基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

基于非线性反馈积分滑模控制的船舶航向自动舵设计

为设计一种节能并且鲁棒性强的船舶航向保持控制器,将非线性反馈算法与积分滑模控制相结合,设计非线性反馈积分滑模控制器用于船舶航向保持。非线性反馈积分滑模控制器建立在积分滑模控制器的基础上,利用非线性函数处理反馈误差,从而达到节能的作用。证明了积分滑模曲面的李雅普诺夫稳定性,并进行了仿真实验。从仿真结果可以看出,非线性反馈积分滑模控制在不影响航向保持精度的前提下,能够降低舵力,但是,船舶的横漂运动和转艏运动会受到影响。在设计非线性反馈积分滑模控制器的同时,分析了非线性反馈算法对船舶各状态的影响,对非线性反馈算法的进一步改进具有一定的参考价值。