一种恶劣海况下基于模型预测控制的船舶航行控制方法

1.本发明属于水面船舶在恶劣海况下的控制技术，具体而言，尤其涉及一种恶劣海况下基于模型预测控制的船舶航行控制方法，属于恶劣海况下的水面船舶运输技术领域。


背景技术：

2.水面船舶在恶劣海况下航行时，往往受到大风浪的干扰影响船舶安全，当船舶横向受浪时可能造成较大的横摇或谐摇，造成船舶横倾角过大，严重时可能导致船舶倾覆。顶浪时，遭遇周期变短，遭遇频率变高，巨浪的冲击可能会造成拍底、甲板上浪和螺旋桨空转而损坏船体、设备和螺旋桨等。顺浪时，遭遇周期变长，遭遇频率变低，巨浪的作用还可能产生打横、稳性降低、横摇谐振而使船舶处于危险境地。因此，对船舶在大洋中恶劣天气条件下的自动导航方法进行研究有着重要意义。
3.目前已有一些可行的研究方法，如专利cn202210142113.x公开了一种基于滑模事件触发的船舶航向保持控制器及设计方法，方法包括以下步骤：建立船舶的非线性模型；根据设定的船舶期望航向定义航向误差，并设计虚拟控制器以镇定航向误差；计算船舶转艏速率与虚拟控制器存在的误差，并构造比例积分滑模面以镇定船舶转艏速率与虚拟控制器存在的误差；引入事件触发机制，当控制命令不满足触发条件时，保持现有控制命令，当满足触发条件时，执行新的控制命令；根据比例积分滑模面和事件触发机制获得航向保持控制律，船舶航行保持系统根据航向保持控制律进行船舶航向保持控制。专利cn201810723646.0涉及一种基于模型预测控制的欠驱动水面船轨迹跟踪控制方法，能够在满足欠驱动系统输入和状态约束的基础上根据给定的性能指标得到保证系统稳定的优化跟踪性能，包括以下步骤：1)将轨迹跟踪误差模型投影到体坐标系下，利用lyapunov直接法和反步法设计使得跟踪误差渐近收敛的控制律并结合系统约束求取终端不变集；2)获取当前时刻系统状态，构建有限时域包含终端约束的mpc约束优化问题；3)求解mpc约束优化问题，获取当前时刻预测的最优控制序列，将第一个最优控制作用于系统；4)新采样时刻获取新的系统状态并更新mpc约束优化问题，滚动迭代直到跟踪控制过程结束。
4.当前船舶在恶劣海况中的研究方法主要包括航向保持和航迹保持，这些方法有利于提高船舶在大风浪中对航向或航迹的跟踪控制精度，但未减轻船舶的摇摆程度，缓解波浪的冲击，大风浪仍然会给船舶带来危险，严重时会造成船体断裂或倾覆。


技术实现要素：

5.根据现有的研究方法未减轻船舶的摇摆程度，缓解波浪的冲击，大风浪仍然会给船舶带来危险，严重时会造成船体断裂或倾覆的技术问题，本发明采用的技术手段如下：一种恶劣海况下基于模型预测控制的船舶航行控制方法，包括如下步骤：
6.s1、构建恶劣海况下水面船舶的连续型运动学模型；
7.s2、基于期望轨迹，对连续型运动学模型进行离散化，得到离散型船舶运动模型；
8.s3、基于离散型船舶运动模型，对船舶的未来运动状态进行预测，得到船舶的未来
运动状态结果；
9.s4、根据船舶的未来运动状态结果设计用于量化船舶未来运动状态与期望状态之间的偏差的代价函数；
10.s5、根据约束条件对船舶的控制输入进行限制，求解最优控制变量，对离散型船舶运动模型进行控制；
11.s6、根据波浪数据及船舶姿态信息，调整设定船舶受浪角；
12.s7、利用时间和事件双重触发机制控制船舶的转向时机，实现船舶沿“z”字形轨迹航行。
13.进一步地，所述对于恶劣海况下存在海浪干扰的船舶运动的连续型数学模型具体为：
[0014][0015]
其中，x
(3)
＝[v r ψ]
t
是船舶运动数学模型的状态变量；u
(3)
＝δ是船舶运动数学模型的控制输入；v，r，ψ和δ表示横漂速度，艏摇角速度，艏向角和舵角。w
(3)
是海浪干扰；a
(3)
和b
(3)
是船舶运动数学模型的参数矩阵，具体为：
