随着世界经济的飞速发展，全球的油气消耗量正以较快的速度不断增长，陆地资源供应日趋紧张。而海洋以其巨大的能源储存量吸引着世界各国的目光，然而随着近海资源的日趋减少，向深海进军是必然的趋势。因此，深海浮式生产系统的定位技术得到了重视。动力定位系统与传统的锚泊系统不同，它是一个闭环控制系统，是利用平台自身的动力装置来产生能够抵抗外界干扰的动力，动态的控制平台悬停在某一个设定的位置以便进行正常作业。
本文以深水半潜式海洋平台为研究对象，以提高它的定位精度为出发点，研究深水半潜式海洋平台的动力定位控制技术。
由于深水半潜式海洋平台是一个具有大惯性、大时滞的非线性对象，无法用精确的数学模型对其描述，而且外界的环境干扰也会随着海况的不同而发生变化，复杂多变，难以预知。而逆模型控制是解决非线性系统控制问题的较有效的方法，所以本文采用逆系统方法来设计半潜式海洋平台的动力定位系统控制器。又由于一般的反馈线性化方法要求预先知道被控对象的数学模型和具体系统参数，对于本文研究的对象来说，实现较为困难。因此，本文采用T-S模糊神经网络来实现对原系统的逆系统的辨识。同时针对T-S模糊神经网络逆模型控制器存在的精度不高问题，提出了采用同PID控制器组合构成复合控制器的方法来提高控制精度。
针对水平面内三个自由度分别设计了这两种控制器，并通过Matlab实现了两种控制方法在不同环境的仿真实验，仿真结果不但证明了两种控制器的有效性和可行性，而且也验证了复合控制器比T-S模糊神经网络控制器具有更高的控制精度，同时复合控制器对推力系统性能的要求更高。
关键词 深水半潜式平台；动力定位系统；逆模型控制；T-S模糊神经网络；复合控制
文中研究的深水半潜式平台配备了8台由芬兰Wartsila公司提供的全回转推进器。型号为LMT Type FS3500-671NU，半径为3.6m，最大推力为800KN。每台的最大持续功率为KW。推进器的布置如图2.1所示，其中每个角落的两台互为备用关系。
采用全回转推进器不但可以在最高效率下运转，而且它所需的功率比定轴推进器小。同时各浮体上的推进器之间的距离可以做得更大些，避免了推进器之间相互影响带来的推力损失，同时有助于增大推力力矩。其中，采用电动机作为原动机将功率提供给推力机构，由推力机构产生相应的推力。
复合型T-S模糊神经网络控制器是指将T-S模糊神经网络控制与传统控制相结合的一种控制方法。
平台的动力定位系统包括控制系统、推力系统和位置测量系统三部分。由于本文着重研究的是动力定位系统的控制系统部分。因此，本文构建动力定位系统主要是为了验证其中通过本文研究方法所设计的控制器的有效性与正确性。由此为了简化设计，文中不考虑推力系统部分。假设由控制器计算出的总推力能够完全作用于平台；同时，将经过推力（包括推力器推力，环境干扰力等）作用后，平台的当前位置看作由位置测量系统测得的实时数据，直接传递给控制系统。
如图5.1所示，针对平台的3个自由度分别设计了3个对应的控制器。控制器可以根据设定值与实际值之间的差值与差值的变化率来计算出平台到达设定值所需的总的推力，然后将计算所得推力作用于平台，通过反馈不断调整推力，最终使平台到达设定位置。
从图5.5中我们可以看到，平台经过推力器的作用达到设定点，但是存在一定的稳态误差，大约为0.5m。位移从0到15m时间大约为330s，曲线基本没有波动。从图5.6中我们可以看到当偏差比较大时，控制器会产生较大的推力，而在平台到达设定位置后，推力渐渐趋于0。
从图5.7中我们可以看到，平台经过推力器的作用达到设定点，但是存在一定的稳态误差，大约为0.2m。位移从0到20m时间大约为350s，曲线基本没有波动。从图5.8中我们可以看到当偏差比较大时，控制器会产生较大的推力，而在平台到达设定位置后，推力渐渐趋于0。
