模型参数辨识在运动控制仿真系统的应用

船舶运动控制仿真系统是船舶开发过程中的辅助系统,能够模拟船舶在多种激励下的运动状态,有助于提高船舶运动控制系统的设计水平。本文研究的重点是一种模型参数辨识技术在船舶运动控制仿真系统的应用,本文首先建立了船舶运动仿真力学模型,利用基于粒子群算法等数学算法,针对船舶运动控制仿真系统的参数辨识等进行了优化与仿真试验。     

基于粒子群算法的欠驱动船舶航向控制研究

欠驱动船舶是指只能通过螺旋桨推进器和船舵进行水平面3个自由度运动的船舶,通常,当船舶某些执行器结构出现故障时,船舶此时具有欠驱动特征。欠驱动船舶的航行控制系统是一个典型的非线性系统,研究欠驱动船舶的运动控制不仅可以提高船舶的自动化水平,还对保障船舶的航行安全有重要意义。本文首先介绍了一种粒子群优化算法,并对该优化算法的原理和流程进行研究,然后基于粒子群优化算法对欠驱动船舶的运动控制进行研究,开发了一种基于粒子群算法的欠驱动船舶运动控制器,并进行仿真试验。     

船舶操控系统中的运动时间序列模糊推理及预报研究

在船舶的自动化操控系统中,采用智能化的运动时间管理能够极大限度提高船舶航行的安全性,同时也能够降低船员的工作强度。本文主要针对船舶运动的预测技术进行研究,采用先进的模糊推理控制算法,重点解决船舶运动的误差问题。文中对船舶运动的时间序列进行建模分析,并主要从非平稳时间序列的角度分析船舶运动控制中遇到的难题,最后对运动预测进行误差分析与仿真。     

机动情况下组合导航系统的预测精度研究

现代的船舶导航系统能够在复杂的海洋环境中实现精确的定位和导航,但当船舶处于高速机动状态时,船舶的运动状态和姿态控制系统的精确度却没有明显改善。因此,本文结合GPS导航系统,对快速运动时的船舶定位技术进行深入研究,并结合灰色小波算法和卡尔曼滤波技术,改善船舶在高速航行时的预测精度,通过建立精准的仿真验证平台,对基于该算法的预测精度进行比较研究。实验结果表明,小波算法对原始序列算法能够有效提高系统的预测精度。     

非线性模糊算法在船舶控制系统中的应用

受到海风、海浪等干扰作用力的影响,大型船舶的航向控制和稳定性控制难度较高,一直是船舶领域的研究重点。由于船舶的运动具有非线性、随机性的特点,传统的自动舵等控制技术难以满足控制精度和稳定性需求,本文介绍一种先进的算法—非线性模糊算法,基于该算法,开发了一种船舶的自动控制系统,并在Matlab软件平台中建立了船舶的运动模型和干扰作用力模型,并进行船舶运动控制精度的仿真实验。仿真实验表明,基于非线性模糊算法的船舶运动控制具有较高的精度。     

基于闭环增益成形算法和神经网络算法的船舶运动控制器设计

船舶的运动控制对于船舶航行的安全性和高效性至关重要,现代船舶向更加智能化、高速化的方向发展,对船舶运动控制提出了越来越高的要求。针对船舶数学模型的不确定性,本文采用神经网络对船舶进行运动控制。同时引入闭环增益成行算法,对船舶的运动进行闭环控制,以克服神经网络控制系统鲁棒性差的问题。选取某型船舶为研究对象,对本文设计的运动控制器进行仿真验证,仿真结果表明控制效果理想,且能够克服干扰。     

船舶执行机构的运动控制技术研究

船舶运动的执行机构包括螺旋桨、自动舵等,执行机构是一个典型的非线性控制系统。随着现代船舶向着高速化、集成化方向发展,提高船舶执行机构的运动控制灵活性、准确性,采用新型的控制理论、控制方法势在必行。传统的船舶执行机构运动控制采用机械式或者PID控制,该控制方法具有结构简单、成本低等优点,但同时存在控制精度差、时效性差、可靠性低等不足。本研究针对船舶执行机构的运动控制技术,在传统运动控制器的基础上,充分结合神经网络算法和非线性鲁棒控制技术,设计一种新型的船舶执行机构运动控制系统,显著提高船舶执行机构运动控制的精度和效率。     

基于VV＆A过程的船舶运动控制系统仿真的研究

针对当前船舶运动控制领域,仿真算法测试可信度较低的问题,将系统建模与仿真的VV&A技术引入到船舶运动控制系统仿真中,基于一种简单的VV&A过程,结合船舶运动控制系统仿真自身的特点,提出了船舶运动控制系统仿真的VV&A过程,并建立了一套船舶运动控制系统仿真实验平台,用以帮助科研工作者更加快速有效的实现VV&A过程,建立仿真可信度高的仿真系统,对于加速先进控制理论在船舶运动控制领域中的应用有着一定的实际意义.     

遗传算法在大型工程船舶运动控制的应用

大型工程船舶主要包括挖泥船、大型起重船、打桩船等,在海上作业等方面有非常重要的应用。由于大型工程船舶的吨位与体积很大,在海水中受到的作用力也相对较大,因此,研究大型工程船舶的运动控制问题具有重要的意义。本文通过建立大型工程船舶的运动模型与船舶干扰力模型,结合遗传算法和模糊算法,设计一种新型的运动控制系统,具有较高的运动控制精度和较快的控制响应。     

横浪作用下LNG船运动量小波神经网络预测模型

港口码头设计中主要考虑的问题之一是系泊船舶的运动量。首先开展了26.6万m³LNG船舶系泊运动物理模型试验,测量了船舶在试验条件下的六自由度运动量;同时,考虑船舶运动响应的主要影响因素,根据横浪作用下26.6万m³LNG船运动六分量的试验数据,构建了189组容量的训练集,基于小波分析和神经网络,研究确定三层隐含层神经元数分别为8、12和22,进而建立系泊LNG船舶运动量的预测模型。预测结果表明,小波神经网络模型具有输出多参数的算法优势,能够综合考虑系泊船非线性系统中不易量化的众多影响因素(波浪波高、周期、波长以及船舶自身特性等),给出相对精确的预测结果。小波神经网络模型在研究系泊船舶运动量预测方面具有良好适用性,可以有效地预测船舶的运动量,为实际工程设计提供参考。