一种无人船动力定位系统及方法技术领域
本发明涉及一种无人船动力定位方法及系统，尤其涉及一种基于智能控制的无人
船动力定位方法及系统。
背景技术
随着我国创新驱动发展战略的实施，水面无人运输工具、水面无人监测系统、水面
无人作业平台等无人船技术，在物联网、大数据、云计算、人工智能的有力推动下暂露头角，
无人船领域已然成为下一片产业蓝海，具有广阔的研究和应用空间。
无人船在海洋上航行时会遇到风浪流等外部环境的干扰，如果要使无人船与海面
上某基准线保持一定位置，船必须有产生反向力和力矩的能力。目前，在有人船领域，若想
要使船舶对某一特定的位置保持船位时，船舶的泊锚索或者推力器可以有效地产生反向力
和力矩去抵抗外界的干扰力。一般有人船采用泊锚索对船舶进行定位时，锚索从船体向四
周抛出，但是由于随着水深的增加，这就要求锚索系统具有大的重量，随着锚索系统的重量
增加，抛锚的困难性会加大。在实际中，若达到一定的水深时，锚索系统会完全无用。锚索系
统不适用在无人船上。
推进器与锚泊系统不同，它可以在任意水深的时候提供推力和力矩来抵抗外界的
环境扰动，从成本上来说，锚泊系统的成本会随水深的增加而增加，而推进器的成木却与水
深没有太大的关系。所以应用推进器来产生力和力矩去抵抗外界环境的干扰，从而保持船
的位置和航向是一种理想的办法。所以，在无人船上使用动力定位方法及系统可行性很高。
动力定位系统是自动控制船舶位置和航向的系统，该系统只依赖自身的推进系
统。由自身装备的各种传感器测量出船舶运动的位置和航向，利用计算机进行复杂的实时
计算，进而控制船舶的推力装置产生推进力和力矩去抵抗由外界环境引起的干扰力，使船
舶保持目标的船位和船舶向。船舶利用动力定位系统，可以在锚泊系统不起作用的深水区
域进行操作。动力定位系统能使船舶固定在一定的位置，还可以根据实时的风浪流的方向
自动地调节船舶的蹭向到最优的期望位置。
无人船水上作业环境复杂多变，不同水环境的水流状态、水底地貌、水面气象迥
异，风阻力、静水阻力、波浪阻力等向无人船施加阻力的综合作用，影响动力定位准确性和
航行稳定性。无人船作业任务种类繁多，作业过程中，由于船上设备和作业对象的移动及旋
转，重心、吃水、艏向等状态时刻变化，浮性、稳性等关键航行性能受到牵制，危害无人船动
力定位稳定性和航行可靠性。研究无人船在多因素作用下的水动力模型，明确单因素作用
效果和多因素综合效应，形成无人船水动力模型一般标准，是无人船研究的关键性工作。与
此同时，无人船作为全新的水面运输工具，涉及智能网络测控、最佳路径规划、实时航行决
策、无线网络通信等多学科问题，具有高度关联性和耦合性，对包含环境感知、动力推进、解
耦算法等在内的无人船推进及控制技术提出巨大挑战。传统船舶操纵上十分依赖船舶班组
的航行经验，不宜用于无人船在复杂作业环境下的动力定位。加快无人船新型推进系统和
推力控制方法革命，在无人船核心关键器件与控制算法首先取得突破，形成持续性的自主
创新能力和研发积累效应，是从深度和广度两个角度引领产业发展的要义。
发明内容
为解决上述中存在的问题与缺陷，本发明提供了一种无人船动力定位系统及方
法。
本发明是通过以下技术方案实现的：
一种无人船动力定位系统，包括：传感器测量系统、控制系统、动力和推进系统；
所述传感器测量系统，包括导航定位模块、环境感知模块和内部监测模块；
所述导航定位模块、环境感知模块和内部监测模块分别集成于相应的传感器，并
都通过CAN总线连接到核心控制模块进行数据的处理；
所述控制系统，包括高层控制和底层控制；用于控制船舶位置和航向角的一个多
变量的反馈控制系统；
所述动力和推进系统，包括输电设备、推进器和动力机械及辅助系统，用于提供控
制器输出的力和力矩。
一种无人船动力定位方法，包括以下步骤：
步骤A建立一个无人船水动力模型；
步骤B将测量机构测出的无人船位置和舶向角信息进行处理，得出实际的无人船
位置和艏向角；
步骤C将期望的位置和艏向角信号与实际值进行比较，得出实际值与期望值的偏
差信号；
步骤D设计无人船动力定位的控制算法，计算出抵抗位置偏移以及外界干扰的恢
复力和力矩，使偏差的平均值减小到最小；
步骤E利用多矢量推力最优分配算法，将推进器的推力和方位角以及舵角等控制
的指令分配到各个推进器。
本发明提供的技术方案的有益效果是：
