船舶航向非线性系统的自适应动态面控制

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,使得输出渐近跟踪期望轨迹;而且,跟踪误差可以通过控制器的设计参数加以调整,同时该算法还能克服可能存在的控制器奇异值问题.数字仿真结果表明,控制系统对给定航向的跟踪具有良好的动态特性,对系统的不确定性,具有较强的鲁棒性.     

基于动态面的船舶航向自适应神经网络控制

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神经网络控制器。该方法通过引入一阶低通滤波器,消除了反步法设计中由于反复对虚拟控制的求导而导致的复杂性问题,同时还避免了控制器可能存在的奇异值问题。利用Lyapunov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,还能跟踪误差通过控制器的设计参数加以调整。     

基于GD-FNN和参考模型的无人艇航向鲁棒自适应控制

为使无人艇在复杂环境干扰下能按希望要求改变航向,本文设计了一种基于广义动态模糊神经网络和参考模型的鲁棒自适应控制器.首先针对因环境干扰产生的不确定干扰项基于广义动态模糊神经网络建立了无人艇运动控制的逆动态模型,设计了模糊神经网络的自适应率以进一步调整神经网络权值,并结合无人艇运动控制模型的参考模型设计了无人艇航向鲁棒自适应控制器,然后通过Lyapunov稳定性理论,证明了基于该控制器的无人艇航向控制系统的稳定性,最后采用半物理仿真实验验证了该控制方法的有效性和准确性.     

船舶航向线性自抗扰积分滑模控制

针对能更加精确地描述船舶动态性能的Bech模型航向控制问题，构造三阶跟踪微分器，对期望航向及其微分进行精确提取，提出了一种基于线性自抗扰的积分滑模航向控制器。该控制器采用线性扩张观测器对实际航向与内外界总扰动进行在线估计与补偿；引入积分滑模面函数，设计非线性误差反馈控制律，加快系统的收敛速度。采用Hurwitz多项式，简化控制器，实现控制器参数化。由仿真结果得出，控制器能快速准确地跟踪到期望航向，对参数摄动与外界干扰具有较强的鲁棒性。该控制器设计结构简单，线性自抗扰与变结构积分滑模面相结合的控制器设计提升了控制品质。     

船舶航向非线性系统自适应动态面控制器设计

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.     

水下自主机器人航向控制算法应用研究

为了提高AUV航向控制系统的控制品质,研究基于模糊理论的参数自调整PID算法。该算法在AUV原控制器的基础上对控制器参数进行在线调整,使控制器具有了一定的自适应特性。分析模糊控制规则对控制效果的影响,提出一种基于非线性函数的尺度变换方法对模糊控制器输入数据进行处理,简化了模糊控制器输入数据的量化过程。通过湖上试验,验证了模糊PID控制算法的有效性。对比试验结果显示,改进后的算法在AUV航向控制中能够获得更好的控制效果。在大角度转向中,该控制算法的优越性明显,系统响应快,超调小,航向误差均方差小。     

用神经网络控制器对小型帆船的航向控制

本文描述了一个简单的基于神经网络的小型帆船自适应舵的控制方案.该方案采用了两个简单的双层神经网络:一个使用在线的BP算法来学习未知的帆船动态;另一个则利用前一个所学到的知识来调整它的连接权系数和偏差权系数以产生控制信号.仿真结果表明,与仔细调整过的PID控制器相比较,神经网络控制器在航向保持上与PID近乎相同,但却具有好得多的鲁棒特性.     

一种新型船舶航向智能PID控制器优化设计

借鉴免疫系统的免疫响应调节机制,对传统PID控制器进行改进,建立一种非线性自适应免疫PID控制器,并利用粒子群算法对设计的PID控制器进行参数优化.将设计的控制器用于船舶航向控制系统中,实验仿真结果表明:该控制器能很好的根据船舶动态特性的变化,自动地进行适应性免疫调节,具有跟踪速度快、航向控制超调小以及抗扰性强等优点.     

船舶航向自适应神经网络鲁棒跟踪控制

针对存在不确定性和带有完全未知时变环境扰动的船舶航向非线性控制系统,将指令滤波技术和反步法相结合,设计了一种船舶航向自适应神经网络鲁棒跟踪控制器,该控制器的提出不依赖于外部扰动任何的先验信息。首先,利用神经网络补偿船舶航向非线性控制系统中的非线性项;设计自适应律在线更新神经网络权重向量和估计时变环境扰动的未知界。为了避免传统反步法中对虚拟控制律的反复求导,引入指令滤波技术,使得所设计的航向自适应神经网络跟踪控制器具有结构简单、易于工程实现的特点。理论分析表明,所设计的控制器能使船舶实际输出航向以任意期望的精度跟踪给定的参考航向,保证船舶航向闭环控制系统中所有信号一致最终有界。最后,以大连海事大学远洋实习船“育龙”轮为例进行仿真,仿真结果验证了所提控制器的有效性和鲁棒性。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.