[0016][0017]
其中，
[0018][0019]
其中，m
′
船舶质量的无量纲值；x
′c船舶中心到重心距离的无量纲值；l是船长；v是航速；i
′
zz
是惯性矩的无量纲值；yv′
,yr′
,nv′
,nr′
,yd′
,nd′
是流体动力导数，其回归公式如下：
[0020][0021]
其中，b为船宽；t为吃水；cb是方形系数；a
δ
代表舵舵叶面积。
[0022]
进一步地，所述步骤s2中，基于期望轨迹，对连续型运动学模型进行离散化，得到
离散型船舶运动模型过程如下：
[0023]
s21、考虑一个时变参考轨迹，如下：
[0024][0025]
其中，xr是船舶运动状态参考值；ur是船舶运动控制输入参考值；
[0026]
s22、在任意点(xr,ur)处对参考轨迹进行泰勒展开，保留到一阶，求得动态跟踪误差如下：
[0027][0028]
其中，x＝x
(3)-xr代表动态跟踪的状态误差；u＝u
(3)-ur为动态跟踪模型的输入误差；是动态跟踪误差模型的参数矩阵；
[0029]
s23、按一个等采样周期t对动态跟踪误差进行离散化处理结果为：
[0030]
x(k+1)＝ax(k)+bu(k)+tw(k) (7)
[0031]
其中，x(k)是k时刻离散系统的状态；u(k)是k时刻离散系统的输入；w(k)是k时刻海浪干扰；t是采样时间；是船舶运动数学模型离散系统的参数矩阵。
[0032]
进一步地，所述基于离散型船舶运动模型，对船舶的未来运动状态进行预测的过程，得到船舶的未来运动状态结果如下：
[0033]
由于干扰是不确定的，因此在不考虑干扰的影响预测结果如下：
[0034]
x(k)＝fx(k)+φu(k) (9)
[0035][0036][0037]
其中n为预测时域；x(n|k)和u(n|k)表示k时刻后第n步的状态和控制输入；x(k)和u(k)是预测时域内的状态和控制输入；f和φ是预测矩阵的参数。
[0038]
进一步地，所述根据船舶的未来运动状态结果设计用于量化船舶未来运动状态与期望状态之间的偏差的代价函数的如下：
[0039]
[0040][0041]
把式(9)带入式(12)得到如下结果：
[0042]
j(k)＝x
t
(k)f
t
qcfx(k)+2x
t
(k)f
t
qcφu(k)+u
t
(k)(φ
t
qcφ+rc)u(k)
ꢀꢀꢀꢀꢀ
(14)
[0043]
其中，j(k)是代价函数；q和r为权重；qc和rc为权重矩阵。
[0044]
进一步地，所述根据约束条件对控制输入进行限制，求解最优的控制变量，对离散化的模型进行控制设计如下：
[0045]
s51：对控制输入进行限制，约束条件如下：
[0046]-u
max
≤u(k)≤u
max
ꢀꢀꢀꢀꢀꢀ
(15)
[0047]
其中，u
max
是确保船舶安全的最大舵角；
[0048]
s52：通过求极值解出最优控制序列，结果如下：
[0049]u*
(k)＝-(φ
t
qcφ+rc)-1
φ
t
qcfx(k)
ꢀꢀꢀꢀꢀꢀ
(16)
[0050]
其中，u
*
(k)为最优控制序列；
[0051]
s53：用最优控制输入序列的第一个元素对离散型船舶运动模型进行控制，随后，重复步骤s4、s5及s6的过程，第一个控制元素如下：
[0052][0053]
其中，u
*
(k)为最优控制序列中第一个控制元素；i为单位矩阵。
[0054]
进一步地，所述根据波浪数据及船舶姿态信息，调整设定船舶受浪角包括：
[0055]
所述船舶受浪角的调整范围为10
°
至30
°
。
[0056]
进一步地，所述时间和事件双重触发机制控制转向时机，形成自动触发转向命令的条件包括：
[0057]
第一、当船舶偏离计划航线的距离超过设定值时，自动触发转向命令；
