人工智能技术在舰船航向混合自动控制中的应用

现有航向控制主要使用PID控制器,其主要应用于线性控制问题,而航向控制具备一定的随机性,导致常规航向控制方法稳定性较差,威胁舰船航行安全性,引入人工智能技术提出舰船航向混合自动控制方法研究。设置假设条件构建舰船运动模型,以此为基础,对运动参量进行无因次化处理,避免量纲不同对模型产生不利影响,引入人工智能技术——神经网络算法与PID控制理论进行混合应用,制定神经网络PID控制程序,执行程序即可实现舰船航向的混合自动控制。实验数据显示:在常数大于2条件下,应用人工智能技术后获得的航向控制稳定性指标大于平均水平,说明人工智能技术应用性能较好。     

人工智能技术舰船航行自动控制研究

传统舰船航行自动控制功能主要通过算法对定义舰船轨迹数据与舰船航行数据综合分析计算,根据计算结果对PID自动控制器下达控制指令来完成自动控制操作。此种控制模式受到算法定义逻辑限制存在一定的控制误差,无法真正做到舰船航行的精准控制。为解决上述问题,提出人工智能技术的舰船航行自动控制研究。首先对舰船航行轨迹进行模型计算,接着对舰船PID控制数据进行模型计算。最后,通过人工智能技术对航向轨迹与PID控制数据进行关联计算,得到精准的舰船航行控制数据。通过对比实验对提出的控制方法与传统控制方法进行对比,数据证明提出方法的控制精准度高于传统自动控制系统。     

基于嵌入式技术的舰船航向通道自动控制系统

在错综复杂的水路巷道中,舰船需要通过航向通道系统的计算,来完成对舰船航向路径的规划选定。其中,海量数据在综合计算过程中会出现信号间的相互抑制,抑制信号会转化为判定误差,造成舰船航向通道控制出现偏差。为解决上述问题,提出基于嵌入式技术的舰船航向通道自动控制系统。通过嵌入式技术,组建前端数据独立计算平台,通过数据处理硬件对多项数据进行分离计算。通过设计融合策略对独立计算后的数据进行融合分析计算,最后,通过非线性控制算法对通道数据进行自动分析判定,实现自适应的自动控制效果。通过设计仿真场景对设计系统进行数据模拟测试,并对测试数据进行对比分析得出可行性结论。     

船舶航向自动控制的蚁群优化算法

针对当前船舶航向自动控制算法存在的局限性,为了提高船舶航向自动控制的精度,提出船舶航向自动控制的蚁群优化算法。首先对船舶航向自动控制的工作原理进行分析,建立船舶航向自动控制的数学模型,然后采用蚁群算法模拟蚂蚁搜索食物机制对船舶航向自动控制的数学模型进行优化,最后进行船舶航向自动控制的仿真模拟实验。结果表明,本文方法提高了船舶航向自动控制精度,工作十分稳定,而且船舶航向自动控制的超调量小于当前其它船舶航向自动控制算法。     

非线性回波在舰船航向控制系统中的研究

针对海上舰船航向控制问题进行研究。对非线性回波特征分析在舰船航行控制上的应用进行探讨。首先对舰船航行进行数学建模分析,再对航向控制进行建模,并对雷达回波的特性进行详细分析。通过分析捕获到的雷达回波信号相位,得到相位误差信息,进而实现运动补偿,保持舰船航向。最后,以1艘大型舰船为例进行实验仿真,仿真结果证明算法的可行性。     

模糊逻辑在舰船航向自动控制系统中的应用

分析了设计舰船航向自动控制系统时面临的问题,建立了描述舰船运动的六自由度模型,给出了以模糊逻辑为基础的舰船航向模糊控制系统框图,研究在随机变化的外部扰动作用下,考虑舰船数学模型复杂动态过程与非线性时,以航向误差和误差变化率为输人变量,以舵面位置变化为控制量的二维模糊控制器构成问题,给出了模糊调节器运行参数计算方法,针对舰船摇摆和保持航向最危险的情况给出了仿真结果。     

支持向量机技术在舰船航向广义预测与控制中的应用

舰船在海上航行时,受到海浪等干扰力的作用难免会偏离既定航线,严重时甚至发生搁浅等事故,航向的广义预测与控制决定了舰船的航行效率和安全性,是船舶工业领域研究的重点。支持向量机技术是一种新型的智能学习算法,该算法在非线性系统求解、小样本、高维度系统求解领域有重要应用。本文以舰船航向预测与控制为研究对象,系统介绍了支持向量机算法,并基于支持向量机技术对船舶航向进行预测与控制。本研究对于提高舰船航向预测与控制有重要意义。     

