一种基于模糊控制算法的无人帆船翼帆控制方法及系统与流程

1.本发明涉及无人帆船控制领域，具体而言，涉及一种基于模糊控制算法的无人帆船翼帆控制方法及系统。

背景技术：

2.随着科学技术的发展，航海技术的应用越来越广，不仅应用于军事、运输、客运等领域，还应用于水上检测、探测、监测等无人作业领域。
3.无人帆船控制技术已经应用于航海技术中，使得无人帆船在航海相关的作业越来越便利，且大幅度的提升了工作效率，降低驾驶人员的疲劳以及对驾驶人员的依赖。然而，现有无人帆船控制技术主要是通过测量风力、风向等相关数据，并根据该数据制定航行方案，以实现无人驾驶。
4.目前，现有无人帆船控制技术虽然一定程度上提高了工作效率，及降低驾驶人员的疲劳，但是，其对风向仪的依赖度比较高，且由于风向及风力的不稳定影响风向仪输出的数据变化频率过高，导致帆船翼帆控制电机容易损害，实际控帆效果较差。因此，有必要提出一种新的无人帆船翼帆控制技术。

技术实现要素：

5.本发明的目的在于提供一种基于模糊控制算法的无人帆船翼帆控制方法，其能够根据风向风速自动控制帆船船翼，从而利用控制船翼驱动帆船，提高无人帆船的控制精度，使无人帆船行驶更稳定并保护无人帆船。
6.本发明的另一目的在于提供一种基于模糊控制算法的无人帆船翼帆控制系统，其能够根据风向风速自动控制帆船船翼，从而利用控制船翼驱动帆船，提高无人帆船的控制效率，使无人帆船行驶更稳定并保护无人帆船。
7.本发明的实施例是这样实现的：
8.第一方面，本技术实施例提供一种基于模糊控制算法的无人帆船翼帆控制方法，其包括如下步骤：
9.s1：通过风速风向仪获取相对风向角，通过角度传感器获取翼帆帆角检测值sail
act
，其中sail
act
的范围为[-90
°
，+90
°
]；
[0010]
s2：根据所述相对风向角获取预设的翼帆帆角目标值sail
tar
，其中sail
tar
的范围为[-90
°
，+90
°
]；
[0011]
s3：根据所述翼帆帆角目标值和所述翼帆帆角检测值计算翼帆帆角偏差值e：
[0012]
e＝sail
tar-sail
act
；
[0013]
s4：计算翼帆帆角偏差变化率ec：
[0014]
ec＝e/δt，其中δt为所述翼帆帆角目标值和所述翼帆帆角检测值的时间差；
[0015]
s5：采用模糊自适应pid控制算法对翼帆帆角进行控制。
[0016]
在本发明的一些实施例中，上述步骤s5中具体包括如下步骤，
[0017]
s5-1：模糊子集的确定：入变量为翼帆偏差e和偏差变化率ec，输出变量为三个参数kp、ki和kd；将输入变量和输出变量都模糊化为7个模糊子集；
[0018]
s5-2：模糊子集的论域及隶属度函数的确定：输入变量e的基本论域[-a,a]，输入变量的模糊集论域为{-n,-n-1,
…
0,
…
n-1,n}，则精确量e的模糊化的量化因子为：k_1＝n/a；输入变量ec和输出变量kp、ki、kd均采用上述公式计算量化因子；
[0019]
s5-3：输入/输出隶属度函数选取：将输入的模糊集论域下的输入变量ec和输出变量kp、ki、kd进行模糊化以形成模糊集合；
[0020]
s5-4：在线调整参数原则：在不同的翼帆帆角偏差e和偏差变化率ec的情况下，在线调整kp、ki和kd；
[0021]
s5-5：解模糊化：模糊数学运算的结果包含n个模糊集，为第i个模糊集合与坐标轴围成面积的平分线对应值，其中i＝1,2,3...n；表示该集合的隶属度，为：
[0022][0023]
s5-6：在线调整pid控制器参数：在解模糊化的基础上，采用mamdani模糊推理法输出精确值，pid控制kp、ki和kd参数在线调整；
[0024]
s5-7：模糊pid控制翼帆帆角输出：经过模糊pid控制最终输出总帆角u(n)。
[0025]
在本发明的一些实施例中，上述步骤s5-3中具体包括如下步骤，变量的模糊化采用三角型隶属函数进行处理，其公式如下：
[0026][0027]
在本发明的一些实施例中，上述步骤s5-4中具体包括如下步骤，根据参数kp整定原则、参数ki整定原则和参数kd整定原则中的任意一项或多项在线调整kp、ki和kd。
[0028]
在本发明的一些实施例中，上述步骤s5-6中具体包括如下步骤，所述模糊自适应pid控制算法包括：
