自适应控制技术在船舶编队中的应用与实现

在海洋上航行的船舶越来越多,尤其在狭小航道中,船舶的有序编队航行尤为重要。为应对这种发展要求,需要解决船舶编队航行中遇到的通讯控制难题。本文探讨船舶编队航行的特点,并建立相应的船舶动态航行模型。利用神经网络算法,建立具有自适应控制能力的船舶编队控制模型。通过对动态非线性航行的仿真和分析,本文提出的自适应控制技术能够满足船舶编队航行的运动控制要求,在船舶跟随和扰动响应上性能优越,具有良好的市场应用价值。     

基于支持向量机模型的船舶航行广义预测控制

船舶操纵一直是船舶运动控制的研究重点,它与航行安全、能源节约和操作省力密切相关。模型是研究船舶运动控制的基础,本文鉴于船舶的动态具有大惯性、大时滞、非线性等特点,采用了基于结构风险最小化原则的神经网络———支持向量机对船舶进行建模,在建模中充分发挥支持向量机可以任意逼近非线性模型的良好特性,解决对船舶航向预测的问题。进而通过建立预测模型,并结合广义预测控制的算法达到航向保持的目的,且具有较好的稳定性和鲁棒性。     

基于闭环增益控制的船舶航向最优控制方法

船舶航迹与航向控制对于船舶航行安全性、稳定性有重要意义。为了提高船舶的航向、航迹控制水平,本文设计了一种基于闭环增益控制的船舶航向控制器。闭环增益控制是一种稳定性控制算法,在工业领域有非常广泛的应用。本文重点建立了船舶的运动控制模型,介绍了闭环增益控制器技术的原理与现状,并重点介绍了船舶航迹闭环增益控制器的原理。     

自抗扰控制算法在船舶自动操舵仪中的应用研究

自动柁仪作为船舶中重要的操纵设备,在船舶航行的经济性、安全性等方面发挥着重要的作用。由于船舶模型具有时滞长、惯性大等特性,同时,船舶运动会受到海浪、海风、洋流等外界因素的干扰,传统的控制方式已经无法满足航运业的要求。本文对船舶运动模型和控制器进行研究,引入自抗扰控制算法以提高船舶自动操舵仪的控制性能。     

船舶直线航行控制技术综述

直线航行是船舶运行的重要形式之一，对于降低船舶运营成本，提高船舶航行效率、缩短航行时间具有重要的意义。然而，在实际航行中，直线航行会受到诸多因素的限制。首先，船舶的航迹模型具有较强的非线性特性，传统闭环控制策略很难处理这一复杂的系统；其次，船舶航行系统为典型的欠驱动系统，即此类系统的控制变量比控制输入的数量多，进而增大了控制器设计的难度；第三，通常情况下，船舶的运行环境较为恶劣，易受到风浪等因素（如航行中会受到风流压差角）的影响，从而导致船舶实际航迹偏离期望的航行路线。因此，设计高性能的航行控制器，保证船舶的直线航行、节约船舶运营成本具有十分重要的意义。本文主要介绍船舶航行的非线性模型和航行控制器设计中常用的理论技术，为实际中船舶航行控制器设计提供有价值的参考依据。     

船舶自动航行系统的研究--船舶改向运动的控制与实现

本文应用动态规划理论和最优控制理论 ,对航行环境的复杂性和可变性而导致的船舶自动航行系统不确定性作出综合决策和控制 ,并对改向决策后的船舶操纵运动控制问题进行了探讨 ,为船舶航行自动化的实现提供理论思路和方法。     

基于PID算法的船舶航迹自动控制方法

由于当前船舶航行环境日益复杂易造成船舶航迹偏离等问题,一旦船舶偏离航行易造成严重的安全问题,因此对船舶航迹进行精准控制的要求也越来越困高。由于传统方法缺失自动校正航线等功能,对船舶航迹进行控制仍存在延时、误差等问题,不利于船舶进行准确航行。为了实现船舶航迹自动控制的功能,结合PID神经网络算法对船舶航迹控系统进行优化,基于模糊算法对船舶航行参数进行控制和调整,以便提高船舶沿航线进行准确航行,同时在船舶偏离航线时及时进行检测和校正保持船舶沿标准航迹航行。为检验该方法的有效性,进行了仿真实验,实验结果证明基于PID算法的传播航迹自动控制方法有利于准确保障航迹,自动对船舶航行数据进行分析和矫正,保持船舶控制系统的良好性能。对我国航海战舰控制航迹有一定的指导意义。     

基于AIS大数据的南京长江大桥水域规律航迹研究

南京长江大桥水域通航环境复杂,安全风险高。掌握船舶航行规律,对桥区水运安全监管及航道优化具有重要意义。利用船舶自动识别系统（AIS）大数据,采用自动化并行航迹密度计算方法,识别出不同大小的船舶在不同水期的规律航迹分布,并结合多源数据分析其时空变化特征。通过研究发现大桥水域船舶航行总体符合航行规则;相比小型船舶,大型船舶航行更加规范,通过桥孔时位置更居中,和桥轴法向夹角更小,主航迹带与航道重叠度更高;洪季受水流作用影响,船舶航迹较枯季整体偏北,随水位降低呈逐步向南演变的趋势。     

人工智能的航迹控制方法研究

在船舶自动化和电气化的发展历程中,航迹控制作为一项非常重要的功能,正受到越来越多的研究。航迹控制系统中的核心部件之一自动舵,正向着高速化和集成化方向发展。由于海洋环境越来越复杂,天气变化多端,船舶的航行安全受到了更多的威胁,急需一种高性能的自动舵航迹控制系统。本文正是基于这项需求,开发出了基于人工神经智能算法的航迹控制方法,此算法具备了强鲁棒性、自适应性和高可靠性。从仿真结果看,本控制方法的性能优越,易于推广使用。     

基于高阶常微分方程的复杂水域船舶航迹精准预测研究

船舶航迹预测是其避障、导航的基础,精准的航迹预测可提升船舶在复杂水域航行的安全性,为此研究基于高阶常微分方程的复杂水域船舶航迹精准预测方法。该方法利用AIS系统采集船舶航行行为动态观测样本后,构建该船舶航行行为动态观测样本的高阶常微分方程预测模型,使用四阶龙格-库塔方法求解该预测模型,得到船舶航行动态观测样本预测值后,利用最小二乘法对其进行拟合处理,得到船舶航迹曲线。实验结果表明,该方法可有效采集船舶在复杂水域航行时的航速、船首向等行为动态观测样本,预测船舶航迹点和拟合后的航迹曲线均与其实际数值吻合,预测精度较高。