[0058]
第二、当船舶航行时间达到设定值时，也自动触发转向命令，通过周期性的转向，实现船舶沿“z”字形轨迹航行。
[0059]
技术相比，本发明具有以下优点：本发明通过调整船舶的受浪角，使船舶在恶劣海况下通过沿“z”字形轨迹航行减少波浪对船舶的撞击，保持船舶安全稳定的航行。利用时间和事件双重触发机制避离航行危险区域，通过舵角约束避免恶劣海况转向过程大角度操舵诱发倾覆事故。因此，该方法避免船舶在大风浪中发生危险，减轻船舶的摇摆程度，缓解波浪的冲击，以待海况好转或采取积极手段，尽早驶离大风浪海区。
[0060]
该控制策略的优点在于能够缓解恶劣海况下波浪对船体的冲击；自动设置偏航距离，避离航行危险区域；通过舵角限制，避免船舶大幅度转向诱发倾覆事故，进一步提高了航行安全性和可靠性。
[0061]
1、本发明大风浪天气自主实现“z”字航法，缓解恶劣海况下波浪对船体的冲击；
[0062]
2、本发明利用时间和事件双重触发机制控制转向时机，自动设置偏航距离，避离航行危险区域；
[0063]
3、本发明通过舵角限制，避免船舶大幅度转向诱发倾覆事故，进一步提高了航行安全性和可靠性；
[0064]
基于上述理由本发明可在恶劣海况下水面船舶运动控制等领域广泛推广。
附图说明
[0065]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0066]
图1为本发明方法流程图；
[0067]
图2为本发明工作原理示意图；
[0068]
图3(a)船舶运动三维轨迹图，(b)为本发明实例中船舶运动二维轨迹图；
[0069]
图4为本发明实例控制输入变化曲线图；
[0070]
图5为本发明实例控制输出变化曲线图。
具体实施方式
[0071]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0072]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0073]
一种恶劣海况下基于模型预测控制的船舶航行控制方法，包括如下步骤：
[0074]
s1、构建恶劣海况下水面船舶的连续型运动学模型；
[0075]
s2、基于期望轨迹，对连续型运动学模型进行离散化，得到离散型船舶运动模型；
[0076]
s3、基于离散型船舶运动模型，对船舶的未来运动状态进行预测，得到船舶的未来运动状态结果；
[0077]
s4、根据船舶的未来运动状态结果设计用于量化船舶未来运动状态与期望状态之间的偏差的代价函数；
[0078]
s5、根据约束条件对船舶的控制输入进行限制，求解最优控制变量，对离散型船舶运动模型进行控制；
[0079]
s6、根据波浪数据及船舶姿态信息，调整设定船舶受浪角；
[0080]
s7、利用时间和事件双重触发机制控制船舶的转向时机，实现船舶沿“z”字形轨迹
航行。
[0081]
所述步骤s1/s2/s3/s4/s5/s6/s7顺序执行；
[0082]
进一步地，所述步骤s1中，对于恶劣海况下存在海浪干扰的船舶运动数学模型具体为：
[0083][0084]
其中，x
(3)
＝[v r ψ]
t
是系统的状态，u
(3)
＝δ是系统的输入，a
(3)
、b
(3)
是系统矩阵，w
(3)
是海浪干扰，v、r、ψ、δ表示横漂速度、艏摇角速度、艏向角和舵角，艏向角和舵角。w
(3)
是海浪干扰；a
(3)
和b
(3)
是船舶运动数学模型的参数矩阵，具体为：
[0085][0086]
其中，
[0087][0088]
其中，m
′
船舶质量的无量纲值；x
′c船舶中心到重心距离的无量纲值；l是船长；v是航速；iz′z是惯性矩的无量纲值；yv′
,yr′
,nv′
,nr′
