بخشی از مقاله
چکیده
شناسایی سیستم پیچیدهی کشتی، مدلی از دینامیک حرکت کشتی را در اختیار ما میگذارد و مسئلهی پیشبینی موقعیت و سرعت و همینطور کنترل کشتی را بهبود میبخشد. دینامیک هیدینگ کشتی یکی از مهمترین دینامیکهای حرکت کشتی میباشد که شناسایی آن به منظور کنترل زاویهی هیدینگ از مهمترین مسائل کنترل کشتی میباشد. تئوری شناسایی سیستم توانایی لازم برای شناسایی مدل هدینگ براساس دادههای ورودی-خروجی را دارد.
در این مقاله ابتدا به شناسایی مدلی ناپارامتری، شناسایی جعبه سیاه، از سیستم هیدینگ کشتی براساس روش خطای تخمین پرداخته شده است. در ادامه ، طراحی کنترلکنندهی زاویه هیدینگ کشتی را براساس مدل هیدینگ شناسایی شده انجام داده و کنترل-کنندهی طراحی شده را به شبیه ساز دقیق کشتی اعمال نمودیم.
در این مقاله به منظور به دست آوردن دادههای ورودی و خروجی آموزش و ارزیابی که اساس کار شناسایی سیستم بر مبنای داده میباشد، از شبیهساز MSS استفاده کردیم. در نهایت به مقایسهی خروجی مدلهای شناسایی شده با دادههای خروجی واقعی تحت شرایط تست پرداختیم. نتایج نشان میدهد که سیستم شناسایی شده انعکاس خوبی از سیستم هیدینگ کشتی واقعی دارد و عملکرد کنترلر طراحی شده بر اساس مدل شناسایی شده، با اعمال به شبیهساز کشتی واقعی بسیار مطلوب میباشد.
-1 مقدمه
کنترل زاویهی هدینگ کشتی یکی از مهمترین مسائل کنترلی در سیستم کشتی میباشد. طراحی کنترلکننده زاویهی هدینگ کشتی براساس اصول کنترل کلاسیک، نیازمند در اختیار داشتن مدلی دینامیکی از هدینگ کشتی میباشد. پس هدف در این مقاله رسیدن به یک مدل از سیستم هیدینگ کشتی است اولاًکه بسیار نزدیک به مدل واقعی باشد و ثانیاً پیچیدگی آن پایین باشد تا اینکه بتوان از آن برای مقاصد کنترلی استفاده کرد.
شناسایی سیستم در این مقاله به مفهوم شناسایی ساختار مدل ریاضی سیستم هیدینگ کشتی با استفاده از دادههای ورودی و خروجی می-باشد این همان تعریف شناسایی سیستم میباشد که اولین بار توسط زاده[ 1] 1 ارائه شد. شناسایی سیستم در حوزه کشتی بسیار مورد توجه قرار گرفته است و شناسایی مدل هیدینگ کشتی یکی از مهمترین تحقیقات فعال در حوزه کنترل کشتی میباشد.
روشهای بسیاری برای به دست آوردن مدل دینامیکی هدینگ کشتی در ادبیات موضوع وجود دارد که یکی از این روشها تحلیل نیروهای هیدرودینامیکی موثر بر کشتی می-باشدکه این روش تحت عنوان شناسایی جعبه سفید2 یا شناسایی تحلیلی شناخته میشود.
یکی دیگر از روشهای مرسوم برای یافتن مدل دینامیکی سیستم، استفاده از روشهای شناسایی سیستم بر مبنای داده3 میباشد که روش کمترین مربعات[4]4 ، روش فیلتر کالمن توسعه یافته5 [5] و روش خطای تخمین بازگشتی[ 6] 6 نمونهای از این روشها میباشند که در حوزهی شناسایی مدل کشتی به کار گرفته شدهاند. در این روش، شناسایی مدل کشتی نیازمند دادههای ورودی-خروجی در شرایط کاری مختلف میباشد که به دست آوردن این دادهها از سیستم واقعی گاهاً بسیار گران، زمانبر و در برخی موارد غیر ممکن میباشد.[7]
در برخی از مواقع برای حل این مشکلات به جای استفاده از سیستم واقعی به منظور نمونهبرداری، از شبیهسازهای مختلف که شرایط واقعی را مدل میکنند، استفاده میشود. روشهای شناسایی سیستم بر مبنای داده در رشتههای مختلف به کار گرفته شده است و مراجع 8 ] و [9 مروری جامع در مورد کاربردها و روشهای مختلف شناسایی سیستم داشتهاند. مقاله [10] به منظور یافتن مدل دینامیکی کشتی روش رگرسیون بردار پشتیبان7 را پیشنهاد داد که هدف آن شناسایی پارامترهای مدل آبکویتز8 بود.
