基于BLF的半潜式海洋平台自适应神经网络容错控制.pdf

0引言在全球性海洋资源大开发的背景下，半潜式海洋平台被更多应用于海洋渔业、油气等海洋资源的勘探和开采，对其动力定位系统的性能也随着向深远海的进一步推进提出了更高要求1。以比例-积收稿日期：2022-04-13修回日期：2022-07-06基金项目：广东省区域联合基金（2019B1515120017）；广东省海洋经济发展（海洋六大产业）专项基金（GDNRC202142）；湛江市创新创业团队引育“领航计划”项目（2020LHJH003）；湛江市现代海洋渔业装备重点实验室基金资助项目（2021A05023）作者简介：俞国燕（1970），女，浙江诸暨人，博士，教授。研究方向：智能设计与制造、现代化渔业装备。*摘要：针对具有不确定性和故障半潜式海洋平台，提出了一种反步自适应神经网络容错控制方法。基于半潜式海洋平台低速状态下的动力定位模型，利用径向基函数（radial basis function，RBF）神经网络对系统的不确定性集合进行在线逼近，从而对控制器进行补偿；通过设计基于障碍李雅普诺夫函数（barrier lyapunov function，BLF）的自适应律，实现对系统的状态约束；结合反步法设计了一种鲁棒定位与跟踪控制方法。通过稳定性理论证明了该闭环系统是稳定的，仿真结果表明，该控制器能使半潜式海洋平台完成动力定位和故障情况下的轨迹跟踪任务。关键词：半潜式海洋平台；动力定位；神经网络；容错控制中图分类号：TP273.2文献标识码：ADOI：10.3969/j.issn.1002-0640.2023.06.010引用格式：俞国燕，朱祺珩，刘海涛.基于 BLF 的半潜式海洋平台自适应神经网络容错控制 J.火力与指挥控制，2023，48（6）：62-69.基于 BLF 的半潜式海洋平台自适应神经网络容错控制*俞国燕1，2，朱祺珩1，刘海涛1，2（1.广东海洋大学机械与动力工程学院，广东湛江524088；2.广东省海洋装备及制造工程技术研究中心，广东湛江524088）Adaptive Neural Network Fault-tolerant Control for Semi-submersibleOcean Platforms Based on BLFYU Guoyan1，2，ZHU Qiheng1，LIU Haitao1，2（1.School of Mechanical and Power Engineering，Guangdong Ocean University，Zhanjiang 524088，China；2.Guangdong Provincial Marine Equipment and Manufacturing Engineering Technology Research Center，Zhanjiang 524088，China）Abstract：Aiming at the semi-submersible ocean platforms with uncertainties and faults，a back-step adaptive neural network fault-tolerant control method is presented.Based on the dynamicpositioning model of semi-submersible ocean platforms at low speed，the radial basis function（RBF）neural network is used to approximate the system uncertainty set online，and to compensate thecontroller.Secondly，an adaptive law based on Barrier Lyapunov Function（BLF）is designed to realizethe constraint of the state of the system.Finally，a robust positioning and tracking control method isdesigned combining with back-step method.The closed-loop system is proved stable by the stabilitytheory，and the simulation results show that the controller can accomplish dynamic positioning andtrajectory tracking under fault conditions of semi-submersible ocean platforms.Key words：semi-submersible ocean platform；dynamic positioning；neural network；fault-tolerantcontrolCitation format：YU G Y，ZHU Q H，LIU H T.Adaptive neural network fault-tolerant control forsemi-submersible ocean platforms based on BLF J.Fire Control&Command Control，2023，48（6）：62-69.