Details

Данная работа посвящена обеспечению качественных показателей управления курсом, сравнительной характеристике методов настройки линейного ПИД-регулятора, выбору и настройке его опти-мальных параметров, а также разработке интеллектуального регулятора на ос-нове обучения с подкреплением. В работе была рассмотрена функциональная схема контура удержания курса судна, включающая модель рулевой сервосистемы, модель Номото пер-вого порядка и нелинейное звено насыщения. Рассчитаны параметры модели и проведён анализ характеристик системы. Выполнена сравнительная характери-стика методов расчёта ПИД-регулятора, из которых работоспособными при-знаны три метода, и подобраны оптимальные параметры настройки. Для по-вышения адаптивности предложен DDPG-регулятор с композитной функцией вознаграждения, включающей критерий Ляпунова. Обнаружены автоколеба-ния при малых углах пять–двадцать пять градусов, устранённые специализи-рованным обучением в диапазоне один–тридцать пять градусов. Моделирование проводилось в среде Simulink и Python. По результатам работы предложена комбинированная стратегия: при заданном угле менее тридцати градусов используется специализированная модель, иначе – общая модель. Показано, что DDPG-регулятор после автоматического обучения не требует ручной настройки, адаптивен и робастен к шумам, однако уступает ручному ПИД в быстродействии.

This work is devoted to ensuring quality indicators of course control, comparative characteristics of linear PID controller tuning methods, selection and adjustment of its optimal parameters, as well as the development of an intelligent controller based on reinforcement learning. The functional scheme of the ship course-keeping control loop, including the steering servo model, the first-order Nomoto model, and a saturation nonlinearity, was considered in the work. Its parameters are calculated and the characteristics of the system are analyzed using a mathematical model. A comparative analysis of PID controller tuning methods is performed, of which three methods are found to be workable, and the optimal tuning parameters are selected. To improve adaptability, a DDPG controller with a composite reward function including a Lyapunov criterion is proposed. Self-oscillations at small angles of 5–25 degrees are detected and elimi-nated by specialized training in the range of 1–35 degrees. The simulation was carried out in the Simulink and Python environment. Based on the results of the work, a combined strategy is proposed: for a set angle of less than 30 degrees, a specialized model is used, otherwise a general model is used. It is shown that the DDPG controller after automatic learning does not require manu-al tuning, is adaptive and robust to noise, but is inferior to the manual PID in speed. The main drawback remains the lack of formal stability guarantees.