کورتزریس در [11] به ارائهی روش شناسایی سیستم بر اساس فیلتر متغیرهای حالت پرداخت. در این روش ارائه شده، کل پارامترهای حرکتی کشتی به صورت بازگشتی تخمین زده شده است.
آبکویتز در [12] از فیلتر کالمن توسعه یافته1 به منظور شناسایی پارامترهای هیدرودینامیک کشتی بهره برده است و پارامترهای خطی و غیرخطی تخمین زده شدهاند. لیو [13] از تکنیک فیلتر کالمن توسعه یافته به منظور شناسایی مقاومت کشتی استفاده کرده است. لیو از کد LAMP برای به دست آوردن دادههای ورودی-خروجی استفاده کرده است.
بردمه و هال در [14] با استفاده از تکنیک فیلتر ARMA خطی به شناسایی مدل حرکتی کشتی پرداختهاند هدف از این شناسایی برخط، استفاده از خروجی سیستم شناسایی شده برای کمک به فرود ایمن هلیکوپتر بر روی کشتی بود. در این کار از دادههای واقعی سنسورهای نصب شده بر روی کشتی استفاده شده است. شکل 1 حلقهی کنترل زاویهی هیدینگ را نشان میدهد.
طراحی کنترلکننده هیدینگ نیاز به داشتن مدلی دقیق از بخش آبی رنگ شکل، که همان دینامیک هیدینگ کشتی میباشد، دارد. در این مقاله، مرحلهی اول شناسایی بخش آبی رنگ شکل انجام میشود. به این منظور با استفاده از شبیهساز سیستم کشتی - MSS - 2 که یک سیمولاتور شرایط واقعی کشتی میباشد، بخش آبی رنگ شکل را پیادهسازی کرده و دادههای ورودی - - r و خروجی - - مورد نیاز برای آموزش و آزمایش مدل را تحت مانورهای متعارف به دست میآوریم. در ادامه با استفاده از روشهای ناپارامتری شناسایی سیستم، مدلهای چندجملهای و مدلهای تابع تبدیل را برای دینامیک هیدینگ به دست آورده و نهایتاً مناسبترین مدل را جهت استفاده در کنترل هدینگ کشتی انتخاب مینمائیم.
شکل:1 حلقهی کنترل زاویهی هیدینگ، شامل دینامیک هیدینگ - بخش آبی رنگ - و کنترلکننده
در ادامه، به طراحی کنترلکنندهی PID براساس مدل شناسایی شده میپردازیم و به منظور بررسی اعتبار مدل شناسایی شده، حلقهی کنترل زاویهی هیدینگ را براساس کنترلکنندهی طراحی شده و شبیهساز کشتی واقعی مورد ارزیابی قرار میدهیم.
-2 شناسایی مدل دینامیکی هیدینگ
پروسهی شناسایی مدل یک سیستم دینامیکی شامل پنح بخش اصلی میباشد. این پنج بخش شامل انتخاب کلاسی از بین مدلها، انتخاب معیار خطا، تعیین ورودی و خروجی نمونهبرداری، انتخاب سیگنالهای تحریک و انتخاب روش شناسایی سیستم میباشد.