[0029][0030]
式中：u(n)为第n个采样时刻pid调节单元的输出量，即为翼帆帆角控制量；e(n)为第n个采样时刻的输入单元获得实际偏差量；kp、ki和kd分别为比例、积分和微分系数。
[0031]
在本发明的一些实施例中，上述步骤s5-6中具体包括如下步骤，利用如下公式计算kp、ki和kd：
[0032]kp
＝k
′
p
+σ
p
*k
′
p
；
[0033]ki
＝k
′i+σi*k
′i；
[0034]
kd＝k
′d+σd*k
′d；
[0035]
其中，kp’、ki’和kd’分别为pid控制器的控制参数，σp、σi和σd为模糊控制器在线
整定系数。
[0036]
在本发明的一些实施例中，采用滑动窗口滤波算法获取所述相对风向角。
[0037]
第二方面，本技术实施例提供一种基于模糊控制算法的无人帆船翼帆控制系统，其包括风速风向仪、角度传感器、翼帆驱动设备和控制器模块；所述风速风向仪用于获取风速、风向数据；所述角度传感器用于获取翼帆帆角；所述翼帆驱动设备用于控制翼帆帆角；所述控制器模块用于控制所述翼帆驱动设备，其中所述控制器模块连接所述风速风向仪以获取风速、风向数据；所述控制器模块连接所述角度传感器以获取翼帆帆角；其中所述控制器模块具体实现如下步骤：
[0038]
s1：通过所述风速风向仪获取相对风向角，通过所述角度传感器获取翼帆帆角检测值sail
act
，其中sail
act
的范围为[-90
°
，+90
°
]；
[0039]
s2：根据所述相对风向角获取预设的翼帆帆角目标值sail
tar
，其中sail
tar
的范围为[-90
°
，+90
°
]；
[0040]
s3：根据所述翼帆帆角目标值和所述翼帆帆角检测值计算翼帆帆角偏差值e：
[0041]
e＝sail
tar-sail
act
；
[0042]
s4：计算翼帆帆角偏差变化率ec：
[0043]
ec＝e/δt，其中δt为所述翼帆帆角目标值和所述翼帆帆角检测值的时间差；
[0044]
s5：采用模糊自适应pid控制算法对翼帆帆角进行控制。
[0045]
在本发明的一些实施例中，上述一种基于模糊控制算法的无人帆船翼帆控制系统还包括gps定位模块和电罗经，所述gps定位模块用于获取无人帆船位置的经纬度数据；所述电罗经用于获取船舶航向；所述pid控制器分别连接所述gps定位模块和所述电罗经，从而所述风速风向仪根据所述经纬度数据和所述船舶航向获取所述相对风向角。
[0046]
在本发明的一些实施例中，上述pid控制器为x86架构或arm架构嵌入式设备。
[0047]
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
[0048]
针对第一方面～第二方面：本技术一种基于模糊控制算法的无人帆船翼帆控制方法及系统，通过风速风向仪获取实时的相对风向角，并通过角度传感器获取实时检测的翼帆帆角，从而根据风向角获取预设的翼帆帆角目标值对翼帆帆角进行调整；具体利用目标值和翼帆帆角检测值的差值计算偏差变化率，从而利用模糊自适应pid控制算法对翼帆帆角进行控制，从而以误差e和误差变化率ec作为输入，利用模糊规则对pid控制器的参数kp、ki、和kd进行自适应整定，使被控对象保持在良好的动、静态稳定状态，使无人帆船的控制更加灵活稳定。本技术能够降低翼帆控制频率，减小控制频率过高对驱动电机及机械结构的影响；并且提高翼帆控制精度，采用模糊控制算法提高翼帆的控制精度，降低风向敏感度，提高翼帆角度的稳定性。
附图说明
[0049]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0050]
图1为本发明实施例1基于模糊控制算法的无人帆船翼帆控制方法的流程示意图；
[0051]
图2为本发明实施例1三角型隶属函数处理的流程示意图；
[0052]
图3为本发明实施例2基于模糊控制算法的无人帆船翼帆控制系统的原理示意图；
[0053]
图4为本发明实施例2基于模糊控制算法的无人帆船翼帆控制系统的流程示意图。
具体实施方式
[0054]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
[0055]