文章编号：1002-0640（2023）06-0062-08Vol.48，No.6Jun，2023火 力 与 指 挥 控 制Fire Control&Command Control第 48 卷第 6 期2023 年 6 月62（总第 48-）图 1地球坐标系和平台坐标系Fig.1Coordinate systems of the earth and the platform图 2“石油 981”推进器分布情况Fig.2Distribution status of“petrol 981”propeller分-微分（proportional-integral-derivative，PID）控制器、线性二次型高斯（linear quadratic gaussian，LQG）方法与滤波器相结合为主的传统动力定位控制系统，已经难以满足现代航行和海上工作的需求2-5，滑模控制6-10、自适应控制11-13、反步控制14-16等先进控制技术被用来解决海上动力定位系统的控制问题，以实现其保持固定位置或精确航迹的功能，提高工作的安全性17-20。但半潜式海洋平台作为典型的冗余系统，其动力定位系统长期工作在比较恶劣的海洋环境中，推进器出现故障的可能性较高，会影响海上航行和作业的安全21-22。对此，有研究采用如故障观测器、消除故障列向量、在线适应故障信息等容错控制方法来处理故障信息，以提高动力定位系统的稳定性23-26。但因实际系统受到约束影响，而上述算法未对系统状态进行约束，故难以实际应用，由此能够实现对系统状态进行约束的预设性能、BLF 控制方法受到广泛关注27-30。有文献采用 BLF方法对系统状态进行约束15，但响应速度较慢，且未考虑系统建模的不确定性及推进器故障的情况，鲁棒性较差。基于上述问题，针对半潜式海洋平台动力定位控制过程中的稳定性要求，本文提出了自适应神经网络容错控制方法，选用 BLF 方法对系统状态进行约束，同时引入外部干扰和故障因素，利用 BLF 方法设计出自适应律和对应的控制律，构造李雅普诺夫函数进行控制器稳定性分析，结合目标轨迹进行仿真实验。仿真实验表明，该方法不仅可以抑制干扰的影响，也能在出现执行器故障保证跟踪效果。1运动建模与预备知识1.1海洋平台数学模型本文研究的是关于半潜式海洋平台在低速运动下的动力定位控制问题，其动力定位模型通过地球坐标系 OE-XEYEZE和平台坐标系 O-XYZ 表示平台的姿态变量和运动变量，如图 1 所示。根据 3 自由度动力定位船舶建模原理，建立在低速运行状态下半潜式海洋平台的运动学和动力学模型31：（1）式中，分别代表运动模型的惯性矩阵和阻尼矩阵；代表海洋平台在地球中的位置（x，y）和艏摇角度 渍；代表平台在平台坐标系中的纵荡、横荡及艏摇速度；代表系统在纵荡、横荡的控制力及艏摇方向的控制力矩；代表海洋环境对系统的干扰；是雅可比矩阵，即平台坐标到地球坐标的转换矩阵，结构为：（2）同时，转换矩阵 J 拥有如下的性质：，且对于所有 渍 均为非奇异。1.2推进器布置推进器的布置直接影响平台的动力分配与定位性能，需要考虑水下阻力和推进器间的干扰影响。本文参考中国首座拥有 8 个全回转推进器的钻井平台“石油 981”的推进器布置形式32，如图 2 所示。每个推进器均可以绕自身垂直底面的轴 0 360 旋转，它们的位置坐标分别为：T1 为（43 m，25 m），T2 为（18 m，35 m），T3 为（-43 m，25 m），T4为（-18 m，35 m），T5 为（-43 m，-25 m），T6 为（-18 m，-35 m），T7 为（43 m，-25 m），T8 为（-18 m，35 m）。1.3推进器故障模型本文研究的多个全回转推进器在同一平面 O-XY 绕与该平面垂直的轴旋转，如图 2 所示。根据俞国燕等：基于 BLF 的半潜式海洋平台自适应神经网络容错控制631017（总第 48-）火 力 与 指 挥 控 制2023 年第 6 期Fossen 的推力分配理论4可得：（3）其中，为推进器的配置矩阵，为故障矩阵，为推进器理论推力矩阵；r 为全回转推进器的个数，n 为船舶运动控制的自由度数目，是全回转推进器的方位角，为故障因子。本文不考虑推进器的缺陷和偏置故障的情况，故障模式为：时，推进器正常工作；时，推进器出现故障损失部分推力；时，推进器完全损坏。当 n 个自由度的船舶配备了 r 个推进器时，推进器配置矩阵描述了推进器的类型和位置。推进器配置矩阵为，其中，（lxi，lyi）为第 i 个推进器的位置坐标。1.4自适应神经网络模型半潜式海洋平台在实际工作中可能存在模型参数不准确和环境干扰不确定的问题，可以借助RBF 神经网络的逼近特性来解决此类问题33。采用RBF 神经网络来逼近未知非线性函数 f（x），其网络算法为：（4）（5）（6）其中，为网络的理想权值；为神经网络的激活函数高斯函数；着 为网络逼近误差，x为网络的输入；j 为网络隐含层的节点；满足，为极小的正常数；为网络的输出值；为网络的估计权值。2自适应神经网络容错控制器2.1自适应控制器设计令，转换为状态方程：（7）其中，；考虑建模误差 驻，将式（7）改写成：（8）其中，为系统的不确定性集合。定义误差为：（9）式中，z1，z2是误差限制下的状态量；琢 为虚拟控制量。Step 1：构建 BLF 的形式为：（10）令虚拟控制量为：（11）由式（8）和式（9）得：（12）将 V1对时间进行求导，得：（13）将式（11）和式（12）代入式（13）得：（14）Step 2：取 BLF 的形式为：（15）将 V2对时间求导得：（16）将式（11）对时间求导得：（17）选取控制律：（18）其中，椎、专 为列向量，且，为的伪逆18，i=1，2，3。设计自适应律为：（19）（20）其中，为列向量，；，i=1，2，3。2.2稳定性分析对于本文所研究的半潜式海洋平台动力定位容错控制问题，得到如下定理：定理：针对动力学模型如式（1）所示的半潜式海洋平台，考虑推进器故障模型如式（3），结合神经网络算法式（5），设计控制律为式（18），自适应律为式（19）和式（20），则该闭环系统是稳定的。641018（总第 48-）（23）下面通过构造李雅普诺夫函数进行控制器稳定性分析，证明如下。选择如下的李雅普诺夫函数：（21）将式（10）和式（15）代入式（21）并对时间求导得：（22）其中，为逼近误差，为神经网络权值逼近误差。