在无人船动力定位方法及系统上，针对带有模型参数不确定和外界风浪流干扰的
动力定位无人船，提出一种动力定位无人船全速域自适应模糊控制器。采用三个独立的控
制器分别控制无人船在三个方向上的运动，从而简化了控制规则的设计和缩短了执行时
间。针对带有非线性约束条件的推力分配优化问题，对动态的等式约束进行等份离散，在传
统的粒子群算法中进行了改进，加入了改进的惯性因子，改进的比较准则和改进的干扰算
子，将改进后的粒子群算法应用到推力分配策略中。
附图说明
图1是本发明无人船动力定位系统原理图；
图2是本发明无人船动力定位系统基本框架图；
图3是本发明无人船动力定位方法流程图；
图4是本发明无人船水动力定位系统模型框图；
图5是本发明无人船动力定位方法中自适应模糊控制系统；
图6是本发明动力定位方法的模糊控制规则；
图7是本发明动力定位方法的分级模糊控制。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方
式作进一步地详细描述。
本实施例提供了一种无人船动力定位系统，其中，
参见图1，该系统系统包括：传感器测量系统、控制系统、动力和推进系统。
传感器测量系统，主要包括导航定位模块、环境感知模块、内部监测模块，各个模
块集成相应的传感器，最终全部通过CAN总线连接到核心控制模块进行数据的处理。
控制系统，是控制船舶位置和航向角的一个多变量的反馈控制系统，主要包括：高
层控制，这个部分包括控制器和推力分配；底层控制。
动力和推进系统，基本作用是提供控制器输出的力和力矩，这个系统主要由输电
设备、推进器和动力机械以及其他的辅助系统组成。
参见图2，无人船动力定位系统基本框架图，该系统包含上位机系统和下位机系
统。上位机系统具有友好的人机交互界面，供总监测平台工作人员观测和记录航速信息，舵
角信息，位置信息，航行姿态信息和环境信息等实时数据；下位机系统以船载核心控制器为
中心，由导航定位系统，环境感知系统，通信系统和动力推进系统组成。
如图3所示，本实施例还提供了一种无人船动力定位方法，包括：
步骤10建立一个无人船水动力模型；
步骤20将测量机构测出的无人船位置和艏向角信息进行处理，得出实际的无人船
位置和艏向角；
步骤30将期望的位置和艏向角信号与实际值进行比较，得出实际值与期望值的偏
差信号；
步骤40设计无人船动力定位的控制算法，计算出抵抗位置偏移以及外界干扰的恢
复力和力矩，使偏差的平均值减小到最小；
步骤50设计多矢量推力最优分配算法，将推进器的推力和方位角以及舵角等控制
的指令分配到各个推进器。
参见图4，上述步骤10还包括：
针对船舶运动模型，拟基于Balchen模型对无人船的低频运动和高频运动分别建
立数学模型。对低频运动中与船运动影响较大的水动力项从噪声项中作显化处理，以减小
噪声误差，改善对船舶运动的估计。在高频运动中，利用船模在规则波中及不同浪向角条件
下进行试验，获得规则波下无人船高频运动的幅值响应和相位响应，再根据波浪谱计算相
应的浪向角下的遭遇谱，然后由不规则波的浪谱计算高频运动响应，以此确定高频运动模
型中的相关项。
针对环境扰动力模型，考虑到风浪流随机特性造成的动态不确定性，引入随机过
程进行描述，分别对风流浪的载荷及变化情况进行分析，建立随机微分方程描述的环境扰
动力模型。探索随机环境扰动力模型下随机系数的估计方法，并仿真分析该随机微分动力
学系统对实际动态不确定海况下的船舶运动响应的刻画程度。
针对推进器模型，采用扩展推力的概念，建模成在不同舵角下与主推进器推力的
百分比关系，通过模型试验或Fluent计算得到船舶在低航速下推力与舵的来流速度的关
系，得到在不同舵角下和螺距下舵桨组合的推进器推力模型。
上述步骤20具体包括：利用集成传感器技术，将北斗/GPS系统、水声定位系统以及
雷达系统等集成到无人船上，进行精确测量获得无人船位置、艏向、航姿等可测量的状态信
息，实现传感器测量系统快速、准确、稳定地估计出船舶新的运动状态和不可测量的外界干
扰力。
上述步骤30具体包括：利用卡尔曼滤波器与模糊自适应方法结合，充分利用卡尔
曼滤波算法的线性滤波和处理大规模动态数据的优势，进行异类多传感器数据融合，实现
无人船动力定位控制系统中不可测干扰力的识别和新运动状态的估计
由于无人船动力定位系统主要关心船在水平面内三个自由度的运动即纵荡、横荡
