进入海洋经济时代,各国对海洋资源的探索和开发逐渐扩展至深海区域,对海军舰艇编队协调、动力追踪救援等新功能的要求日渐明确,船舶推力系统的工作性能受到了更高要求的挑战。推力分配算法作为推力系统的核心,对于提高船舶海上作业控制精度、稳定性和灵活性至关重要。传统推力分配优化算法按每秒固定步数运行,每次优化相互独立且只考虑一步时间内推进器状态有限的变化范围,缺乏对推进器缓慢动态特征的考虑,忽略了对推进器状态长期的优化,往往会导致能耗效率低下,机动性下降。为此,本文在深入了解船舶推力分配发展现状的前提下,研究了推力分配的多步优化方法,并取得了如下研究成果:1)从推进器状态变化缓慢的特征和限制出发,本文将推力分配视为一个多步决策过程进行研究,提出了基于遗传算法和自适应动态规划的推力分配多步优化算法。首先通过遗传算法获取长期变化范围内推进器状态的全局最优解,然后采用自适应动态规划求解当前推进器状态变化至最优解的整个最优多步决策序列,最后用该最优决策序列逐步驱动推进器变化。2)针对更大可行域带来的多局部极值问题,本文分析了最优推进器状态分别对推力大小和推力角度的灵敏度,并根据结论用伪逆算法改进了传统变异算子,解决了传统遗传法收敛速度慢、种群多样性退化迅速的问题,并加以自适应变异粒度改善局部搜索能力。仿真结果表明改进的遗传算法效果良好,尤其是在数十秒的超大可行域下,所得全局最优解明显优于传统的序列二次优化算法。3)针对多步决策过程的最优化,本文首先建立了带输入饱和与终端约束的离散非线性最优控制模型,然后研究了该类约束模型的HJB方程的构造和基于自适应动态规划的求解方法,最后设计了自适应动态规划模型中神经网络的训练和求解步骤来实现终端约束条件。仿真结果表明,相比传统单步推力分配算法,多步优化算法显著提高了船舶推力系统长期的能耗效率和机动性。4)本文搭建了船舶实物仿真平台,包括模型船嵌入式系统和上位机可视化控制终端。通过在终端海图界面上的简单操作,模型船能在室外湖面进行路点跟踪和动力定位的仿真和演示,并且对风浪流有一定抵御能力,为船舶控制研究话题的进一步展开提供了便捷的实验接口和科研基础。