基于模糊神经网络的动力定位系统

针对船舶动力定位系统，采用神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程，并且采用BP算法进行网络学习；同时针对船舶的纵向运动进行了仿真、比较与分析。仿真结果表明，这种模糊神经网络对船舶的动力定位实施的可行性及有效性。     

动态模糊神经网络在船舶动力定位中的应用

在前向模糊神经网络的归一化层和输出层之间加入递归层,形成的一种新型动态模糊神经网络(DFNN)具有动态映射能力,从而对动态系统有更好的响应.文章还推导了基于BP的反传学习算法.运用DFNN对船舶动力定位控制进行的仿真实验结果证明了该方法的有效性.     

船舶动力定位中的模糊控制器优化技术

动力定位系统是一种闭环控制系统，采用推力器来提供抵抗风、浪、流等作用在船上的环境力，从而尽可能使船舶保持在海平面要求的位置上。在传统模糊控制的基础上，将遗传算法引入模糊控制器的设计当中，根据已知的模糊控制规则，对模糊隶属度函数自动寻优，该方法用于船舶动力定位中，对船舶纵向运动进行控制与仿真，仿真结果证明遗传算法优化的有效性。