将式（8）、式（9）和式（18）式（20）分别代入式（22）得：由于 ka与 kb为正定矩阵，根据式（23）可知V觶30，因此，系统稳定。说明 1：为了能更好地将算法应用于工程实际中，以框图形式来描述算法的运行逻辑和过程，希望能将其融入到更多的控制策略中。反步自适应神经网络容错控制器框图如图 3 所示。3仿真实验研究选用“石油 981”为被控对象，分别进行动力定位与轨迹跟踪仿真实验，其模型参数9如下：其中，设计建模误差：驻M=0.4 M，驻D=0.6 D；选取海洋环境干扰信号 d 及其上界34。控制器部分仿真参数设计为：3.1动力定位实验平台的期望位置为，初始值设置为，仿真时间设置为 30 s，当时间时，引入额外的脉冲干扰 fd：图 3自适应神经网络容错控制器结构框图Fig.3Structure block diagram of adaptive neural network fault-tolerant control俞国燕等：基于 BLF 的半潜式海洋平台自适应神经网络容错控制651019（总第 48-）火 力 与 指 挥 控 制2023 年第 6 期仿真图如图 4 和图 5 所示。本文方法与文献 15 方法进行动力定位对比仿真实验，由图 4 可知，本文方法在 t2 s，平台达到期望位置；文献 15 方法在 t4.5 s 达到期望位置；当系统稳定后，在 t=10 s 受到脉冲干扰 fd，图 5中的误差收敛情况可直接反映出系统稳定状态被破坏后，控制系统发挥了作用，文献 15 方法用时2 s 以上才回到稳定状态，而本文方法则在 0.5 s1 s过渡后快速回到稳定状态，收敛较快。也表明了本文算法对冲击不敏感，鲁棒性较高。3.2轨迹跟踪实验为了进一步验证本文算法的有效性，引入故障信息，结合推力分配模型（详见前文 1.2 和 1.3）和控制器（详见前文式（18）式（20）对海洋平台运行情况进行分析。故障信息为：s 平台初始值为，期望轨迹，其余控制器参数（详见前文 3 中控制器部分仿真参数）与动力定位实验相同。图 6 为平台的轨迹跟踪控制具体情况，图中分别给出平台在有无故障情况下的运动轨迹曲线以及目标轨迹的理想曲线，可看出平台在无故障情况下可以很好地完成轨迹跟踪任务，在出现故障的情况下平台轨迹与理想轨迹出现偏差，但误差仍能收敛于原点较小邻域内，因此，本文方法仍能保证平台的跟踪效果。下页图 7 更能直观地表现出平台在出现故障情况后控制器跟踪性能有所下降，但误差均在-0.050.05 较小邻域内，能完成轨迹跟踪任务。由图 8 可知，半潜式海洋平台在推进器出现故障后，各推进器的实际输出推力发生了波动，但并未出现明显抖振，有利于系统的闭环稳定控制性能；图 9 表示为各推进器在故障情况下对应的方位角变化，角度变化在-90 ，90 ，均在全回转推进器的工作角度区间范围内，但在本文轨迹运动过程中，有大范围的角度变换，对推进器的性能要求较高，这涉及到较为复杂的推力分配算法及优化问题，是后续研究的重要内容。图 4动力定位响应曲线Fig.4Response curve of dynamic positioning图 5动力定位误差响应曲线Fig.5Error response curve of dynamic positioning图 6轨迹跟踪时间响应曲线Fig.6Response curve of trajectory tracking time661020（总第 48-）图 9故障情况下推进器实际方位角Fig.9The actual azimuth of the propeller in case of failure图 8故障情况下推进器实际推力曲线Fig.8The actual thrust curve of the propeller in case of failure图 7跟踪误差时间响应曲线Fig.7Response curve of tracking error time4结论针对半潜式海洋平台冗余系统的非线性、状态限制、故障等问题，本文利用 RBF 逼近系统不确定性集合，采用 BLF 对系统状态进行限制，提出一种自适应反步神经网络容错控制器，利用李雅普诺夫函数证明了控制器的稳定性。仿真实验表明：本文的控制器响应速度较快，鲁棒性更强；能控制平台完成动力定位任务，也能在设定故障情况下完成轨迹跟踪控制，验证了所提方法的可行性。下一步，控制器的设计将考虑推进器的推力饱和和方位角的限制影响，减小推进器方位角的急剧变化情况，优化推进系统的性能。参考文献：1 尚勇志，崔亚昆，薛海波，等.不同推进器配置下半潜式平台动力定位能力 J.中国海洋平台，2021，36（2）：40-45.SHANG Y Z，CUI Y K，XUE H B，et al.Power positioningcapability of semi-submersible platforms under differentpropulsion configurationsJ.China Marine Platform，2021，俞国燕等：基于 BLF 的半潜式海洋平台自适应神经网络容错控制671021（总第 48-）火 力 与 指 挥 控 制2023 年第 6 期36（2）：40-45.2WEI H，ZHAO Y.Adaptive neural network control of amarine vessel with constraints using the asymmetric barrierlyapunov function.J.IEEETransactions onControlSystems Technology，2016，22（4）：1536-1543.3FUNG P T K.