因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0056]
在本技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
[0057]
下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
[0058]
实施例1
[0059]
请参阅图1～图2，图1～图2所示为本技术实施例提供的基于模糊控制算法的无人帆船翼帆控制方法的流程示意图。基于模糊控制算法的无人帆船翼帆控制方法，其包括如下步骤：s1：通过风速风向仪获取相对风向角，通过角度传感器获取翼帆帆角检测值sail
act
，其中sail
act
的范围为[-90
°
，+90
°
]；s2：根据所述相对风向角获取预设的翼帆帆角目标值sail
tar
，其中sail
tar
的范围为[-90
°
，+90
°
]；s3：根据所述翼帆帆角目标值和所述翼帆帆角检测值计算翼帆帆角偏差值e：e＝sail
tar-sail
act
；s4：计算翼帆帆角偏差变化率ec：ec＝e/δt，其中δt为所述翼帆帆角目标值和所述翼帆帆角检测值的时间差；s5：采用模糊自适应pid控制算法对翼帆帆角进行控制。
[0060]
模糊自适应pid算法主要是由模糊控制器和pid控制器结合而成，模糊控制器以误差e和误差变化率ec作为输入，利用模糊规则对pid控制器的参数kp、ki、和kd进行自适应整定，使被控对象保持在良好的动、静态稳定状态。
[0061]
本技术通过风速风向仪获取实时的相对风向角，并通过角度传感器获取实时检测的翼帆帆角，从而根据风向角获取预设的翼帆帆角目标值对翼帆帆角进行调整；具体利用目标值和翼帆帆角检测值的差值计算偏差变化率，从而利用模糊自适应pid控制算法对翼帆帆角进行控制，从而以误差e和误差变化率ec作为输入，利用模糊规则对pid控制器的参数kp、ki、和kd进行自适应整定，使被控对象保持在良好的动、静态稳定状态，使无人帆船的控制更加灵活稳定。本技术能够降低翼帆控制频率，减小控制频率过高对驱动电机及机械结构的影响；并且提高翼帆控制精度，采用模糊控制算法提高翼帆的控制精度，降低风向敏
感度，提高翼帆角度的稳定性。
[0062]
上述步骤s2中，根据相对风向角获取预设的翼帆帆角目标值sail
tar
，可以参考如下表1相对风向与帆角关系对应表：
[0063]
序号相对风向角翼帆帆角1[-30
°
，+30
°
]02[+30
°
，+60
°
]-15
°
3[+60
°
，+90
°
]-30
°
4[+90
°
，+135
°
]-60
°
5[+135
°
，+180
°
]-90
°
6[-30
°
，-60
°
]+15
°
7[-60
°
，-90
°
]+30
°
8[-90
°
，-135
°
]+60
°
9[-135
°
，-180
°
]+90
°
[0064]
表1
[0065]
在本发明的一些实施例中，上述步骤s5中具体包括如下步骤，s5-1：模糊子集的确定：入变量为翼帆偏差e和偏差变化率ec，输出变量为三个参数kp、ki和kd；将输入变量和输出变量都模糊化为7个模糊子集；s5-2：模糊子集的论域及隶属度函数的确定：输入变量e的基本论域[-a,a]，输入变量的模糊集论域为{-n,-n-1,
…
0,
…
n-1,n}，则精确量e的模糊化的量化因子为：k_1＝n/a；输入变量ec和输出变量kp、ki、kd均采用上述公式计算量化因子；s5-3：输入/输出隶属度函数选取：将输入的模糊集论域下的输入变量ec和输出变量kp、ki、kd进行模糊化以形成模糊集合；s5-4：在线调整参数原则：在不同的翼帆帆角偏差e和偏差变化率ec的情况下，在线调整kp、ki和kd；s5-5：解模糊化：模糊数学运算的结果包含n个模糊集，为第i个模糊集合与坐标轴围成面积的平分线对应值，其中i＝1,2,3...n；表示该集合的隶属度，从而采用面积平均法解模糊化所得的精确值的计算公式为：
[0066][0067]
s5-6：在线调整pid控制器参数：在解模糊化的基础上，采用mamdani模糊推理法输出精确值，pid控制kp、ki和kd参数在线调整；s5-7：模糊pid控制翼帆帆角输出：经过模糊pid控制最终输出总帆角u(n)。
