随着社会的进步和科技的发展,动力定位系统(Dynamic Positioning System, DPS)得到了广泛的研究和应用。动力定位系统是一种船舶在控制系统的作用下,依靠自身的动力抵抗外界的风、浪、流等干扰,保持船舶处在一定位置和艏向的闭环系统。其中推力分配系统是其重要组成部分,它的作用是将控制系统输出的期望力和力矩等信号,转化分配为各推力器的转速和方向。推力分配问题可归结为一个约束非线性优化问题。对于推力分配的优化,不但能更好地提升DPS的相关性能,还能在减小误差、降低油耗和减少设备磨损等方面发挥积极的作用。本文以挪威科技大学(NUST)的模型实验船CyberShipII为背景,针对船舶DPS的推力分配问题,建立了其数学优化模型。过去采用序列二次规划(SQP)等求解该问题,存在局部收敛等缺陷,且鲁棒性不好。根据算法的发展趋势,本文采用结构简单,收敛快,易于实现的粒子群算法(PSO)来求解,以期获得较好的结果。具体地,本文对基本PSO加以改进,提出一种并行免疫粒子群算法(PIPSO),其基本思想是采用两个并行的子群体,每个子群体分别按全局版和局部版PSO进行速度及位置更新,可将两种PSO相结合,优势互补,兼顾快速性和防早熟。进而又将免疫技术引入算法,进行基于免疫机制的子群体间信息交换,从而进一步加快了算法的收敛,并有效地预防了早熟。为验证提出算法的性能,首先将其应用于求解已知最优解的经典函数优化问题中,优化结果验证了其可行性和有效性。在此基础上,将提出算法应用于CyberShipII的推力分配优化问题中,模拟了两种典型环境,进行了相应的仿真测试,并且对选取不同参数情况下算法的优化性能进行了对比和分析。相关工作表明,本文所提算法对推力优化分配问题是有效的,获得了较好的求解效果。本文的研究具有一定的理论意义和应用价值。