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.     

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。     

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

船舶航向非线性系统自适应神经网络控制

提出了一种基于最小参数RBF(径向基)神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

不确定条件下基于神经网络的船舶航向滑模鲁棒控制

设计了一种不确定条件下基于神经网络的船舶航向滑模鲁棒控制算法.该算法能够有效决解模型不确定及外界扰动情况下的船舶运动控制问题.从船舶的非线性响应型运动数学模型出发,采用RBF神经网络对船舶系统函数及外部扰动进行有效逼近,再利用Lyapunov稳定性理论和Backstepping方法设计船舶航向控制器.仿真结果表明该控制算法能够很好地跟踪设定信号,并具有很好的鲁棒性.     

基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾（Norbin）非线性船舶模型,基于反馈线性化方法和由径向基函数（RBF）神经网络构建的模糊系统的逼近能力,提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术,使模糊系统的所有参数均可实时调节,引入了鲁棒控制消除模糊逼近系统带来的误差,在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定,使系统的模型跟踪误差为0,优于传统的PID控制策略,具有良好的自适应能力。     

船舶航向自适应舵的一种设计方法

根据ＰＩＤ自动舵和自适应操舵仪的控制优点，提出了船舶航向自适应舵的一种设计方法。给出了系统的结构，自适应ＰＩＤ操舵律的算法及船舶航向控制、舵令与舵角的编制方法。     

船舶航向自适应鲁棒PID自动舵设计

利用野本模型作为船舶航向控制系统的模型,在给出船舶航向自动舵传统ＰＩＤ型控制律设计方法的基础上,考虑到船舶航向控制系统模型中存在参数不确定性和外界干扰不确定性,建立含有不确定性项的船舶航向误差控制系统的状态方程,提出了船舶航向自适应鲁棒ＰＩＤ控制律算法,利用Ｌｙａｐｕｎｏｖ理论证明了所提出算法的稳定性,并且Ｍａｔｌａｂ Ｓｉｍｕｌｉｎｋ工具箱进行仿真研究。     

基于混合遗传算法优化的舵减摇模糊控制系统

将混合遗传算法应用于船舶舵阻摇，充分发挥了模糊逻辑、神经网络和遗传算法各自的优势．采用模糊系统的自适应变节点的神经网络学习模糊神经网络参数，从样本数据中获取模糊控制规则，弥补了各自的不足．仿真结果表明上述算法为改进船舶舵阻摇效果提供了一个有效途径．     

欠驱动船舶自适应迭代滑模轨迹跟踪控制

针对欠驱动船舶轨迹跟踪控制问题,考虑系统存在未知参数和外界扰动,提出了一种带强化学习的神经网络自适应迭代滑模控制方法;利用轨迹跟踪的横向和纵向误差信息构造非线性迭代滑模面,分别设计了船舶柴油机转速和舵角的神经网络迭代滑模控制器;根据船舶柴油机转速和舵角的实时测量值,计算了反映控制量抖振状态的强化学习信号,在线优化了神经网络的结构和参数,以抑制控制量的抖振,进一步增强控制系统的自适应性;建立了5446TEU集装箱船舶数学模型,分别对圆轨迹和正弦轨迹进行了跟踪控制。仿真结果表明:在风浪扰动下圆轨迹跟踪时,与迭代滑模控制策略相比,采用提出的控制策略250s左右能跟踪上目标轨迹,速度提高约1倍,最大跟踪偏航距离为250m,误差减小约30%,控制舵角在400s后基本平稳,波动幅值约为2°,舵角和柴油机转速的抖振变化幅值均减小了50%以上,柴油机转速控制参数和舵角控制参数分别在38~45和3.3~3.9之间实现了自适应调节;在正弦轨迹跟踪时,与模糊迭代滑模控制策略相比,采用提出的控制策略纵向跟踪平均误差小于20m,减小了50%以上,舵角抖振量平均幅值小于10°,减小了60%以上,柴油机转速控制参数和舵角控制参数分别在5.7~5.8和0.8~2.5之间实现了自适应调节。     

