编辑推荐：
针对船舶动力定位（DP）受未知非线性模型及波浪干扰等问题，研究人员提出基于自适应极限学习机（ELM）和干扰观测器（DO）的预设性能控制方案。虚拟实验表明该方法能快速跟踪轨迹、维持稳定，提升了 DP 船抗干扰能力，对航海及海洋勘探意义重大。
船舶在浩瀚海洋中航行时，如同漂浮的精密仪器，时刻面临着复杂环境的挑战。海浪的起伏、海风的吹拂以及船舶自身结构的复杂性，都会对其动力定位（Dynamic Positioning, DP）精度产生显著影响。动力定位技术作为船舶在特定海域保持位置和航向的关键手段，在深海勘探、海上作业等领域至关重要。然而，传统控制方法在面对船舶模型中未知的非线性因素以及波浪等外部干扰时，往往难以实现精准控制，容易出现轨迹偏离、船体震荡等问题，不仅影响作业效率，还可能对船上精密设备造成损害。因此，如何提升船舶动力定位系统在多干扰环境下的稳定性和抗干扰能力，成为船舶工程领域亟待解决的难题。
为了攻克这一技术瓶颈，国内研究团队开展了深入研究。他们针对船舶动力定位系统中存在的未知非线性模型和以非线性外系统建模的波浪干扰等问题，提出了一种基于自适应极限学习机（Extreme Learning Machine, ELM）和干扰观测器（Disturbance Observer, DO）的预设性能控制方案，并将相关研究成果发表在《Engineering Applications of Artificial Intelligence》。
该研究主要采用了以下关键技术方法：首先运用 ELM 网络对船舶动力定位系统及外系统中的未知非线性函数进行逼近；然后设计基于 ELM 的神经网络干扰观测器，用于估计外部干扰，以便后续控制器对干扰进行补偿；同时设计性能函数，通过约束系统误差向量来提升闭环控制精度和动态性能，确保船舶系统状态误差在预定时间内收敛；最后结合指令滤波反推法，构建了具有预设性能的抗干扰控制方案。
结果与讨论
研究人员将所提出的控制方案应用于挪威科技大学海洋控制实验室 1:70 比例的 CyberShip II 补给船模型。通过与传统方法的对比虚拟实验，验证了该方案的优越性。实验中采用的 CyberShip II 无量纲参数见表 1（具体参数内容略）。
虚拟实验结果表明，在包含模型未知非线性和外部波浪干扰的情况下，采用该方法控制的 DP 船舶能够快速跟踪参考轨迹并维持稳定。这充分说明，所提出的控制方案有效提升了 DP 船舶的抗干扰能力，能够更好地应对复杂海洋环境中的挑战。
结论
本研究针对船舶动力定位系统在复杂干扰环境下的控制问题，提出了一种融合自适应 ELM、干扰观测器和预设性能控制的新型方案。通过 ELM 网络对未知非线性因素的逼近、干扰观测器对外部干扰的准确估计以及性能函数对系统误差的有效约束，显著提升了系统的闭环控制精度和动态性能。研究结果表明，该方案能够使 DP 船舶在多干扰环境下保持稳定，快速跟踪目标轨迹，为船舶在深海作业、海洋勘探等领域的安全稳定运行提供了有力的技术支持。这一成果不仅丰富了船舶动力定位领域的控制理论，也为实际工程应用中提升船舶抗干扰能力提供了新的思路和方法，具有重要的理论意义和工程实用价值。
