Yd = 278e-5; Nd = -139e-5; Xvd = 93e-5; Yddd = -90e-5; Nddd = 45e-5; Xuvd = 93e-5; Yud = 556e-5; Nud = -278e-5; Yuud = 278e-5; Nuud = -139e-5; Yvdd = -4e-5; Nvdd = 13e-5; Yvvd = 1190e-5; Nvvd = -489e-5; Y0 = -4e-5; N0 = 3e-5; Y0u = -8e-5; N0u = 6e-5; Y0uu = -4e-5; N0uu = 3e-5;

% Masses and moments of inertia m11 = m-Xudot;

3/PL2 m23 = m*xG-Yrdot;

m32 = m*xG-Nvdot; m33 = Iz-Nrdot;

% Rudder saturation and dynamics if abs(delta_c) >= delta_max*pi/180,

delta_c = sign(delta_c)*delta_max*pi/180; end

delta_dot = delta_c - delta;

if abs(delta_dot) >= Ddelta_max*pi/180,

delta_dot = sign(delta_dot)*Ddelta_max*pi/180; end

% Forces and moments

X = Xu*u + Xuu*u^2 + Xuuu*u^3 + Xvv*v^2 + Xrr*r^2 + Xrv*r*v + Xdd*delta^2 +

Xudd*u*delta^2 + Xvd*v*delta + Xuvd*u*v*delta;

Y = Yv*v + Yr*r + Yvvv*v^3 + Yvvr*v^2*r + Yvu*v*u + Yru*r*u + Yd*delta +

Yddd*delta^3 + Yud*u*delta + Yuud*u^2*delta + Yvdd*v*delta^2 + Yvvd*v^2*delta + (Y0 + Y0u*u + Y0uu*u^2);

N = Nv*v + Nr*r + Nvvv*v^3 + Nvvr*v^2*r + Nvu*v*u + Nru*r*u + Nd*delta +

Nddd*delta^3 + Nud*u*delta + Nuud*u^2*delta + Nvdd*v*delta^2 + Nvvd*v^2*delta + (N0 + N0u*u + N0uu*u^2);

% Dimensional state derivative detM22 = m22*m33-m23*m32;

xdot = [ X*(U^2/L)/m11

-(-m33*Y+m23*N)*(U^2/L)/detM22 (-m32*Y+m22*N)*(U^2/L^2)/detM22 (cos(psi)*(U0/U+u)-sin(psi)*v)*U (sin(psi)*(U0/U+u)+cos(psi)*v)*U r*(U/L)

delta_dot

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % END OF PROGRAM

1/PL3 PHỤ LỤC

MÃ CODE MATLAB CHO BỘ ĐIỀU KHIỂN PID NƠ-RON LAN TRUYỀN NGƯỢC

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % PID control based on Back Propagation neuron network for Mariner Ship Heading Regulation

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Simulation on computer

% This control method uses NN1 for approximating the ship model, % and NN2 for outputing Kp, Ki, Kd (NN1 NN2)

% - MOMENTUM in learning is used for NN1 % Author: NGUYEN PHUNG HUNG & VO HONG HAI

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% clc;

clear; % Clear all variables in memory

% The BPNN-PID Controller is of the form (4 - - 3): % (4 input norons, hidden norons, output noron) IN = 6; H = 7; Out = 3; %NN Structure

% Input layer consists of norons with unity weights and zero bias, % include: reference course (psi_r), actual course(psi), actual course %(error) and d(error)/dt

% Backpropagation algorithm:

%delta(wij(k)) = - eta*(dEk/dwij)+alfa*delta(wij(k-1)) eta = 0.5; % learning rate

alfa = 0.05;% momentum coefficient

% We start executing the controller with ralative small weights: W21 = rands(H,IN)*0.00001; % Set random hidden layer weights W32 = rands(Out,H)*0.00001;% Set random output layer weights

% x = [ u v r x y psi delta]'

x = zeros(7,1); % Set initial state of the ship % delta=x(7);

delta_1=0;

2/PL3 psi_1=0;

psi_2=0;% actual heading at k,k-1, , k-3

error_1=0; % heading error at k,k-1, ,k-3 error_2=0;

error_3=0;

h=0.1; % Sampling time for integration (integration step size) k=1; % This is time's index (not time, its index)

t=0; % Reset time to zero N = 150;

%======================================================================== ro_w = 1.5;

lamda_w = 1.5; beta_w = 0.3;

kp_1 = 0; ki_1 = 0; kd_1 = 0;

r = 0;

d_psi_dot_1 =0; d_psi_dot_2 =0;

psi_dot_1 =0; psi_dot_2 =0; psi_dot_3 =0; T = 10;

rd_1 = 0; % Desired yaw rate calculated by reference model psi_d_1 = 0;

Z_sum = 0; Z_psi_1=0; E1_1 = 0; E1_2 = 0; E1_3 = 0;

3/PL3

% -% For reference model:

z = 1; % relative damping ratio w = 0.05; % natural frequency

damper = 1; % nonlinear damping coeff

% -Twv = 50; % period of wind velocity Twd = 6; % period of wind direction

U0 = 7.7175; % nominal speed Default value is U0 = 7.7175 m/s = 15 % knots

U = U0; t_final = 9000;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % START SIMULATION:

% disp('Simulating PID based on BPNN') for k=1:t_final

t=k*h;

% psi_r(k)=20*(pi/180);

% Firstly, we define the reference input psi_r (desired heading) if t<300, psi_r(k) = 25*(pi/180); end % Desired heading is 20 deg if t>=300, psi_r(k) = -25*(pi/180); end % Desired heading is -20 deg if t>600, psi_r(k) = 25*(pi/180); end % Desired heading is 20 deg

