MSS学习分享第二弹

顶天立地玛卡巴卡

已于 2024-08-04 10:16:36 修改

阅读量1.6k

点赞数 19

文章标签：学习 matlab

于 2024-08-04 10:12:11 首次发布

本文链接：https://blog.csdn.net/black_battle/article/details/140842995

版权

欢迎来到MSS学习的第二弹，这篇就要开始正式的建模仿真啦~

一、建模

1、船舶模型选择

根据需要在 Marine craft models 里面选择适当的船舶模型，我这里选择的是三自由度低速船舶模型中的 CyberShip2 （CS2）。新建一个空白模型，我这里给他命名为MODEL1，把选中的模块直接复制过去。

从图中我们看到该模块有一个输入 τ（tau），两个输出 η（eta）和 ν（nu），τ，η和 ν的定义分别为：

$\tau= \begin{bmatrix} X \\ Y \\ Z \\ K \\ M \\ N \end{bmatrix}$ $\eta = \begin{bmatrix} x \\ y \\ z \\ \phi \\ \theta \\ \psi \end{bmatrix}$ $\nu = \begin{bmatrix} u \\ v \\ w \\ p \\ q \\ r \end{bmatrix}$

τ 为作用在船舶上的广义力：

X：前进方向的力（surge force）；

Y：横移方向的力（sway force）；

Z：垂直方向的力（heave force）；

K：横滚方向的力矩（roll moment）；

M：纵倾方向的力矩（pitch moment）；

N：偏航方向的力矩（yaw moment）；

η 通常表示船舶的姿态（位置和方向），包括六个自由度的运动：

x：前进（surge）；

y：横移（sway）；

z：垂直（heave）；

ϕ：横滚（roll）；

θ：纵倾（pitch）；

ψ：偏航（yaw）；

ν 通常表示船舶在体坐标系下的速度向量，包括线速度和角速度：

u：前进速度（surge velocity）；

v：横移速度（sway velocity）；

w：垂直速度（heave velocity）；

p：横滚角速度（roll rate）；

q：纵倾角速度（pitch rate）；

r：偏航角速度（yaw rate）；

2、控制器选择

这里我选择使用的是动态定位控制器（DP）：

这里多了一个输入 $\eta_{ref}$ 通常表示参考位置或参考姿态，这是控制系统期望船舶达到的位置和姿态，用于指导船舶的运动和定位。所以在前一章基本框架基础上，我们还需另加一个模块用来设定参考位置或参考姿态。

3、预估器选择

预估器的选择需要和控制器对应起来，前面我们选择的是DP控制器，所以这里我们对应选择Passive DP wave filter（被动DP波浪过滤器）。在DP系统中，波浪过滤器用于处理因海洋波浪引起的高频运动信号，从而提高系统的稳定性和精度。

被动DP波浪过滤器的主要作用是过滤掉由波浪引起的高频干扰，从而使DP系统更能准确地控制船舶的位置和姿态。具体来说，它可以：

（1）减少高频噪声：滤除高频的波浪运动信号，避免其影响DP系统的控制决策；

（2）提高系统稳定性：通过抑制波浪的影响，使系统在应对低频环境干扰时更加稳定；

（3）优化控制响应：减少高频噪声对控制输入的影响，使控制器输出更平滑，更加符合实际控制需求。

新增输入y，这里要与横移 y 区分开来，这里的y是一个矩阵，其定义为：

$y = \eta +\eta_w$

$\eta_w$ ：在动态定位系统中， $\eta_w$ 通常表示由于环境力（风力、波浪等）引起的船舶位置和姿态变化，通常包括三种运动：前进方向变化（ $x_w$ ）、横移位置变化（ $y_w$ ）和偏航位置变化（ $\psi_w$ ）。这些运动对船舶的稳定性和控制有重要影响，因此在DP系统中需要精确建模和补偿。

4、环境扰动设置

简单起见，我们假设一个无风、无洋流的环境，仅仅考虑波浪的影响，这里选择线性二阶波谱来进行波浪环境模拟：

点开该模块，可以看到输入是白噪声，输出为波幅：

根据手册内容我们知道

$\eta_w=KH(s)w(s)$

其中，K 为恒定可调的增益，该增益 K 必须选择使η中的信号的振幅具有合理的幅度。

Hs(s)是包含波谱s(ω)的线性近似的对角矩阵，其对角线上的元素为二阶波传递函数 $h^{[i]}(s)$ ，如下：

$H(s)=\begin{bmatrix} h^{[1]}(s) & & & & & \\ & h^{[2]}(s) & & & & \\ & & h^{[3]}(s)& & & \\ & & &h^{[4]}(s) & & \\ & & & &h^{[5]}(s) & \\ & & & & &h^{[6]}(s) \end{bmatrix}$