含锂电池储能的船舶电力系统模型预测控制研究

由于船舶运行的特殊性和负载波动的复杂性,严重影响船舶电力系统的稳定性,因此引入了能量存储技术,降低电网的波动。根据发电机和锂电池的状态空间模型,建立了含锂电池储能的船舶电力系统,并提出了一种基于模型预测控制的船舶电力系统。在含有负载波动的情况下,使发电机和锂电池的输出能够稳定跟随负载的变化,从而满足负载的需求。并将整个系统在Matlab/Simulink中进行实例仿真,仿真结果表明,在模型预测控制下的船舶电力系统能够很好地满足负载波动需求,明显改善船舶电力系统的稳态性能,增强船舶电网的稳定性。     

基于滑模控制算法的船舶动力定位系统控制仿真研究

针对船舶动力定位控制系统非线性的特点及控制过程难以优化,性能易随外界环境及负载变化而改变,本文提出了一种基于滑模控制算法的船舶动力定位系统控制方法。首先,探讨了动力定位系统数学模型的选取;然后介绍了滑模控制方法的原理及具体算法;最后通过Simulink对该算法进行了仿真验证,验证了滑模控制算法对船舶动力定位系统控制的有效性。     

基于改进混合蛙跳算法的船舶推力分配

为了提高船舶动力定位系统的定位精度,保障海上正常作业,本文提出了一种基于改进混合蛙跳算法的船舶推力分配方法.建立了以船舶的推进系统功率最小为目标函数,其中目标包括船舶推进器的功率消耗,推进器的磨损,推力的误差.约束条件包括推进器的推力和方向角正常工作大小以及其变化率的大小.针对传统的混合蛙跳算法的初始化和更新规则进行改进.将改进前后的混合蛙跳算法对船舶推力分配问题进行优化求解,仿真的结果表明改进后混合蛙跳算法能有效的降低船舶的功率消耗,并且提高了船舶动力定位系统的相关精度.     

神经网络在船舶主柴油机建模中的应用

该文研究用BP神经网络建立船舶主柴油机模型的方法，并对BP算法进行了改进，提出了一种动态优化学习率的方法，对6L80MC柴油机实际数据用BP网络进行计算的结果表明，该算法能有效地建立船舶主柴油机模型。该模型已成功用于船舶主机遥控仿真系统中。     

基于T-S模糊模型的船舶柴油机动态辨识

考虑到船舶柴油机模型的非线性和负载的不确定性,用T-S(Takagi-Sugeno)模糊辨识方法建立了船舶柴油机的动态模型。采用模糊聚类简化了T-S模糊规则数的确定和前提中隶属度函数参数的生成,用加权最小二乘算法得出辨识结论中的线性参数。对船舶柴油机在稳态运行工况下作小偏差工况扰动实验,得到在油门尺度和负载变化下柴油机转速、涡轮增压器转速等输出数据,利用该数据建立了描述柴油机动态性能的T-S模糊模型。仿真结果表明,利用该算法能有效地辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力等输出在小工况扰动下的变化模型。     

基于T-S模糊模型的非线性系统辨识

研究了非线性多变量系统的T-S模糊辨识问题．提出一种利用测得的输入输出数据来计算非线性动态模糊模型的方法．使用模糊聚类简化了T-S模糊规则及前提参数的生成，采用加权最小二乘算法得出结论参数．将该辨识器用于一类非线性系统的模糊辨识，并与模糊神经网络的辨识结果进行了比较，验证了所提方法的有效性．     

船舶编队预测函数控制研究

针对船舶编队的路线跟踪问题,文中采用领导-跟随方法,在坐标系Cartesian下建立船舶控制模型,分析约束条件,并利用预测函数控制方法进行船舶航向的预测和控制,可快速的完成编队任务。通过MATLAB仿真结果可以得出预测函数控制具有较好的跟踪效果。     

基于粗糙集和粒子群的双机电力系统控制

提出了电力系统稳定器(PSS)和静止无功补偿器(SVC)协调作用的新方法,该方法基于粗糙集理论和粒子群算法(PSO)之间的整合,粗糙集的作用是选择优化中涉及的最主要的控制器参数,PSO对选择的最主要的控制器参数进行优化。此方法目的是最小化计算时间和减少存储容量,从而提高电力系统稳定。实验结果表明,双机电力系统仿真分析表明基于粗糙集和PSO的有效性,此外通过此方法可以很好的减少优化的时间和信息量。     

基于MATLAB集装箱起重机防摇系统仿真

建立了一种新型集装箱堆场起重机防摇系统数学模型,对八绳防摇系统进行受力分析,通过等效简化建立了广义坐标下双起升场桥的载荷摇摆动力学数学模型,该模型能客观地再现八绳防摇系统的运行情况.同时在MATLAB的SIMULINK环境下对此模型进行了动态仿真研究,与普通集装箱场桥模型的比较表明,八绳防摇系统的摇摆幅度明显减小,具有较大的优越性.