抗随机干扰的船舶动力系统混合控制方法

在随机干扰下,船舶航行的动力稳定性控制系统是一个多变量的非线性系统,通过船舶动力系统混合控制优化设计,提高船舶航行动力输出的稳定性。提出一种基于模糊PI双控制的船舶动力系统混合控制方法。构建船舶动力输出控制的约束参量模型,采用稳态误差修正方法进行船舶动力输出的误差反馈控制,结合模糊PI控制方法进行船舶动力输出的自适应调节,实现船舶动力双环自镇定反演控制。仿真结果表明,采用该方法进行船舶动力系统混合控制和输出稳定性调节,控制过程的稳定性较好,动力输出的鲁棒性较高,抗随机干扰性较强。     

随机波浪中船舶航行非线性横摇稳定性评估分析

在随机波浪中船舶航行容易产生随机扰动导致非线性横摇,为了提高船舶航行的稳定性,提出一种基于改进扩展卡尔曼滤波(EKF)的随机波浪中船舶航行非线性横摇稳定性控制方法。采用微惯性航姿调整方法进行随机波浪中船舶航行非线性横摇稳定性参量控制,根据航行姿态参量的准确估计,实现船舶横摇稳定性评估。仿真结果表明,采用该方法进行船舶航行非线性横摇控制的稳定性较好,航行姿态参量的准确跟踪能力较强,实现姿态角的实时调整,降低姿态调整误差,提高了船舶航行的安全性和稳健性。     

基于多维关键数据挖掘的船舶航行路径控制算法

船舶航行路径受到航向、速度、发动机性能参数等关键数据的影响,对路径稳定性控制较为困难,为了提高船舶航行路径控制的稳定性,提出一种多维关键数据挖掘的船舶航行路径控制算法。构建船舶航行的运动学模型,采用轴加速度计、磁力计和三轴陀螺仪等测量设备进行船舶航行路径的多维参量采集,对采集的原始参量数据进行自适应融合处理,进行船舶航行路径控制参量的量化跟踪估计,采用多维关键数据挖掘方法获得船舶航行的最优的姿态角和最优路径解析参量,实现船舶航行路径优化控制。仿真结果表明,采用该方法进行船舶航行路径控制的稳定性和鲁棒性较好,对关键数据的估计精度较高,提高了船舶整体控制的稳健性。     

基于粒子群优化算法的船舶电力系统脆性分析

为了提高船舶电力系统稳定性,提出基于粒子群优化算法的船舶电力系统脆性分析方法,构建船舶电力系统的稳定性控制约束参量模型,以电机模型参数为控制对象,通过船舶电力系统电机的转速信息和电磁转矩信息进行船舶电力系统脆性特征分析,采用PI控制算法进行船舶电力系统的输出稳定性控制,建立船舶电力系统的反馈动态补偿稳定性控制模型,结合粒子群优化算法进行船舶电力系统稳定性控制的参量自适应调节,实现船舶电力系统脆性预测和稳定性控制。仿真结果表明,采用该方法进行船舶电力系统脆性分析的准确性较好,控制稳定性较强,提高了船舶电力系统的输出鲁棒性。     

基于机器学习的航母智能减摇控制算法研究

航母在浪中航行摇动性较大,需要进行减摇控制,提高航母航行的稳定性,提出一种基于机器学习的航母智能减摇控制算法,构建航母航行的运动学模型,根据航母航行的运动学方程和动力学方程进行控制约束参量分析,采用鲁棒性参数整定方法进行航母的横滚角、俯仰角、纵向倾角等参量的融合处理,实现航行姿态参量的误差反馈补偿,采用机器学习算法进行航母航行的位姿参量的平衡性修正,提高航母航行的稳定性,实现减摇控制。仿真结果表明,采用该算法进行航母智能减摇控制的姿态参数稳定性较好,误差修正能力较强,航母摇动修正的鲁棒性较好。     

基于多船舶技术下的交通客流调度数学模型优化

在多船舶下进行交通客流调度是一个非线性的多目标规划问题,采用传统的线性调度模型会出现稳态误差。提出一种基于拟线性双曲反演控制的多船舶技术下的交通客流调度数学模型,构建多船舶技术下的交通客流调度的控制约束参量模型,采用Riccati拟线性双曲微分方程进行交通客流调度的数学建模,在渐进稳定约束泛函下进行调度模型的最优解向量分析,采用稳态补偿和自适应反演积分调控方法进行全局稳定性收敛控制,实现交通客流调度优化。仿真实验表明,采用该模型进行多船舶技术下的交通客流调度,能提高客流运输量,调度模型的全局稳定性较好,全过程自适应能力较强。     

基于机器学习的风暴中船体减摇自动化控制方法研究

针对传统模糊控制方法修正误差大、航行过程中出现风暴现象船舶的晃动程度较高的现象,提出并设计了一种基于机器学习的船体减摇自动化控制方法。结合数学模型对船舶减摇过程中所受的偏移力矩进行分析后,确定船体姿态参量的自整定性处理系数,采用机器学习方法对自动化控制算法进行优化,实现船体姿态参量的误差补偿,完成对风暴环境中船舶的自动化减摇控制。仿真实验结果表明,采用基于机器学习的自动化控制方法能够有效增强船体减摇过程中的误差修正能力,鲁棒性极强。     

基于自适应学习误差模型的船舶柴油机调速方法分析

传统船舶柴油机调速方法,存在调速误差较大的问题。导致船舶航行过程中速度控制精准度下降,影响船舶航行效率,同时为船舶航行安全留下隐患。通过对调速过程参量的分析发现,导致调速控制误差较大的根源,在于调速控制算法中的控制变量自适应性低。基于上述问题产生原因,提出基于自适应学习误差模型的船舶柴油机调速方法分析。首先对柴油机调速过程中的误差量进行模型计算,然后对误差数据网络络结构进行分析计算。最后,通过自适应学习算法,对误差结构变量进行优化,从而实现提升调速控制精准度,降低误差的效果。通过与传统控制方法的对比,证明提出方法具有解决传统方法不足的效果。     

基于神经网络算法的船舶间距快速预测

保证船舶航行的畅通性是船舶海上交通智能化发展的关键。本文利用BP神经网络自适应能力强、自组织学习等优点进行船舶间距快速预测,通过船舶间距预测可以提高海上交通信号控制的效率,保证船舶航行的稳定性和安全性,最后的实验结果表明本文算法误差小,可靠性高。     

基于分数阶PI~λD~μ的船舶航向控制

船舶在海上航行时受到海风、海浪和海流等环境扰动作用,这造成在不同航速下船舶动力学模型的参数不确定性,本文对船舶本体运动和风浪流干扰进行建模,提出一种基于分数阶PI~λD~μ的抑制风浪干扰的的航向控制算法,并与传统PID算法进行对比,针对某型船舶动力学模型在6级海风和5级海浪海况下进行对比数字仿真。仿真结果表明,该算法在不同航速下具有较好的控制品质和鲁棒性,对风浪干扰具有良好的适应性,可应用于船舶的航向控制,易于工程实现。