基于LSTM深度神经网络的自动移船预测控制.doc

基于LSTM深度神经网络的自动移船预测控制


该论文来源于网络，本站转载的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息，如果需要分享，请保留本段说明。
　　摘 要：针对铺排船施工要求能够满足顺水、逆水、垂直水流，甚至与水流方向成任意角度的铺设工艺，控制策略满足顺水铺排工艺有时难以保证垂直水流铺排工艺，导致时常出现航迹误差较大，影响铺排精度的问题，本文提出基于LSTM深度神经网络的预测控制方法来实现铺排船的自动移船控制。论文设计了LSTM模型结构和输入输出数据组成，采集了铺排船作业的历史数据，经预处理后对LSTM模型进行训练，采用训练后的LSTM模型构建自动移船预测控制系统，应用于长雁2号和22号铺排船。实际铺排施工作业航迹航向数据显示，本文提出的LSTM预测控制算法是有效的。
　　关键词：铺排船;自动移船;LSTM深度神经网络;预测控制
　　1引言
　　为了解决RNN模型训练梯度消失和梯度爆炸的问题，在RNN的基础上，发展了一种长短时记忆神经网络（Long Short Term Memory Network，简称LSTM），它是一种时间递归神经网络，该神经网络具有特殊的结构设计，可以有效保留历史信息，灵活适应网络学习任务的特征。LSTM网络已经成为当前应用最为广泛的一种循环神经网络（Recurrent neural network，RNN）模型，在众多预测任务如语音识别、文字预测、舰船姿态预测等前沿领域中成功应用[1-4]。
　　长江航道铺排船是一种长江航道整治对现有堤坝进行护堤、护坡、护底作业的普遍使用的工程船舶，由于其無自航能力，施工作业的时候移船和铺排主要靠控制锚绞车收放锚绳来实现。因此，铺排自动作业的控制包含了锚绞车恒张力控制、船舶姿态控制和卷筒与移船船速的协调控制等，在控制策略上重庆航道工程局与武汉理工大学自动化学院长期校企合作，从常规的PID控制、超前-滞后控制到智能控制中的模糊PID控制、专家控制、遗传算法和粒子群优化算法等不断研发并应用于铺排船控制系统，满足了铺排船从6锚到8锚，从22米卷筒到40米卷筒等的船舶结构变化[5-8]，达到了铺排船自动铺排作业的精度要求。随着内河航道治理工程要求越来越高，作业水域越来越多样，作业方式也从只在江河流域中间或者沿边缘顺水流地段铺设软体排，发展到要求能够满足顺水、逆水、垂直水流，甚至与水流方向成任意角度的铺设工艺。多次作业发现满足顺水铺排时的控制策略有时就难以满足垂直水流铺排工艺要求，导致铺排船的航迹和航向偏差增大，铺排精度难以满足施工作业要求。本文尝试将LSTM神经网络的预测能力应用于自动铺排控制，经实船作业航向和航迹的数据显示，获得较好的铺排效果。
　　2基于LSTM的自动移船预测控制设计
　　 控制系统设计
　　铺排船作业综合自动化系统应用了多种先进技术，包括高精度的动态实时DGPS定位技术、分布式PLC控制系统、现场总线技术、多传感器信息融合技术、智能控制技术、可视化用户软件的开发技术等。通过自动化系统的测量系统、PLC控制网络和上位自动监控软件在基本无人干预的情况下，可以实现自动完成软体排铺设作业，同时可绘出铺排完工图纸、操作日志报表、报警历史报表等工程资料。自动移船铺排的控制系统的结构框图如图1所示，其中发挥核心作用的是智能控制器。操作人员根据施工工程的要求编制施工计划（预定工作线），自动化系统通过多源传感器系统检测铺排船各类信息，经监控主机融合处理后形成铺排船当前的船位、船姿、速度、航向、施工区域水下地形等实时多源信息，智能控制器则根据当前信息与施工计划的偏差作为合理的控制输出量，经PLC（可编程序控制器）控制网络送液压机构执行动作，协调控制船艏、舯、艉多台移船绞车、铺排卷筒机构动作，自动完成一个铺排周期。图1中控制器的输入量——航迹偏差是根据计划的航迹线与GPS定位系统的测量值估算而得。
　　原有的智能控制算法，包含基于模糊逻辑的PID控制器、专家控制等，在任意铺设角度和水流的影响下，软体排的实际着（河）床位置与估算值之间可能存在较大的偏差，由此得到的多绞车协调控制指令的移船效果就无法保证铺设搭接精度的要求。基于LSTM的预测模型可以实现下一个时刻或者多个时刻的航向航迹偏差，提前控制收放锚缆速度，实现顺水、逆水、垂直水流等施工方式的船舶姿态的迅速调整，从而达到期望的航向和航迹偏差范围。
　　 基于LSTM的预测控制器设计
　　自动铺排作业过程中，核心是控制各移船锚绞车的收放缆速度，而各移船锚绞车收放缆速度的集合构成一连串