1．目的及意义

本论文主要利用PID对船舶航向进行自动控制。船舶航向时，为了尽快到达目的地和减少燃料消耗，会尽量要求船舶作直线航行，这是航向稳定性问题。而当在预定的航线上发现障碍物或其他船只时，或者在很有限的航道内航行，必须及时改变船速和航向，这就是船舶航行的机动性问题。一般说来，航向稳定性好的船舶，其航向机动性就差。最常用的航向控制装置是船舶自动操纵仪，即通常所说的船舶自动舵。本论文主要利用智能PID算法，为船舶设计航向控制器，实现对船舶的航向控制，同时通过多组实验的方式改变控制器参数，从而研究控制器参数的选择与船舶航向控制效果之间的联系。

船舶航向由舵来控制，自动舵是船舶操纵控制系统中至关重要的设备。船舶航向自动舵的产生要追溯到20世纪20年代，到目前为止，历经了4个发展阶段，即机械式自动舵、PID自动舵、自适应自动舵和智能自动舵。从80年代开始，人们就开始寻找类似于人工操舵的方法，这种自动舵就是第4代的智能舵。目前已提出3种智能控制方法，即专家系统、模糊控制和神经网络控制。专家系统的关键技术是知识经验的获取与表示；模糊控制不需要建立被控对象的精确数学模型，它的算法简单，便于实时控制；神经网络具有非线性映射逼近能力以及自学习、自组织、自适应、分布存贮、联想记忆、并行计算等能力，它的缺点是理论不成熟、实时性差、硬件实现成本高等。由于这些方法都有各自的优点，因此，近年来自动舵的控制方法正向组合集成型方向发展，如与模糊控制结合、与神经控制结合、模糊控与神经控制结合、模糊控制与遗传算法结合、神经控制与遗传算法结合等。将智能控制引入自适应控制中，不仅扩展了自适应控制的范围，也为智能控制的实用化提供了一条有效途径。我国对自适应船舶操纵控制系统的研究，目前基本上还是针对传统的自适应控制展开。

自适应控制作为现代控制理论的一个重要分支，它的提出最初用于解决航空航天问题。然而受当时硬件技术与控制理论水平的限制,自适应控制在实际应用中并不很成功，因此也没有得到推广与应用。随着现代控制理论的蓬勃发展，尤其是稳定性理论、最优控制、随机控制、参数估计等一系列研究成果的出现，为自适应控制理论的形成与发展创造了条件。智能控制自二十世纪六十年代产生以来，发展十分迅速，特别是神经网络、模糊数学、专家系统、进化论等各门前沿学科的发展，给智能控制注入了巨大活力。智能控制是一种面向过程的控制，在控制过程中，智能控制具有2个不同于常规控制的本质特点：

（1）学习的功能。智能控制过程或智能控制器不仅是具有从外界获取并存储知识的本领，还能够不断积累经验，吸收好的控制策略，增强对环境的应变能力。

（2）决策的功能。智能控制能够根据己经学习过的样本及外界环境的变化，随时调整控制策略，使得控制过程朝着改善系统动态品质的方向发展。

因此，智能控制实现的是一个归纳系统,学习系统通过与所处环境进行交互，能够随时间改进其性能。智能控制技术作为一种仿人智能的新型控制技术，在对于难以建模、不确定、非线性时变等系统的控制中取得了良好的控制效果。将智能控制技术等方法引入自动舵的控制中，将有可能解决传统自适应控制所难以解决的控制问题。

本论文主要用到模糊自适应控制，模糊自适应控制的基本方法之一是利用模糊规则推理，调节控制器的参数、结构等。如参数自调整模糊控制，相仿于增益调节自适应控制。在这种模糊自适应控制系统中，控制器可采用传统的方式（如PID等），模糊自适应机构根据输入、输出，由控制规则或规则表决定对应的控制器参数的调节量。

本论文主要采用模糊PID实现对船舶航向控制器的设计。控制器由两个部分组成:传统PID控制器、模糊化模块。PID模糊控制重要的任务是找出PID的三个参数 与误差e和误差变化率ec之间的模糊关系，在运行中不断检测e和ec，根据确定的模糊控制规则来对三个参数进行在线调整,满足不同e和ec时对三个参数的不同要求。

对于传统的PID参数整定而言，Ziegle-Nichols阶跃响应是确定PID参数的简单方法，原理是根据纯滞后时间和时间常数来整定控制器的参数。但是该方法仅在纯滞后时间与时间常数之比处于[0,1,1]之间时才适用，对于大的纯滞后需采取专门补偿措施；另外该方法借助于作图来确定特征参数，得到的控制器是使用尚可的或次优的。知名学者Astrom曾提出基于继电反馈的方法，该方法的基本思路是在继电反馈下观测过程的极限环振荡，并由极限环的特征来确定过程的基本性质，然后算出PID调节器的参数。对于模糊PID控制器而言，基于模糊逻辑推理的PID控制器是以控制专家整定PID控制器参数的经验和知识为基础，通过对系统过渡过程模式的在线识别，对PID参数进行自整定。它是在PID算法基础上增加了误差和误差变化率的计算，并将在工艺分析和操作经验基础上总结的专家知识,以启发式语句if(条件)then(结果)的形式组成知识库，经模糊合成推理形成模糊查询表，如果在某一采样时刻观察到响应曲线模式与所期望的模式不同，就根据模式状态变量和，通过实时调整机构在知识库中搜索相应的模糊推理矩阵，并进行参数调整，直到其输出达到期望的响应为止。PID参数的模糊自动调整思想是依据被控对象的响应在采样时刻的误差和误差的变化率两个因素来确定参数调整量的极性和大小的。本质上同时兼顾了被控对象响应的“静态性能”（是高于还是低于给定值）和响应的“动态性能”（是靠近还是偏离给定值）两个因素。其算法过程是利用对应的控制表将控制指标模糊化，然后将它与知识库中的模糊规则进行匹配，就可得到相应的参数调整量，因此有实际控制系统的响应值到模糊控制表的条件的转化过程和其规则的操作值到实际的调整系数的判决过程。

模糊控制器知识库是以模糊规则表的形式建立，数据库中收集了模糊控制器输入的模糊量或清晰量并用模糊逻辑构建推理机制。将模糊控制算法引入PID控制中，即模糊PID控制器，它可以适用于高阶、非线性和时变的被控对象。其基本设计思想是：首先，在传统的PID控制的基础上，根据知识建立模糊控制规则，得到模糊PID控制的形式；然后，把控制器的输入模糊化，对控制输出进行去模糊化，最终得到一个离散的模糊控制器。模糊控制器有传统PID控制器的线性形式和非常数的控制参数。控制一般的过程对象时，这种类型的控制器与传统PID控制器控制效果相似，但对高阶系统的控制效果要比传统PID控制器好，尤其是对于传统PID控制器难以适用的具有非线性的复杂对象。模糊PID控制器对控制器输入矢量进行分区处理，对不同区域的输入采用不同的控制规则，因此能取得较满意的控制效果。作为对传统PID的一种扩展的模糊PID控制器，它把人的经验用模糊规则表示出来，对PID参数进行在线调整，进而打破传统PID适用对象的局限性。

模糊控制也是对人的思维和感知相关现象建模的有效工具，为分析复杂系统 提供了一条有效的途径。模糊控制有许多优点不需要受控对象精确的数学模型， 系统的鲁棒性强，对过程参数的变化不敏感，对系统参数变化的适应性强，在所 有工作点上都能做到较稳定的控制。