和艏摇运动。考虑到低速情况下船舶三个自由度运动之间的耦合较小，拟采用了三个独立
的控制器分别控制无人船在三个方向上的运动，从而简化了控制规则的设计和缩短了执行
时间。图5所示为自适应模糊控制系统在无人船动力定位中的应用原理示意图，它的核心部
分为模糊控制器，如图中虚线框所示。模糊控制器的设计包括以下几项内容：确定模糊控制
器的输入变量和输出变量(即控制量)；设计模糊控制器的控制规则；确立模糊化和非模糊
化(又称清晰化)的方法；选择模糊控制器的输入变量及输出变量的论域并确定模糊控制的
参数(如量化因子、比例因子)；编制模糊控制算法的应用程序。
无人船动力定位方法采用模糊控制时，为了获得良好的控制效果，必须要求模糊
控制具有较完善的控制规则。这些控制规则是对被控过程认识模糊信息的归纳和操作经验
的总结。然而，由于无人船所处海洋环境的复杂性，会造成模糊控制规则或者粗糙或者不够
完善，都会不同程度地影响控制效果，为了弥补这个不足，考虑到模糊控制器应向着自适
应、自组织、自学习方向发展，使得模糊控制参数和规则在控制过程中自动地调整、修改和
完善，达到更佳的控制效果。因此，在此模糊控制动力定位系统设计中，利用自适应模糊控
制器，其在简单模糊控制器的基础上，增加了自适应项而构成的一种模糊控制器，结果如图
5所示。图中上面虚线框内即为增加的部分：测量模块用于测量实际输出特性与期望特性的
偏差以便为控制规则的修正提供信息；校正模块将输出相应的校正量通过修改控制规则来
实现。
模糊控制器的输入变量可以是一个，也可以是二个或多个，通常将模糊控制器输
入变量的个数视为模糊控制的维数。一维模糊控制的动态性能不佳，目前广泛采用二维模
糊控制器，以误差和误差的变化率为输入变量，如图4所示。对于无人船动力定位控制系统，
所需要控制的是船舶位置，因此对于每个方向来说，控制器以该方向上无人船实际位置与
定位点之间的偏差e和偏差的变化率e'作为输入变量。
模糊控制器的输入变量误差、误差变化率的实际范围称为这些变量的基本论域，
显然基本论域的量为精确量，将精确量转换为模糊量的过程成为模糊化(Fuzzification)
或称为模糊量化，一般采用精确量离散的方法。然后，模糊控制器在模糊集中给每一个变量
赋予一个置信度。模糊控制器的控制决策通过模糊控制规则(FAM)把模糊输入集和输出集
联系起来，模糊控制规则可以用自然语言来表达，通常采用if-then语句，由此可以建立无
人船动力定位系统的模糊控制规则(如图6所示)。
采用分级模糊控制方法，在原模糊控制器的基础上分别又添加一个模糊控制器，
这样在大误差范围内，实行粗模糊控制；在小误差范围内实行细模糊控制。通过设定误差阈
值，实现控制的切换，如图7所示。采用分级模糊控制将使系统在具有良好的动态性能同时
也拥有很好的稳态性能。
设计多矢量推力最优分配算法，主要包括三个重要组成因素:目标函数，不等式约
束和等式约束，可以将其考虑成带有非线性约束的单目标动态优化问题。针对推力分配问
题，在群智能算法中，采用操作简单、收敛快的粒子群算法。推力分配问题的目标函数主要
包括:推力器磨损最小、耗能最小、避免奇异性等。
推力分配策略使推进器方位角变化的过程中就会造成推进器磨损，所以在目标函
数中就应该加入推进器推力变化速率项和方位角变化速率项，防止推进器过快的磨损。在
推力分配策略中，要考虑到推力器输出能耗的经济性，可以将推力器输出的力大小作为目
标函数的一项。动力定位的无人船一般装有多个推进器，当推进器系统不能满足由控制器
发出的期望的控制力和力矩时，该系统是奇异的。对于安装有全回转的动力定位船舶，由于
推力角速率的限制，很容易造成系统奇异结构，此时船舶会失去操作性。然而由海洋环境引
起的干扰力和力矩是缓慢变化的，当推力器的方向和干扰力的方向是同向的时候，推力器
的能耗是最小的，为此应该将其加入到优化的目标函数中。
假设动力定位无人船有n个推进器，则各个推进器产生的推力和方向角分别为xi,
ai。推力分配的约束条件主要包括满足期望的控制力和力矩、推进器角度限制、推进器推力
限制等。满足期望的控制力和力矩该限制条件以等式的形式给出，包括纵向、横向和舫摇的
力和力矩平衡，等式约束如下:
式中，τ＝[Fx,Fy,FN]为控制器输出的力和力矩指令；lyi和lxi分别为推进器到船
舶旋转中心的纵向和横向坐标。