,yd′
,nd′
是流体动力导数，其回归公式如下：
[0089][0090]
其中，b为船宽；t为吃水；cb是方形系数；a
δ
代表舵舵叶面积。
[0091]
具体实施时，作为本发明优选的实施方式，所述步骤s2中，基于期望轨迹，对模型进行离散化处理的过程如下：
[0092]
s21、考虑一个时变参考轨迹，如下：
[0093][0094]
其中，xr是系统的状态参考值，ur是系统的输入参考值；
[0095]
s22、在任意点(xr,ur)处对参考轨迹进行泰勒展开，保留到一阶，求得动态跟踪误
差如下：
[0096][0097]
其中，x＝x
(3)-xr代表动态跟踪的状态误差；u＝u
(3)-ur为动态跟踪模型的输入误差；是动态跟踪误差模型的参数矩阵；
[0098]
s23、按一个等采样周期t对动态跟踪误差进行离散化处理结果为：
[0099]
x(k+1)＝ax(k)+bu(k)+tw(k) (7)
[0100]
其中，x(k)是k时刻离散系统的状态；u(k)是k时刻离散系统的输入；w(k)是k时刻海浪干扰；t是采样时间；是船舶运动数学模型离散系统的参数矩阵。
[0101]
进一步地、所述基于离散型船舶运动模型，对船舶的未来运动状态进行预测的过程，得到船舶的未来运动状态结果过程如下：
[0102]
由于干扰是不确定的，因此在不考虑干扰的影响预测结果如下：
[0103]
x(k)＝fx(k)+φu(k) (9)
[0104]
其中，
[0105][0106][0107]
其中n为预测时域；x(n|k)和u(n|k)表示k时刻后第n步的状态和控制输入；x(k)和u(k)是预测时域内的状态和控制输入；f和φ是预测矩阵的参数。
[0108]
进一步地，根据船舶的未来运动状态结果设计用于量化船舶未来运动状态与期望状态之间的偏差的代价函数过程如下；
[0109][0110]
其中，
[0111]
[0112]
把式(9)带入式(12)得到如下结果：
[0113]
j(k)＝x
t
(k)f
t
qcfx(k)+2x
t
(k)f
t
qcφu(k)+u
t
(k)(φ
t
qcφ+rc)u(k)
ꢀꢀꢀꢀꢀꢀ
(14)
[0114]
其中，j(k)是代价函数；q和r为权重；qc和rc为权重矩阵。
[0115]
进一步地，根据约束条件对船舶的控制输入进行限制，求解最优控制变量，对离散型船舶运动模型进行控制；
[0116]
s51对控制进行约束条件设计如下：
[0117]-u
max
≤u(k)≤u
max
ꢀꢀꢀꢀꢀꢀ
(15)
[0118]
其中，u
max
是确保船舶安全的最大舵角；
[0119]
s52通过求极值解出最优控制序列，结果如下：
[0120]u*
(k)＝-(φ
t
qcφ+rc)-1
φ
t
qcfx(k)
ꢀꢀꢀꢀ
(16)
[0121]
其中，u
*
(k)为最优控制序列；
[0122]
s53用最优控制输入序列的第一个元素对模型进行控制。随后，重复上述预测、优化、控制实施的过程。第一个控制元素如下：
[0123][0124]
其中，u
*
(k)为最优控制序列中第一个控制元素；i为单位矩阵。
[0125]
进一步地:获得的波浪数据及船舶姿态信息由传感器采集，调整设定船舶受浪角如下：
[0126]
根据收集到的波浪高度、方向和船舶的横摇、纵摇、航向等信息，设定10
°
至30
°
的受浪角，受浪角的设置以减小船舶的摇摆程度为准，以缓解波浪对船舶的冲击。进一步地、利用时间和事件双重触发机制控制转向时机，控制船舶沿“z”字形轨迹航行，可以通过以下两种条件来自动触发转向命令：
[0127]
第一、当船舶偏离计划航线的距离超过设定值时，自动触发转向命令；第二、当船舶航行时间达到设定值时，也可自动触发转向命令。
[0128]