[0068]
模糊自适应pid控制算法包括pid控制器和模糊控制器，pid控制器(比例-积分-微分控制器)，由比例单元(p)、积分单元(i)和微分单元(d)组成。透过kp，ki和kd三个参数的设定。pid控制器主要适用于基本上线性，且动态特性不随时间变化的系统。模糊自适应pid控制算法主要包括四个步骤：输入模糊化、模糊推理、模糊判决和pid控制器，其中模糊判决直接输出。由于输出变量的论域与模糊控制器的输入输出论域不同，两者之间需要用到量化因子。因此通过步骤s5-2定义的量化因子，能够实现各变量在模糊集论域和基本论域之间的相互转化。
[0069]
在本发明的一些实施例中，上述步骤s5-3中具体包括如下步骤，变量的模糊化采用三角型隶属函数进行处理，其公式如下：
[0070][0071]
其中，变量的模糊化处理主要取决于各变量的隶属度函数的选择，主要采用三角型隶属函数进行归一化处理，使得速度变化频率更稳定。
[0072]
在本发明的一些实施例中，上述步骤s5-4中具体包括如下步骤，根据参数kp整定原则、参数ki整定原则和参数kd整定原则中的任意一项或多项在线调整kp、ki和kd。
[0073]
参数kp整定原则：当实际值和目标值的相差很大时，增大kp的取值，以使系统能更快的调节到期望值；当实际值和目标值相差不大时，为使系统不至于太过震荡，减小kp的取值使系统的超调量减小。表2为kp的模糊规则表：
[0074][0075]
表2
[0076]
上图中各项数据依据如下输入变量和输出变量均模糊化后的模糊子集中所表示。
[0077]
参数ki整定原则：当实际值和目标值相差很大时，通常不应该加入积分作用，取ki值为0，避免误差累积使系统超调，当实际值快接近目标值时，可以适当的加入积分作用，ki值增大。表2为ki的模糊规则表：
[0078][0079]
表3
[0080]
参数kd整定原则：当实际值和预期值相差较大时，kd的值应减小，避免微分过饱和，当实际值和目标值相差很小时，系统适当加入微分作用，可以获得好的稳定性，kd取值
应增大。表3为kd的模糊规则表：
[0081][0082]
表4
[0083]
在本发明的一些实施例中，上述步骤s5-6中具体包括如下步骤，所述模糊自适应pid控制算法包括：
[0084][0085]
式中：u(n)为第n个采样时刻pid调节单元的输出量，即为翼帆帆角控制量；e(n)为第n个采样时刻的输入单元获得实际偏差量；kp、ki和kd分别为比例、积分和微分系数。
[0086]
在本发明的一些实施例中，上述步骤s5-6中具体包括如下步骤，利用如下公式计算kp、ki和kd：
[0087]kp
＝k
′
p
+σ
p
*k
′
p
；
[0088]ki
＝k
′i+σi*k
′i；
[0089]
kd＝k
′d+σd*k
′d；
[0090]
其中，kp’、ki’和kd’分别为pid控制器的控制参数，σp、σi和σd为模糊控制器在线整定系数。
[0091]
在本发明的一些实施例中，上述步骤s1中具体包括如下步骤，采用滑动窗口滤波算法获取所述相对风向角。
[0092]
采用滑动窗口滤波算法处理相对风向角，对风速风向仪获取的相对风速数据进行处理，对周期性干扰有良好的抑制作用，平滑度高，适用于高频振荡的系统。由于海上风向变化和帆船航向的不断变化，造成帆船的相对风向变化剧烈、变化频率高，因此通过增加滑动窗口滤波算法，对其变化幅度进行一定限制，间接降低相对风向的频率，使无人帆船速度变化的控制频率降低，提高了无人帆船行驶的安全性。具体包括如下步骤，所述风速风向仪的数据获取频率为10hz，以2秒为一个周期，获取20个相对风向并取平均值，每当有一个新数据获取，则去掉第一个数据，增加新数据，累计20个数据，然后取平均值，将平均值作为所述相对风向角。
[0093]
实施例2
[0094]
请参阅图3～图4，图3～图4为本技术实施例提供的基于模糊控制算法的无人帆船翼帆控制系统的一种原理示意图。基于模糊控制算法的无人帆船翼帆控制系统，其包括风速风向仪、角度传感器、翼帆驱动设备和控制器模块；所述风速风向仪用于获取风速、风向