با توجه به اینکه هدف ما در این مقاله، بررسی طیف وسیعی از روشهای شناسایی ناپارامتری سیستم که شامل مدلهای مختلفی نیز میباشند بنابراین مدل خود را محدود به کلاس مشخصی از مدلها نمیکنیم ولی با توجه به اینکه هدف ما از شناسایی مدل هیدینگ، کنترل زاویهی هیدینگ میباشد، تنها قیدی که بر روی مدل داریم این استکه اولاً به اندازهی کافی به سیستم مورد مطالعه نزدیک باشد و ثانیاً ساختار مدل خیلی پیچیده نباشد. شکل 2 گامهای شناسایی سیستم هدینگ کشتی در تمامی روشهای ارائه شده در این مقاله را نشان میدهد.
شکل:2 گامهای شناسایی سیستم هیدینگ کشتی
-1-2 انتخاب معیار خطا هر تکنیک شناسایی سیستم، نیازمند یک تابع هدف میباشدکه تعیین مدل براساس کمینه کردن آن اتفاق بیافتد. این تابع هدف اصولاً یک تابع درجه دو از اختلاف خروجی مدل و خروجی اندازهگیری شده میباشد.[9] شکل 3 معیار خطا برای تعیین مدل را نشان میدهد.
شکل:3 معیار خطا برای بهروز کردن مدل
در این شکل سیگنال ورودی u همان زاویه سکان، y زاویهی هیدینگ مدل شناسایی شده، n - t - نمایندهی کلیهی اغتشاشات و نویز اندازهگیری سنسورها و سیگنال خروجی y همان زاویهی هیدینگ اندازهگیری شده میباشد.
در این شرایط، بحث شناسایی سیستم به مسئلهی بهینهسازی تابع هدف تعریف شده، مبدل میشود. براساس معیار خطا، میتوان روش های مختلف شناسایی سیستم، شامل روش حداقل مربعات 1، حداقل مربعات تعمیم یافته2 و حداکثر درستنمایی3 از همدیگر متمایز کرد. در حالت کلی مدل به صورت یک مدل دینامیکی و به صورت زیر در نظر گرفته میشود.
در رابطهی بالا {ui , yi } دادهی ورودی-خروجی i ام و Q کل دادههای مورد استفاده در شناسایی سیستم میباشد، g یک تابع یک به یک میباشد که معمولاً به صورت یک تابع درجه 2 یا اینکه نرم دو میباشد، x متغیرهای حالت سیستم دینامیکیو نهایتاً * پارامترهای بهینه برای رسیدن به کمینهی تابع هزینه میباشد.
-2-2 تعیین ورودی و خروجی در شناسایی سیستم کشتی یکی از مهمترین سوالاتی که در شناسایی هر سیستمی مطرح میباشد این است که ورودی - ورودیها - و خروجی سیستم چیست. در برخی از سیستمها تعیین ورودی مناسب از بین ورودیهای کاندید، نیازمند آنالیز کورلیشن4 میباشد ولی در سیستم کشتی انتخاب ورودی به سادگی انجام میشود.
براساس مقالات 15]و [16 ورودی و خروجی برای شناسایی سیستم هیدینگ به ترتیب سیگنالهای زاویهی سکان و زاویهی هیدینگ میباشد. به این ترتیب تابع تبدیل مناسب با ورودی و خروجی را از طریق تغییر در زاویه رودر - به عنوان سیگنال ورودی - و مشاهدهی تغییرات در هیدینگ کشتی - به عنوان سیگنال خروجی - به دست میآوریم. براساس قاعدهی نمونه برداری نایکویست-شنون5 نمونه برداری را 10 برابر سریعتر از بالاترین فرکانس انجام میدهیم.
با توجه به اینکه بالاترین فرکانس دینامیک هیدینگ حدود 10 میباشد بنابراین نرخ نمونهبرداری را با 100 هرتز انجام میدهیم.[15] بنابراین دادههای ورودی و خروجی مورد استفاده برای شناسایی سیستم کشتی را با نمونهبرداری 0/01 ثانیه به دست میآوریم. دو دسته دادهی ورودی-خروجی یعنی دادههای آموزش6 و دادههای تست7 را به این روش به دست میآوریم و از دادهی آموزش برای تعیین مدل و از دادهی تست برای ارزیابی مدل استفاده میکنیم.