实施例
[0129]
为了验证本发明方法的有效性，进行了如下的仿真实验，本实施例中所用船舶参数如下：
[0130]
表1“育鲲”轮主要设计参数表
[0131]
[0132]
仿真结果如图3-5所示。
[0133]
图3(a)船舶运动三维轨迹图，(b)为本发明实例中船舶运动二维轨迹图。开始实验时风力为蒲氏6级，200s时风力增大到蒲氏8级，启动“z”字航法控制器，1980s时风力减小重新回到蒲氏6级，停止“z”字航法恢复为正常航向保持控制。由图3可以看出，在正常海况和恶劣海况下本文设计的控制器均可以无静差、无超调的跟踪目标信号。
[0134]
图4给出了控制输入变化曲线，由图4可以看出，舵角可以控制在10
°
以内，达到了预设的约束效果。舵角限制可以在保持良好的控制效果的前提下减小船舶转向过程的橫倾角，避免恶劣海况转向过程大角度操舵横倾与风浪强迫横倾角叠加导致船舶倾覆，同时也可避免对舵叶的损坏以及增加主机的瞬间负荷。
[0135]
图5给出了控制输出变化曲线，由图5可以看出，本文设计的控制器航向最大偏移量为2.6
°
，满足恶劣海况下对航向保持的精度要求。设置船位偏离计划航线5倍船长或改向航行后500s的双重触发机制控制转向时机转向，图5中可以看出，偏航距离达到5倍的船长时首先触发转向机制，自动施加反向舵角，施加反向舵角时可以改变船舶首向。
[0136]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

技术特征：
1.一种恶劣海况下基于模型预测控制的船舶航行控制方法，其特征在于，包括如下步骤：s1、构建恶劣海况下水面船舶的连续型运动学模型；s2、基于期望轨迹，对连续型运动学模型进行离散化，得到离散型船舶运动模型；s3、基于离散型船舶运动模型，对船舶的未来运动状态进行预测，得到船舶的未来运动状态结果；s4、根据船舶的未来运动状态结果设计用于量化船舶未来运动状态与期望状态之间的偏差的代价函数；s5、根据约束条件对船舶的控制输入进行限制，求解最优控制变量，对离散型船舶运动模型进行控制；s6、根据波浪数据及船舶姿态信息，调整设定船舶受浪角；s7、利用时间和事件双重触发机制控制船舶的转向时机，实现船舶沿“z”字形轨迹航行。2.根据权利要求1所述的一种恶劣海况下基于模型预测控制的船舶航行控制方法，其特征在于，所述对于恶劣海况下存在海浪干扰的船舶运动的连续型数学模型具体为：其中，x
(3)
＝[v r ψ]
t
是船舶运动数学模型的状态变量；u
(3)
＝δ是船舶运动数学模型的控制输入；v，r，ψ和δ表示横漂速度，艏摇角速度，艏向角和舵角。w
(3)
是海浪干扰；a
(3)
和b
(3)
是船舶运动数学模型的参数矩阵，具体为：其中，其中，m
′
船舶质量的无量纲值；x
′
c
船舶中心到重心距离的无量纲值；l是船长；v是航速；i
′
zz
是惯性矩的无量纲值；y
v
′
,y
r
′
,n
v
′
,n
r
′
,y
d
′
,n
d
′
是流体动力导数，其回归公式如下：
其中，b为船宽；t为吃水；c
b
是方形系数；a
δ
代表舵舵叶面积。3.根据权利要求1所述的一种恶劣海况下基于模型预测控制的船舶航行控制方法，其特征在于，所述步骤s2中，基于期望轨迹，对连续型运动学模型进行离散化，得到离散型船舶运动模型过程如下：s21、考虑一个时变参考轨迹，如下：其中，x
r
是船舶运动状态参考值；u
r
是船舶运动控制输入参考值；s22、在任意点(x
r
,u
r
)处对参考轨迹进行泰勒展开，保留到一阶，求得动态跟踪误差如下：其中，x＝x
(3)-x
r
代表动态跟踪的状态误差；u＝u
(3)-u
r