，GRIMBLE M J.Dynamic ship positioningusing a self-tuning kalman filterJIEEE Transactions onAutomatic Control，1983，28（3）：339-350.4 SORENSEN A J，SAGATUN S I，FOSSEN T I.Design of adynamic positioning system using model-based controlJ.Modeling，Identification and Control：A Norwegian Re-search Bulletin，1996，17（2）：135-151.5 王永建，杨宣访，陈永嘉.舰船动力定位系统切换控制器的设计与分析 J.火力与指挥控制，2018，43（10）：117-121.WANG Y J，YANG X F，CHEN Y J.Design and analysis ofswitching controller for ship power positioning systemJ.Fire Control&Command Control，2018，43（10）：117-121.6 TANNURI E A，DONHA D C，PESCE C P.Dynamic posi-tioning of a turret moored fpso using sliding mode controlJ.International Journal of Robust and Nonlinear Control，2001，11（13）：1239-1256.7 TANNURI E A，AGOSTINHO A C，MORISHITA H M，etal.Dynamic Positioning systems：an experimental analysis ofsliding mode control J.Control Engineering Practice，2010，18（10）：1121-1132.8 梁浩，赵东亚，赵通，等.基于高增益观测器的半潜式海洋钻井平台动力定位系统鲁棒滑模控制器设计研究 J.山东科技大学学报（自然科学版），2018，37（3）：114-122.LIANG H，ZHAO D Y，ZHAO T，et al.High-gain observ-er-based semi-submersible type offshore drilling platformpower positioning system robust sliding mode controller de-sign researchJ.Journal of Shandong University of Scienceand Technology（Natural Science Edition），2018，37（3）：114-122.9 赵通，梁浩，张贝贝，等.基于低通滤波器的半潜式海洋平台滑模控制器设计 J.山东科技大学学报（自然科学版），2018，37（4）：118-124.ZHAO T，LIANG H，ZHANG B B，et al.Low-pass fil-ter-based sliding mode controller design for semi-sub-mersible offshore platforms J.Journal of Shandong Uni-versity of Science and Technology（Natural Science Edi-tion），2018，37（4）：118-124.10 赵东亚，高守礼，梁浩，等.半潜式海洋平台输出反馈终端滑模动力定位系统 J.中国石油大学学报（自然科学版），2019，43（1）：115-124.ZHAO D Y，GAO S L，LIANG H，et al.Semi-submersibleoffshore platform output feedback end-slip dynamic posi-tioning system J.Journal of China University of Petro-leum（Natural Science Edition），2019，43（1）：115-124.11 张玉芳，刘长德.基于收缩理论的船舶动力定位自适应反步控制 J.中国造船，2020，61（4）：85-94.ZHANG Y F，LIU C D.Adaptive backstepping control ofship power positioning based on contraction theory stepcontrol based on contraction theory J.China Shipbuild-ing，2020，61（4）：85-94.12 刘志全，褚振忠.基于 ESO 的船舶航向鲁棒自适应控制 J/OL.控制与决策：1-6 2022-06-15.DOI：10.13195/j.kzyjc.2021.0327.LIU Z Q，CHU Z Z.Robust adaptive control of ship hea-ding based on ESOJ/OL.Control and Decision Making：1-62022-06-15.doi：10.13195/j.kzyjc.2021.0327.13WANG Y，WANG H，LI M，et al.Adaptive fuzzy controllerdesign for dynamic positioning ship integrating prescribedperformance J.OceanEngineering，2020，219（9）：107956.14 储瑞婷，刘志全.基于 fteso 和漂角补偿的船舶航向滑模控制 J.