数据；所述角度传感器用于获取翼帆帆角；所述翼帆驱动设备用于控制翼帆帆角；所述控制器模块用于控制所述翼帆驱动设备，其中所述控制器模块连接所述风速风向仪以获取风速、风向数据；所述控制器模块连接所述角度传感器以获取翼帆帆角；其中所述控制器模块具体实现如下步骤：s1：通过所述风速风向仪获取相对风向角，通过所述角度传感器获取翼帆帆角检测值sail
act
，其中sail
act
的范围为[-90
°
，+90
°
]；s2：根据所述相对风向角获取预设的翼帆帆角目标值sail
tar
，其中sail
tar
的范围为[-90
°
，+90
°
]；s3：根据所述翼帆帆角目标值和所述翼帆帆角检测值计算翼帆帆角偏差值e：e＝sail
tar-sail
act
；s4：计算翼帆帆角偏差变化率ec：ec＝e/δt，其中δt为所述翼帆帆角目标值和所述翼帆帆角检测值的时间差；s5：采用模糊自适应pid控制算法对翼帆帆角进行控制。
[0095]
在本发明的一些实施例中，上述一种基于模糊控制算法的无人帆船翼帆控制系统还包括gps定位模块和电罗经，所述gps定位模块用于获取无人帆船位置的经纬度数据；所述电罗经用于获取船舶航向；所述pid控制器分别连接所述gps定位模块和所述电罗经，从而所述风速风向仪根据所述经纬度数据和所述船舶航向获取所述相对风向角。
[0096]
在本发明的一些实施例中，上述pid控制器为x86架构或arm架构嵌入式设备。
[0097]
翼帆用于为帆船提供动力，翼帆驱动设备可以包括减速电机和电机驱动器。其中电机驱动器用于驱动减速电机，减速电机与翼帆机械连接以驱动翼帆。上述减速电机和电机驱动器均为翼帆驱动常规技术，在此不必具体描述。其中控制器模块包括pid控制器和模糊控制器。上述内容与实施例1的原理相同，在此不做重复描述。
[0098]
可以理解，图3～图4所示的结构仅为示意，基于模糊控制算法的无人帆船翼帆控制系统还可包括比图3～图4中所示更多或者更少的组件，或者具有与图3～图4所示不同的配置。图3～图4中所示的各组件可以采用硬件、软件或其组合实现。
[0099]
实施例3
[0100]
本技术实施例提供的电子设备，电子设备包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，如本技术实施例2所提供的基于模糊控制算法的无人帆船翼帆控制系统对应的程序指令/模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
[0101]
其中，存储器101可以是但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等。
[0102]
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0103]
在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0104]
另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0105]
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0106]
综上所述，本技术实施例提供的一种基于模糊控制算法的无人帆船翼帆控制方法及系统：通过风速风向仪获取实时的相对风向角，并通过角度传感器获取实时检测的翼帆帆角，从而根据风向角获取预设的翼帆帆角目标值对翼帆帆角进行调整；具体利用目标值和翼帆帆角检测值的差值计算偏差变化率，从而利用模糊自适应pid控制算法对翼帆帆角进行控制，从而以误差e和误差变化率ec作为输入，利用模糊规则对pid控制器的参数kp、ki、和kd进行自适应整定，使被控对象保持在良好的动、静态稳定状态，使无人帆船的控制更加灵活稳定。本技术能够降低翼帆控制频率，减小控制频率过高对驱动电机及机械结构的影响；并且提高翼帆控制精度，采用模糊控制算法提高翼帆的控制精度，降低风向敏感度，提高翼帆角度的稳定性。
[0107]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
[0108]
对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其它的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

