船舶航向不对称信息理论与非线性逆推鲁棒控制算法

应用不对称信息理论和鲁棒控制算法简化非线性逆推算法,针对非线性船舶航向保持系统,设计了其Backstepping逆推控制器,由非线性函数项和常规线性控制器组成,将简化的Back-stepping法与闭环增益成形算法相结合,设计其非线性鲁棒控制器。通过非线性鲁棒控制器的控制能够使船舶无超调、无静差地跟踪设定航向,调节时间为600 s,符合船舶航行的实际情况,控制效果良好;当系统增加干扰后,系统的控制输出除了因干扰产生的抖动外,其跟踪性能仍然较好,航向输出无静差,说明控制器具有一定的鲁棒性;是否全部对消非线性项,对其控制效果相差不大,说明当模型发生参数摄动时,系统的控制性能仍能保证。     

带有UKBF的船舶动力定位预测控制器设计

为了精准设计水面船舶动力定位控制系统,将无迹卡尔曼布西滤波与非切换解析模型预测控制方法相结合提出一种预测控制器的设计方法.采用无迹卡尔曼布西滤波算法解决非线性连续系统的滤波问题,获取船舶运动状态的估计值;结合相对阶概念,根据船舶运动非线性模型,应用非切换解析模型预测控制方法设计动力定位非线性控制器,使船舶保持在指定位置.研究结果表明:设计控制器的输出较为平滑,有利于减少推进器磨损;设计控制器使船舶北向位置调节时间小于40 s,超调量小于5%,东向位置调节时间小于60 s,超调量小于5%,艏向角度的最大偏移量小于1.5°,令船舶快速到达了指定位置.      

带有干扰观测器的欠驱动船舶路径跟踪非线性模型预测控制

针对欠驱动船舶提出了一种非线性路径跟踪控制器,使其能够在风、浪、流等环境干扰下驶入预定的航行路径.欠驱动船舶以恒定前进速度航行,并且其合速度与参考轨迹相切.该控制器的设计使用了解析模型预测控制和干扰观测器技术,其中非线性观测器用来估计环境干扰.在最优路径跟踪控制器的作用下,路径跟踪误差渐近收敛到零.数值仿真结果验证了该控制器的有效性.     

船舶进出港低速航向保持

为了在船舶进出港时,船舶处于浅水域并以低速航行,在风、浪等强扰动作用下,增强航向控制性能,减小能源损耗,选择三阶Nomoto模型,将航速和水深变化反映到模型参数的变化上,基于闭环增益成形算法设计出一种具有适应性的鲁棒PID控制器,建立基于风、浪干扰的非线性船舶运动数学模型,并用S函数来实现。用PID控制器对非线性船舶运动数学模型进行控制,在Simulink环境中对各种水深、船速及海况进行航向控制仿真。从仿真曲线可看出其航向跟踪效果良好,静差为0,且施舵合理,所设计的控制器对非线性船舶运动数学模型具有良好的控制性能。     

船舶航向非线性系统的模糊神经网络智能控制器设计

船舶航向控制系统具有典型的非线性和不确定性特性，并受自动舵执行能力的约束，这使得作为船舶智能化基础的航向控制极具挑战性。首先分析了船舶航向运动特性，给出带有舵约束的航向运动非线性数学模型；然后以模糊神经网络为控制器结构，在噪声加入和参考轨迹设置算法的支持下使用遗传算法对控制器参数进行自动搜索和优化，设计一种船舶航向智能控制器；最后对航向控制进行仿真。结果表明，所设计的航向智能控制器对船舶参数摄动和扰动具有良好的鲁棒性能。     

基于自适应动态面的航向跟踪控制器设计

针对船舶航向控制非线性系统模型中存在的不确定性和外界干扰的影响,采用动态面控制算法设计了一种鲁棒自适应控制器。由于在反步法设计过程中加入了一阶低通滤波器使得该方法无需对模型非线性多次微分,因而设计方法简单。所设计的鲁棒自适应控制器不仅能保证闭环系统的半全局渐近稳定,使得输出渐进跟踪期望轨迹;而且,跟踪误差可以通过控制器的设计参数加以调整。以中远集装箱船COSCO Shanghai号为例进行仿真研究,结果证明所设计的控制器是有效的。     

基于遗传优化径向基神经网络的船舶航向控制

设计了一种基于遗传算法优化径向基神经网络的船舶智能自动舵.针对船舶航向控制过程中的非线性和不确定性,将RBF网络直接逼近船舶模型内部不确定项和外界扰动,借助李雅普诺夫理论推演控制系统渐进稳定.利用遗传算法对径向基神经网络进行优化提高逼近性能.对比仿真结果显示,同等条件下,上述控制器较一般自适应控制和模糊PID控制系统稳定时间普遍快40%,平均超调量缩小100%,控制输入舵角进一步平滑稳定,且船舶航向对船舶内外部干扰不敏感.     