为了减少推进器间的相互作用，保证各个推进器相互间的影响最小，应对推进器
的角度进行限制。各个推进器的最大推力是有限的，应对推进器的推力进行限制。
综上，推力分配的数学模型如下所示：
Tmin≤xi≤Tmax
amin≤ai≤amax
目标函数的第一项表示推进器消耗的总能量，P为权值，用来调节消耗能量在目标
函数中权重。第二项表示推力变化速率项，x0代表前一个时刻的推力值，xi代表当前时刻的
推力值，Q为权值，用来调节该项在目标函数中的权重。第三项表示推进器角度变化速率项，
a0代表前一个时刻的推进器的角度，ai代表当前时刻的推进器的角度，W为权值，用来调节该
项在目标函数中的权重。第四项表示避免推进器系统奇异结构，式中ε>0是个很小的数，避
免分母为0,δ>0为权值系数，δ占越大，无人船操纵性越好，B(a)是推进器的位置结构矩阵，
如下所示:
式中，lyi和lxi分别为推进器到无人船旋转中心的纵向和横向坐标。
约束条件中的前三个是等式约束，其中是时间(环境)变量，可以看出
前两个等式为依赖于时间的动态非线性约束。通过以上分析可知推力分配问题可以看做动
态单目标非线性约束的优化问题。
针对非线性单目标优化问题，提出了一种新的扰动算子，该算子可以使粒子偏于
当前种群中约束违背的度数小的或者目标函数值小的粒子。定义了改进的粒子群进化方
程，利用该方程更新粒子的位置和速度，可以有效地避免早熟收敛问题。思路是：对Y进行一
次扰动后的点为式中λ∈(0,1)为点Y沿着所走的距离。
其中Φ(Xi)是粒子Xi违背约束的度
数，C是正常数，C-Φ(Xi)>0。可以看出，点Y的移动方向是群体中所有粒子决定的，且该方向
是目标函数值较小或者约束违背的度数较小的粒子位置。加上这个扰动算子，很可能寻找
到最优的粒子。
算法流程如下：
Step1:对推力分配问题的时间变量区间[t0,ts]进行等份分割，不妨设所得的环境
为t1,...,ts，令t＝ti。
Step2:在环境ti(i＝1,...,s)下，给定种群规模N，在定义的范围内随机选取初始
粒子的位置和速度，产生初始粒子群pop0(ti)。
Step3:将粒子的Pbest(ti)设置为当前位置，Gbest(ti)设置为初始粒子群中最优
位置。
Step4:对于第k代粒子群popk(ti)所有粒子，执行如下操作:
(1)随机产生r属于[0,1]，如果r<pr，则对个体极值Pbest(ti)或全局极值Gbest
(ti)按照扰动算子进行扰动，否则不扰动。
(2)根据常规的粒子位置和速度更新方程产生在环境ti下新一代粒子群popk+1
(ti)，令k＝k+1。
Step5:按照新的比较准则更新全局极值和个体极值。
Step6:如果k＝K且ti<ts，则如ti＝ti+1转step2；如果k＝K且ti＝ts，停止，输出
Gbest(ti)；如果k<K，转Step4。
从常规的粒子群算法的数学模型可以看出，在固定的时间ti下，粒子群中的每个
粒子在解空间中的“飞行”方向主要由粒子所经历的最好位置和群体的最好位置所决定。另
外，惯性因子的改进，使其随着自身的迭代次数自适应调整，这样更有利地对解空间进行局
部和全局的自适应搜索。扰动算子可以对粒子群的个体极值和全局极限进行扰动，可以使
目前的最优粒子沿着目标函数值较小或片约束违背的度数较小的粒子方向移动，这样有效
地维护了群体的多样性，又避免了粒子群的早熟现象。
本发明解决类似领域的共性问题，可广泛应用于一般有人船、海上石油平台及工
程船、运输船、水下机器人等复杂海上作业复杂中。主要有如下以下特点：构造模糊控制算
法，设计自适应模糊控制器，模糊控制具有自适应、自组织、自学习性，使模糊控制参数和规
则在控制过程中自动地调整、修改和完善，达到更佳的控制效果。
在无人船运动中，实际速度是不可直接获得的，通过无人船速度观测器，可以从无
人船的实际位置和航向角的测量中获得船舶速度的估计值，从而实现船舶动力定位输出反
馈控制。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，
任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，
都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围
为准。