中国舰船研究，2022，96（1）：71-79.CHU R T，LIU Z Q.Sliding mode of ship heading based onfteso and drift angle compensation control J.China ShipResearch，2022，96（1）：71-79.15XIA G，XUE J，SUN C，et al.Backstepping control usingbarrier lyapunov function for dynamic positioning controlsystem with passive observer J.Mathematical Problemsin Engineering，2019（23）：1-9.16 SHI Q，LI X，DONG Q，et al.Composite finite-time adap-tive anti-disturbance control for dynamic positioning ofvessels with output constraints J.Ocean Engineering，2022，255：111414.17 赵伟，刘焕卫.基于严格等式约束的推力分配算法研究J.船舶力学 2021，25（4）：443-452.ZHAO W，LIU H W.Research on thrust distributionalgorithm based on strict equation constraintJ.ShipMechanics 2021，25（4）：443-452.18 郭亮琨，杨宣访，王家林.基于 fal 函数滤波的动力定位自抗扰控制器设计J.计算技术与自动化，2021，40（4）：8-13，20.GUO L K，YANG X F，WANG J L.Design of fal functionfilter-based power localization self-anti-disturbance con-trollerJ.Computing Technology and Automation，2021，40（4）：8-13，20.19 张国庆，姚明启，杨婷婷，等.考虑事件触发输入的船舶自适应动力定位控制J.控制理论与应用，2021，38（10）：1597-1606.ZHANG G Q，YAO M Q，YANG T T，et al.Adaptivedynamic positioning control for ships with event-triggeredinputJ.Control Theory&Applications，2021，38（10）：1597-1606.20 问靖，王建华，郑翔，等.基于 GPS 和 IMU 的欠驱动无人水面艇动力定位方法 J.传感器与微系统，2022，41（1）：54-57.WEN J，WANG J H，ZHENG X，et al.GPS and IMU-basedunderdrive powered localization method for unmannedsurface boatsJ.Sensors and Microsystems，2022，41（1）：54-57.21 廖成毅，杨颖，吉宇人.船舶动力定位控制策略研究综681022（总第 48-）述 J.舰船科学技术，2020，42（17）：1-5.LIAO C Y，YANG Y，JI Y R.A review of ship powerpositioning control strategy researchJ.Ship Science andTechnology，2020，42（17）：1-5.22 胡明佳.执行器故障的船舶动力定位系统容错控制D.大连：大连海事大学，2016.HU M J.Fault-tolerant control of ship power positioningsystem with actuator failure D.Dalian：Dalian MaritimeUniversity，2016.23 LIN Y，DU J，LI J.Robust adaptive finite-time fault-tole-rant control for dynamic positioning of vessels J.Inter-national Journal of Control，Automation and Systems，2009，121：1-11.24KADIYAM J，PARASHAR A，MOHAN S，et al.Actuatorfault-tolerant control study of an underwater robot withfour rotatable thrusters J.Ocean Engineering，2020，197：106929.25 王元慧，王海滨，张晓云.动力定位船轨迹跟踪鲁棒自适应容错控制 J.控制理论与应用，2021，38（2）：287-300.WANG Y H，WANG H B，ZHANG X Y.Robust adaptivecontrol for trajectory tracking of power positioning vesselsfault-tolerant control of power positioning vessel trajectorytracking J.Control Theory and Applications，2021，38（2）：287-300.26 郝立颖，韩金城，郭戈，等.带有推进器故障的船舶动力定位系统的鲁棒滑模容错控制 J.