欠驱动船舶非线性滑模靠泊控制器

为了准确控制典型靠泊操纵,分析了带有加速度非完整约束的欠驱动水面船舶的自动靠泊问题,设计了动态输出反馈控制器。利用递归分解迭代设计方法,在扩展状态空间定义了非线性滑模,将控制系统的轨迹设计与跟踪问题转化为标量零阶系统的镇定控制问题,结合增量反馈技术,无需对不确定模型参数以及风、流干扰进行估计,完成典型靠泊操纵的自动控制。仿真结果表明:控制器对干扰变化不敏感,具有强的鲁棒性,且船舶平面运动轨迹设计过程简单,可以仅通过一个参数进行轨迹调节。     

基于逆推算法的无人艇神经网络滑模控制

设计一种基于逆推算法的无人艇神经网络滑模控制器,实现了无人艇在大幅度改向操纵运动中航向准确稳定快速跟踪.借助滑模变结构控制技术,设计系统带有积分器的滑模面,引入径向基神经网络逼近系统非线性函数和不确定参数,同时结合非线性阻尼定律克服外界有界干扰,最后利用逆推算法设计出系统控制律.仿真实验结果表明,径向基神经网络能精确逼近船舶非线性函数和不确定参数,控制器输出平滑无抖震,航向输出对船舶参数摄动及外界干扰不敏感,具有较强的鲁棒性.     

基于模糊线性模型的舵减横摇广义预测控制

舵减摇技术是一项新的减摇技术,通常其控制器设计所用的舰船模型为通用线性模型,对实际上为非线性被控对象的控制性能要下降.文中依据非线性舰船模型,应用模糊神经网络简化出适应于舵减横摇控制器设计的模糊线性模型,并设计了广义预测控制器.在典型航行工况下进行系统仿真.仿真结果表明,针对模糊线性模型和通用线性模型,用同一种方法与参数设计的2个控制器,前者的减摇率可达到40.70%,要高于后者的25.38%.仿真证明了模糊线性模型的可用性.     

船舶航迹迭代非线性滑模增量反馈控制算法

分析了带有状态变量及控制输入约束条件的欠驱动船舶航迹控制问题,结合增量反馈技术,对控制系统输出进行动态非线性滑动模态分解迭代设计,提出了一种基于分解迭代非线性滑模的船舶航迹增量反馈控制方法,以避免定常干扰引起的稳态误差及变结构控制的抖振问题,无需对不确定风、流干扰以及模型参数进行估计,能够同时稳定船舶的航向和航迹。应用“育龙”轮的系统模型进行了仿真,结果表明,控制器对系统参数摄动及外界干扰不敏感,具有强的鲁棒性,且其设计参数物理意义明显,易于调节。     

基于PI控制器的船舶加速过程负荷控制

在Matlab/Simulink软件中建立了某"柴-燃"联合推进系统仿真模型,利用实船试航数据对模型的准确性进行了验证,对现行的加速过程控制方法进行了仿真和机动性评估.针对应急加速过程中主机严重超负荷、正常加速时主机功率冗余过大及机动性差的问题,提出了用PI控制器设计加速过程"机-桨"联合控制的方法.该方法用主机的功率冗余量作为控制器的输入,对加速过程中主机的转速和螺距的增加率进行调控.研究结果表明,使用该方法对加速过程进行控制时,避免了主机超负荷工作,且航速增加率比现行控制方法的航速增加率提高了近70%.      

非自航工程船舶智能定位系统的开发研究

针对非自航工程船舶动力学模型难以精确建立，定位控制精度不高的问题，提出了一种基于模糊控制技术的工程船舶定位控制系统，重点探讨了模糊控制器的设计．经实际项目的验证，其控制精度满足施工要求．同时结合实际应用中的问题，对模糊控制器作进一步改进，使其控制精度得到提高．     

一类非线性系统的神经网络内模优化控制

研究一类可用Ｈａｍｍｅｒｓｔｅｉｎ模型描述的ＭＩＳＯ非线性系统的优化控制方法，提出一种基于前向神经网络的Ｈａｍｍｅｒｓｔｅｎ模型，以描述ＭＩＳＯ非线性对象并给出具有内模结构的优化控制器设计方法，从而实现了在稳态优化与动态优化双重指标下的设定值闭环优化控制。针对汽油管道调合系统进行的仿真实验，验证了该方法的有效性。