为动态跟踪模型的输入误差；是动态跟踪误差模型的参数矩阵；s23、按一个等采样周期t对动态跟踪误差进行离散化处理结果为：x(k+1)＝ax(k)+bu(k)+tw(k)(7)其中，x(k)是k时刻离散系统的状态；u(k)是k时刻离散系统的输入；w(k)是k时刻海浪干扰；t是采样时间；是船舶运动数学模型离散系统的参数矩阵。4.根据权利要求1所述的一种恶劣海况下基于模型预测控制的船舶航行控制方法，其特征在于，所述基于离散型船舶运动模型，对船舶的未来运动状态进行预测的过程，得到船舶的未来运动状态结果如下：由于干扰是不确定的，因此在不考虑干扰的影响预测结果如下：x(k)＝fx(k)+φu(k)(9)
其中n为预测时域；x(n|k)和u(n|k)表示k时刻后第n步的状态和控制输入；x(k)和u(k)是预测时域内的状态和控制输入；f和φ是预测矩阵的参数。5.根据权利要求1所述的一种恶劣海况下基于模型预测控制的船舶航行控制方法，其特征在于，所述根据船舶的未来运动状态结果设计用于量化船舶未来运动状态与期望状态之间的偏差的代价函数如下：之间的偏差的代价函数如下：把式(9)带入式(12)得到如下结果：j(k)＝x
t
(k)f
t
q
c
fx(k)+2x
t
(k)f
t
q
c
φu(k)+u
t
(k)(φ
t
q
c
φ+r
c
)u(k)
ꢀꢀꢀꢀ
(14)其中，j(k)是代价函数；q和r为权重；q
c
和r
c
为权重矩阵。6.根据权利要求1所述的一种恶劣海况下基于模型预测控制的船舶航行控制方法，其特征在于，所述根据约束条件对控制输入进行限制，求解最优的控制变量，对离散化的模型进行控制设计如下：s51：对控制输入进行限制，约束条件如下：-u
max
≤u(k)≤u
max
ꢀꢀꢀꢀꢀꢀ
(15)其中，u
max
是确保船舶安全的最大舵角；s52：通过求极值解出最优控制序列，结果如下：u
*
(k)＝-(φ
t
q
c
φ+r
c
)-1
φ
t
q
c
fx(k)
ꢀꢀꢀꢀꢀꢀ
(16)其中，u
*
(k)为最优控制序列；s53：用最优控制输入序列的第一个元素对离散型船舶运动模型进行控制，随后，重复步骤s4、s5及s6的过程，第一个控制元素如下：u
*
(k)＝-[i
ꢀ…ꢀ
0](φ
t
q
c
φ+r
c
)-1
φ
t
q
c
fx(k)
ꢀꢀꢀꢀ
(17)其中，u
*
(k)为最优控制序列中第一个控制元素；i为单位矩阵。7.根据权利要求1所述的一种恶劣海况下基于模型预测控制的船舶航行控制方法，其特征在于，所述船舶受浪角的调整范围为10
°
至30
°
。8.根据权利要求1所述的一种恶劣海况下基于模型预测控制的船舶航行控制方法，其特征在于，所述时间和事件双重触发机制控制转向时机，形成自动触发转向命令的条件包括：第一、当船舶偏离计划航线的距离超过设定值时，自动触发转向命令；
第二、当船舶航行时间达到设定值时，也自动触发转向命令，通过周期性的转向，实现船舶沿“z”字形轨迹航行。

技术总结
本发明提供一种恶劣海况下基于模型预测控制的船舶航行控制方法，包括如下步骤：构建恶劣海况下水面船舶的连续型运动学模型；基于期望轨迹，对连续型运动学模型进行离散化；基于离散型船舶运动模型，对船舶的未来运动状态进行预测，得到船舶的未来运动状态结果；根据船舶的未来运动状态结果设计用于量化船舶未来运动状态与期望状态之间的偏差的代价函数；根据约束条件对船舶的控制输入进行限制，求解最优控制变量，对离散型船舶运动模型进行控制；根据波浪数据及船舶姿态信息，调整设定船舶受浪角；利用时间和事件双重触发机制控制船舶的转向时机，实现船舶沿“Z”字形轨迹航行。可提高船舶在恶劣海况下的安全性、自主性和稳定性。性。性。


技术研发人员：李国帅 张显库 章文俊
受保护的技术使用者：大连海事大学
技术研发日：2023.04.14
技术公布日：2023/8/5