控制与决策，2020，35（6）：1291-1296.HAO L Y，HAN J C，GUO G，et al.Robust sliding modefault-tolerant control for dynamic positioning system ofships with thruster faults J.Control and Decision Mak-ing，2020，35（6）：1291-1296.27XU Z，XIE N，SHEN H，et al.Extendedstate observer-based adaptiveprescribed performance control for a classof nonlinear systems with full-state constraints and uncertaintiesJ.Nonlinear Dynamics，2021，105（1）：345-358.28 王元慧，王海滨，付明玉.性能函数约束下的动力定位船轨迹跟踪控制J.哈尔滨工程大学学报，2019，40（10）：1703-1708.WANG Y H，WANG H B，FU M Y.Trajectory trackingcontrol of powered positioning vessel under performancefunction constraints J.Journal of Harbin EngineeringUniversity，2019，40（10）：1703-1708.29 HE W，CHEN Y，YIN Z.Adaptive neural network controlof an uncertain robot with full-state constraintsJ.IEEETrans Cybern，2016，46（3）：620-629.30 LI J，XIANG X，YANG S.Robust adaptive neural networkcontrol for dynamic positioning of marine vessels withprescribed performance under model uncertainties andinput saturationJ.Neurocomputing，2021，48（1）：1-12.31SKJETNE R，SMOGELI O N，FOSSEN T I J M，et al.Anonlinear ship manoeuvering model：identification andadaptive control with experiments for a model shipJ.Modeling Identification and Control，2004，25（1）：3-27.32 须永清.半潜式钻井平台动力定位推力分配研究D.上海：上海交通大学，2020.XU Y Q.Research on power positioning thrust distributionof semi-submersible drilling rigsD.Shanghai：ShanghaiJiaotong University，2020.33 JL A，XXAB C，SYAB C.Robust adaptive neural networkcontrol for dynamic positioning of marine vessels withprescribed performance under model uncertainties andinput saturation J.Frontiers Robotics and AI，2021，8:630081.34 杜佳璐，杨杨，郭晨，等.基于高增益观测器的船舶动力定位系统的输出反馈控制 J.控制理论与应用，2013，30（11）：1486-1491.DU J L，YANG Y，GUO C，et al.High-gain observer-based ship dynamic output feedback control of force posi-tioning system J.Control Theory and Applications，2013，30（11）：1486-1491.2019，40（4）：47-50.YANG Y L，DING T B，ZHAO J C，et al.Research onanti-UAV cluster combat capability of integrated missileand antiaircraft gun J.Journal of Gun Launch Control，2019，40（4）：47-50.8 杨丽娜，曹泽阳，张建航.基于系统六元理论的电磁武器反无人机蜂群军事概念建模研究 J.军事运筹与系统工程，2019，33（3）：18-25.YANG L N，CAO Z Y，ZHANG J H.A study on militaryconcept modelling of anti-drone swarm with electromagnet-ic weapons based on system six element theory J.MilitaryOperations Research and Systems Engineering，2019，33（3）：18-25.9 闫海港，孙晓斌.海上反无人机蜂群作战概念研究 J.舰船电子工程，2019，39（11）：38-42.YAN H G，SUN X B.Research on anti-UAV swarm opera-tional concept on the seaJ.Ship Electronic Engineering，2019，39（11）：38-42.10 王浩.四种智能算法的比较研究 J.火力与指挥控制，2008，33（S2）：71-75.WANG H.Research on the comparision of four intelligentalgorithm J.Fire Control&Co