% Sensor noise for the heading % sensor with a uniform

% distribution on[-0.01,+0.01] % deg

% s(k) = 0.01*(pi/180)*(2*rand - 1); s(k) = 0; % This allow us to remove the noise

psi(k) = x(6) + s(k); % Heading of the ship with sensor noise %r(k) = x(3); % This is pertubed yaw velocity about zero % (rad/s) at time step k

delta_a(k) = x(7);

% -% Use reference model to produce desired heading psi_d(k) This is % reference model with nonlinear damping:(Fossen 2002)

psi_d_dot = rd_1;

rd_dot = w^2*(psi_r(k)-psi_d_1) - 2*z*w*rd_1 - damper*abs(rd_1)*rd_1;

4/PL3 psi_d(k) = psi_d_1 + h*psi_d_dot; % - wind

if Twv==50 Twv = 0; if Twd==6 Twd = 0;

Windir = (180/pi)*(inf2ber(60*rand(1)*pi/180) + psi(k)); end

Twd = Twd + 1;

[wind,V_w] = WindGen2(psi(k),Windir,U,h); end

Twv = Twv + 1;

wdr(k) = Windir; wve(k) = V_w;

error(k) = psi_d(k) - psi(k); % This is heading error psi_dot(k) = psi(k)- psi_1;

d_psi_dot(k)= psi_dot(k) - psi_dot_1; % Z_psi(k) = h*(Z_psi_1 + error(k)); Z_psi(k) = Z_psi_1 + error(k);

if k>=T+1 Z_sum = 0; for ii=1:T

Z_sum = Z_sum + Z_psi(k-ii); end

end

% -Output of NN -Oi = mlnnc(Out,H,IN,net_in,W21,W32);

kp(k) = 50*Oi(1); ki(k) = 10*Oi(2); kd(k) = 10*Oi(3);

% -% -PID

Command -delta(k) = delta_a(k) + (kp(k)+ki(k)+kd(k))*error(k) - (kp(k)+2*kd(k))*error_1 + kd(k)*error_2;

xx(1) = error_1;

5/PL3 xx(4) = error(k) - error_1;

xx(5) = error_1 - error_2; xx(6) = error_2 - error_3;

net_in = [xx(1);xx(2);xx(3);xx(4);xx(5);xx(6)];

% -E = [error(k) sign(Z_psi(k))*Z_psi(k) error(k)-error_1];

% -clc;

fprintf('Simulating PID based on BPNN please wait!\n*Counter = %d (%d)\n',k,t_final-k);

if delta(k)>= 35*(pi/180) %Restricting the output of controller delta(k)=35*(pi/180);

end

if delta(k)<=-35*(pi/180) delta(k)=-35*(pi/180); end

% -% Next we use 2nd order Euler method to calculate ship state:

[xdot,U] = mariner3(x,delta(k),U0,wind); % xdot = mariner(x,delta(k));

x = euler2(xdot,x,h); % Calculated next state %================================================================= % NN Training

Moment21 = alfa*W21; Moment32 = alfa*W32;

[W21,W32] = bpnnTrain(h,eta,N,Out,H,IN,net_in,E,0,0, ro_w,lamda_w,beta_w);

W21 = W21 + Moment21; W32 = W32 + Moment32;

% -%Parameters Update

6/PL3 delta_3 = delta_2;

delta_2 = delta_1; delta_1 = delta(k); psi_2 = psi_1; psi_1 = psi(k);

psi_dot_3=psi_dot_2; psi_dot_2=psi_dot_1; psi_dot_1=psi_dot(k);

% Z_psi_1 = Z_psi(k); d_psi_dot_2 = d_psi_dot_1; d_psi_dot_1 = d_psi_dot(k);

error_3 = error_2; error_2 = error_1; error_1 = error(k);

psi_d_1 = psi_d(k); rd_1 = rd(k); time(k) = t; end

% Squared sum of heading error and rudder angles E_psi = 0;

E_rudder = 0; for i=1:k

E1(i) = (psi_d(i)-psi(i))^2; E(i) = delta_a(i)^2;

E_psi = E_psi + E1(i); E_rudder = E_rudder + E(i); end

E_psi E_rudder

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Plot the results:

7/PL3 psi_r = psi_r*(180/pi);

psi_d = psi_d*(180/pi); error = error*(180/pi);

psi_dot = psi_dot*(180/pi);

% psi_dot_hat = psi_dot_hat*(180/pi); d_psi_dot = d_psi_dot*(180/pi); delta = delta*(180/pi);

% -figure(1);

clf;

subplot(211)

plot(time,psi,'k-',time,psi_r,'k ',time,psi_d,'b:')

title('Ship heading (solid) and desired ship heading (dashed),deg') legend('Ship heading','Reference heading',0)

grid on subplot(212)

plot(time,delta,'k-')

title('Rudder angle (\delta),deg') grid on

% -figure(2);

clf;

subplot(311); plot(time,kp,'r');

xlabel('time(s)');ylabel('kp'); title('KP')

grid on

subplot(312); plot(time,ki,'g');

xlabel('time(s)');ylabel('ki'); title('KI')

grid on

subplot(313); plot(time,kd,'b');

xlabel('time(s)');ylabel('kd'); title('KD')

grid on

8/PL3 clf

subplot(311)

plot(time,error,'k-')

title('Course error (deg)') grid on

subplot(312)

plot(time,psi_dot,'k-')

title('Rate of turn (deg/s)') grid on

subplot(313)

plot(time,d_psi_dot,'k-')

title('Turning accelarator (deg/s^2)') grid on

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % END OF PROGRAM

a Xingxing Huo a Zeyu Li Jiangqiang Hu, (WICT), 2012 World Congress on, Journal of the American Statistical Association http://www.matworks.com/