技术特征：

1.一种基于模糊控制算法的无人帆船翼帆控制方法，其特征在于，包括如下步骤：s1：通过风速风向仪获取相对风向角，通过角度传感器获取翼帆帆角检测值sail
act
，其中sail
act
的范围为[-90
°
，+90
°
]；s2：根据所述相对风向角获取预设的翼帆帆角目标值sail
tar
，其中sail
tar
的范围为[-90
°
，+90
°
]；s3：根据所述翼帆帆角目标值和所述翼帆帆角检测值计算翼帆帆角偏差值e＝sail
tar-sail
act
；s4：计算翼帆帆角偏差变化率ec＝e/δt，其中δt为所述翼帆帆角目标值和所述翼帆帆角检测值的时间差；s5：采用模糊自适应pid控制算法对翼帆帆角进行控制。2.如权利要求1所述的一种基于模糊控制算法的无人帆船翼帆控制方法，其特征在于，步骤s5中具体包括如下步骤，s5-1：模糊子集的确定：入变量为翼帆偏差e和偏差变化率ec，输出变量为三个参数kp、ki和kd；将输入变量和输出变量都模糊化为7个模糊子集；s5-2：模糊子集的论域及隶属度函数的确定：输入变量e的基本论域[-a，a]，输入变量的模糊集论域为{-n，-n-1，
…
0，
…
n-1，n}，则精确量e的模糊化的量化因子为：k_1＝n/a；输入变量ec和输出变量kp、ki、kd均采用公式k_1＝n/a计算量化因子；s5-3：输入/输出隶属度函数选取：将输入的模糊集论域下的输入变量ec和输出变量kp、ki、kd进行模糊化以形成模糊集合；s5-4：在线调整参数原则：在不同的翼帆帆角偏差e和偏差变化率ec的情况下，在线调整kp、ki和kd；s5-5：解模糊化：模糊数学运算的结果包含n个模糊集，为第i个模糊集合与坐标轴围成面积的平分线对应值，表示该集合的隶属度，精确值的计算公式为：解模糊化：模糊数学运算的结果包含n个模糊集，则为第i个模糊集合与坐标轴围成面积的平分线对应值，表示该集合的隶属度，采用面积平均法解模糊化所得的精确值为：其中i＝1，2，3...n；其中i＝1，2，3...n；s5-6：在线调整pid控制器参数：在解模糊化的基础上，采用mamdani模糊推理法输出精确值，pid控制kp、ki和kd参数在线调整；s5-7：模糊pid控制翼帆帆角输出：经过模糊pid控制最终输出总帆角u(n)。3.如权利要求1所述的一种基于模糊控制算法的无人帆船翼帆控制方法，其特征在于，步骤s5-3中具体包括如下步骤，变量的模糊化采用三角型隶属函数进行处理，其公式如下：