基于航迹差和航向差的航迹自动控制算法

从研究引起航迹偏差的原因入手,对航迹偏差进行相关数理分析,对航迹自动控制结构和算法进行分析和对比。通过对目前比较流行使用的航迹自动控制结构和算法的优缺点进行比较,提出一种新的基于航迹差和航向差的航迹自动控制算法。该算法结合航迹直接控制和航迹间接控制结构的优点,不需要精确的船舶运动模型,具有结构简单、各参数物理意义明确、参数易于调整、航迹控制精度高,操舵次数少等优点。该算法在20世纪末已成功应用在某小型艇的航迹控制上,在航向受风浪干扰幅值达到4°的海况下,仍能取得在全航线上的航迹控制偏差小于5 m,平均操舵次数少于1次/2 min的效果。     

基于大数据与人工智能的舰船避碰路径优化调度算法

舰船航行路径中存在许多障碍物,当前舰船避碰路径优化调度算法存在障碍物识别正确率低、规划路径长,不仅无法获得最优的舰船航行路径,而且不能保证舰船航行的安全,为了获得最优的舰船航行路径,设计了基于大数据与人工智能的舰船避碰路径优化调度算法。首先分析当前舰船避碰路径优化调度算法的工作原理,找到弊端,然后引入大数据分析方法建立舰船避碰路径优化的数学模型,实现障碍物识别,并采用人工智能技术——遗传算法找到最优的舰船避碰路径,最后进行舰船避碰路径优化调度算法性能的仿真测试,结果表明,本文方法可以更快找到最优的舰船避碰路径,舰船避碰路径更短,不仅减少了舰船航行的时间和成本,而且可以准确识别各种舰船障碍物,具有显著的优越性。     

OceanInfo平台中舰船操纵运动控制研究

针对 OceanInfo平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于 PID控制方法的简单性和有效性,应用 PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化（PSO）算法进行控制器参数整定并进行仿真实验。实验结果表明：本文提出的改进优化算法能够实现 PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

OceanInfo平台中舰船操纵运动控制研究

针对Ocean Info平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于PID控制方法的简单性和有效性,应用PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化(PSO)算法进行控制器参数整定并进行仿真实验。实验结果表明:本文提出的改进优化算法能够实现PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

基于闭环增益成型算法和改进粒子群算法的舰船航向控制

如今,海上航线的船舶密度不断提高,且船舶的动力性能更强,速度更快,在航线拥挤的地方往往会发生船舶碰撞事故。为了提高船舶的航行安全性,有必要针对船舶的航向控制技术进行优化。本文首先研究闭环增益成形算法和改进粒子群算法的原理,建立舰船航向控制过程的动力学模型,基于这2种优化算法对舰船的航向控制系统进行研究,有助于改进舰船航向控制水平。     

舰船航向非线性控制的数学模型设计

发达国家已有舰船航向控制模型研究成果,无法适应中国舰船实际航向控制需求,存在着航向控制效果差的问题,因此提出舰船航向非线性控制的数学模型设计研究。详细分析舰船运动干扰信号,构建非线性舰船运动数学模型,选取并探究实际航向控制问题的性能指标,以构建模型与选取性能指标为基础,将舰船运动模型转换为状态方程形式,制定航向非线性控制流程,执行制定流程即可实现舰船航向的非线性控制。实验结果表明,应用构建模型后,在较短时间内实际航向可以调控到设定航向,控制舵角也能回正,充分证实了构建模型的有效性与可行性。     

基于人工智能技术的舰船轨迹规划算法

轨迹规划是保证舰船安全航行的关键技术,针对当前舰船轨迹规划算法存在规划精度低、速度慢等不足,为了获得更优的舰船轨迹规划方案,设计了基于人工智能技术的舰船轨迹规划算法。首先分析了当前舰船轨迹规划的研究现状,并构建了舰船轨迹规划的数学模型,然后采用人工智能技术对舰船轨迹规划的数学模型进行求解,搜索到最优的舰船轨迹规划方案,最后采用具体仿真模拟实验验证舰船轨迹规划算法的性能。结果表明,人工智能技术的舰船轨迹规划精度高,舰船轨迹规划速度快,获得了比其他算法更优的舰船轨迹规划方案,可以应用于实际舰船安全航行管理中。     