船舶航向非线性系统的输出反馈鲁棒控制

考虑船舶航向控制系统模型中存在非线性，假设模型参数和外界干扰有界的情况下，首先利用Lyapunov稳定性模型，提出了一种状态反馈鲁棒控制新算法的自动舵设计，进而考虑到实际船舶上，在进行航向控制时，并不是所有船舶运动状态都是可测的，仅有航向是可测的，采用一种高增益状态观测器对状态进行重构，提出了输出反馈鲁棒控制自动舵设计，以大连海事大学远洋实习船“育龙轮”为例，进行了输出反馈鲁棒控制自动舵设计，并利用Matlab工具箱进行了仿真研究，结果证明该算法是十分有效的。     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.     

基于PID的船舶航向控制

文章根据实船参数设计出PID自动舵,并在此基础上对控制器进行了模糊控制优化,在simulink环境下进行了仿真检验,最后对仿真结果进行了比较。结果表明,PID船舶航向控制器具有更强控制性和稳定性。     

基于柔性神经网络自适应PID的磁轴承径向力控制

针对电机磁轴承径向力控制的严重非线性,提出了利用神经网络自适应整定PID参数,从而直接调节磁轴承径向悬浮绕组电流实现转子径向稳定悬浮的控制方案.在利用BP神经网络结合PID控制实现转子径向稳定悬浮的基础上,为改善径向位移跟踪的动静态性能,提出了基于柔性神经网络的径向力控制,给出了详细的控制算法,并仿真比较了柔性神经网络控制与BP神经网络控制下转子在空载和突加负载时径向悬浮情况,仿真结果表明柔性神经网络控制具有更好的动静态性能,为智能控制的进一步应用研究提供了基础.     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

舵鳍联合减摇的鲁棒控制系统

为了在保持航向的同时,达到较好的减摇效果,提高船舶航行的安全性和舒适度,设计一种舵鳍联合控制系统。根据先验知识,用具有工程意义的带宽频率、高频渐近线斜率、最大奇异值和频谱峰值4个参数构造了闭环系统的传递函数阵,给出了多输入多输出系统的闭环增益成形算法,将之应用于舵鳍联合减摇的控制中,运用Simulink工具箱得到仿真曲线。仿真结果表明所设计的控制系统在保证航向控制的同时,船舶横摇平均在±2°左右,最大4°,达到了较好的减摇效果。     

基于遗传算法的流量差值预测模型

随着高速公路网络以及联网收费技术的发展,路网中心需对各收费站进出流量差异进行分析及预测.该文应用ELMAN神经网络,运用相关站点历史数据逼近的方法,建立了流量差值预测模型;运用遗传算法对神经网络进行优化.预测模型能基本反映流量差值的变化趋势.     

应用于质子交换膜燃料电池的数值优化方法

将具有全局搜索能力的遗传算法应用于质子交换膜燃料电池（PEMFC）扩散电极的性能优化,通过对PEMFC单体建立二维稳态数值计算模型,在ISIGHT-FD软件平台上利用径向基函数（RBF）神经网络拟和模型,在相应的设计空间内生成RBF拟和曲面,调用多岛遗传算法（MIGA）对RBF拟和进行遗传搜索,得到了阴极扩散层厚度、孔隙率和渗透率的最优值,通过优化前后的氧气浓度和输出性能比较,表明这些参数可改善气体扩散层的传质性能.     

强机动超空泡水下航行器空间运动控制面布局(英文)

针对超空泡航行器航向舵后置布局在强机动航行时舵效不足的问题,建立了一种全新的兼顾直航与机动运动的控制面布局模式,首次提出了非对称分布艏舵的超空泡航行器控制面总体方案,采用双自由度空化器作为控制面,水平偏转控制航向,上下偏转控制俯仰和深度,且在空化器下部复合抗横滚鳍片。针对某超空泡水下航行器进行了系统动态特性仿真分析,横滚剩余力矩约从0.1s衰减至0,极限横滚角小于0.1°。分析结果表明:以空化器作为艏部航行舵替代常规布局的尾部航向舵,可以显著提高舵效。