4.如权利要求1所述的一种基于模糊控制算法的无人帆船翼帆控制方法，其特征在于，步骤s5-4中具体包括如下步骤，根据参数kp整定原则、参数ki整定原则和参数kd整定原则中的任意一项或多项在线调整kp、ki和kd。5.如权利要求1所述的一种基于模糊控制算法的无人帆船翼帆控制方法，其特征在于，步骤s5-6中具体包括如下步骤，所述模糊自适应pid控制算法包括：式中，u(n)为第n个采样时刻pid调节单元的输出量，即为翼帆帆角控制量；e(n)为第n个采样时刻的输入单元获得实际偏差量；kp、ki和kd分别为比例、积分和微分系数。6.如权利要求5所述的一种基于模糊控制算法的无人帆船翼帆控制方法，其特征在于，步骤s5-6中具体包括如下步骤，利用如下公式计算kp、ki和kd：k
p
＝k
′
p
+σ
p
*k
′
p
；k
i
＝k
′
i
+σ
i
*k
′
i
；k
d
＝k
′
d
+σ
d
*k
′
d
；其中，kp’、ki’和kd’分别为pid控制器的控制参数，σp、σi和σd为模糊控制器在线整定系数。7.如权利要求1所述的一种基于模糊控制算法的无人帆船翼帆控制方法，其特征在于，步骤s1中具体包括如下步骤，采用滑动窗口滤波算法获取所述相对风向角。8.一种基于模糊控制算法的无人帆船翼帆控制系统，其特征在于，包括风速风向仪、角度传感器、翼帆驱动设备和控制器模块；所述风速风向仪用于获取风速、风向数据；所述角度传感器用于获取翼帆帆角；所述翼帆驱动设备用于控制翼帆帆角；所述控制器模块用于控制所述翼帆驱动设备，其中所述控制器模块连接所述风速风向仪以获取风速、风向数据；所述控制器模块连接所述角度传感器以获取翼帆帆角；其中所述控制器模块具体实现如下步骤：s1：通过所述风速风向仪获取相对风向角，通过所述角度传感器获取翼帆帆角检测值sail
act
，其中sail
act
的范围为[-90
°
，+90
°
]；s2：根据所述相对风向角获取预设的翼帆帆角目标值sail
tar
，其中sail
tar
的范围为[-90
°
，+90
°
]；s3：根据所述翼帆帆角目标值和所述翼帆帆角检测值计算翼帆帆角偏差值e＝sail
tar-sail
act
；s4：计算翼帆帆角偏差变化率ec＝e/δt，其中δt为所述翼帆帆角目标值和所述翼帆帆角检测值的时间差；s5：采用模糊自适应pid控制算法对翼帆帆角进行控制。9.基于权利要求8所述的一种基于模糊控制算法的无人帆船翼帆控制系统，还包括gps
定位模块和电罗经，所述gps定位模块用于获取无人帆船位置的经纬度数据；所述电罗经用于获取船舶航向；所述pid控制器分别连接所述gps定位模块和所述电罗经，从而所述风速风向仪根据所述经纬度数据和所述船舶航向获取所述相对风向角。10.基于权利要求8所述的一种基于模糊控制算法的无人帆船翼帆控制系统，所述pid控制器为x86架构或arm架构嵌入式设备。

技术总结

本发明提出了一种基于模糊控制算法的无人帆船翼帆控制方法及系统，涉及无人帆船控制领域。风速风向仪获取相对风向角，角度传感器获取翼帆帆角检测值Sail

技术研发人员：

胡井侠

受保护的技术使用者：

东翼长启科技（重庆）有限公司

技术研发日：

2022.09.28

技术公布日：

2023/3/3