舰船水上纵向运动非线性数学控制模型

传统舰船控制在理论基础中以舰船水上运动的二自由度作为参数进行计算,忽略舵机伺服系统中的航向偏差,导致对航行要素的分析出现误差,因此设计一种针对舰船水上纵向运动的控制模型。首先对舰船水上运动过程中的各自由度在舰船运动坐标系中进行分析,并以向量形式的数学方程来描述纵向运动非线性舰船的状态,在驱动力上叠加一个非线性变推力,通过控制航速的方式控制舰船纵摇的幅值,设计变推力开环施加流程,经过相位改变得到相位差,精准跟踪纵摇变化纠正舵机伺服系统航向偏差。仿真实验中,分别使用传统控制模型与设计的非线性数学控制模型进行实验。结果表明,设计模型仿真结果对于各航行要素的分析误差平均控制在5%以内,具有一定有效性。     

最小二乘支持向量机的舰船航向保持非线性控制

现有的舰船航向保持非线性控制在建模过程中最多只能包含3个自由度,导致舰船航向控制不精准。为此设计一种最小二乘支持向量机的舰船航向保持非线性控制方法。首先使用局部最小二乘支持向量机对航行中的舰船进行建模,能够描述出舰船实际航行中的6个自由度,并使用等式约束代替不等式约束,引入反馈校正环节,弥补缺陷,完成模型的构建。在控制算法的设计中,使用模型训练误差均平方值代替松弛变量,且训练过程只需要求解一个线性方程组,简化了运算,使用动态抗饱和补偿器得到最优参数,实现舰船航向保持的非线性控制。通过仿真实验结果表明,使用本文控制方法控制船只的航向角和舵角,控制精度更高,效果更好。     

舰船航向非线性自适应鲁棒控制方法

舰船航行时由于存在线性干扰,使得航向控制方法鲁棒性较差。为此,提出舰船航向非线性自适应鲁棒控制方法研究。基于惯性坐标系的空间位置和姿态角,将舰船运动化为3个平面运动,建立舰船操作运动方程,依据运动方程,计算舵力及舵机特性,在考虑舵力的作用下,计算非线性控制律,去除线性干扰项,设计自适应鲁棒控制器,达到控制舰船航向的目的。测试结果表明:与传统的控制方法相比,设计的舰船航向非线性自适应鲁棒控制方法转艏角速度更接近0,且船首向角定向需要的时间更少,说明该控制方法鲁棒性更好,适合应用在舰船航向控制中。     

人工智能的舰船航行速度自动调整研究

为了更好保障船舶航行效果,有效实现在复杂海洋环境下对船舶航行速度进行有效控制的目标,提出基于人工智能的舰船航行速度自动调整方法。通过对舰船航行速度特征参数进行采集,获取船舶航行速度变化规律,并结合非线性模型实现对船舶航行速度的有效建模,减少环境干扰影响,有效降低船舶航行控制误差,保证速度调整的准确度。最后通过实验证实,本文提出的人工智能的舰船航行速度自动调整方法具有较高的实用性,充分满足研究要求。     

无线网络下的舰船航向控制系统

通过对传统舰船航向控制系统数据分析发现,控制数据信号回波补偿存在数据融合异常问题,受到非线性回波影响,现有系统硬件与算法无法处理非线性回波补偿误差问题,造成舰船航向控制稳定性降低。针对非线性特征与无线网络特征,提出无线网络下的舰船航向控制系统设计。首先利用数据融合技术,创建多数据独算处理平台;然后对硬件平台进行软件功能的算法适配,第一步对回波补偿信号进行参量特征的运动系数分析;然后根据分析结果,对误差数据点对应参量的阈值进行闭环增益优化计算,从而实现消除回波补偿误差的效果;最后在特定的仿真场景下,通过数据仿真调试,对设计系统控制数据进行对比分析,得出回波补偿误差消除报告。     

基于机器人的舰船智能导航系统设计

随着AI控制技术的发展,智能机器人的应用领域在不断扩展,针对传统舰船导航系统航迹精度控制差的不足,设计一种基于机器人的舰船智能导航系统。智能导航系统的硬件部分由AMI1086芯片、FPGA电路控制模块、AIS信号收发模块、GPS导航模块和数据存储模块等部分构成,并给出基于机器人控制的舰船导航系统的主控程序,和用于航向纠偏的脉冲信号累计控制算法,以实现对舰船海上航行的精确控制。仿真结果表明,提出系统设计在航迹偏差方面要明显优于传统系统,有助于保证舰船的安全行驶。