基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

马尼拉修正案下“船舶值班与避碰”实践教学课程创新

针对当前"船舶值班与避碰"课程教学形式单一、教学方法缺少创新、不适应STCW公约马尼拉修正案新要求的问题,从制订课程教学计划、搜集及选取船舶案例、编订实践实训手册等方面探讨"船舶值班与避碰"实践教学课程的开展模式,并具体讨论雷达避碰、船舶事故分析和驾驶台航行等实践教学。     

基于船舶领域的内河船舶避障方法研究

针对内河船舶避障问题,引入船舶领域方法,并运用内河领域模型进行避障仿真研究。仿真结果表明,该方法切实可行,能达到较好的避障效果。     

基于逆推算法的无人艇神经网络滑模控制

设计一种基于逆推算法的无人艇神经网络滑模控制器,实现了无人艇在大幅度改向操纵运动中航向准确稳定快速跟踪.借助滑模变结构控制技术,设计系统带有积分器的滑模面,引入径向基神经网络逼近系统非线性函数和不确定参数,同时结合非线性阻尼定律克服外界有界干扰,最后利用逆推算法设计出系统控制律.仿真实验结果表明,径向基神经网络能精确逼近船舶非线性函数和不确定参数,控制器输出平滑无抖震,航向输出对船舶参数摄动及外界干扰不敏感,具有较强的鲁棒性.     

船舶运动路径跟踪迭代滑模控制设计

针对欠驱动船舶带有的内部不确定、外界干扰下路径跟踪控制问题,提出基于差分进化算法的自适应迭代滑模跟踪控制方法,以提高控制系统性能.以分离型船舶非线性模型为基础,利用绝对有界的双曲正切函数进行迭代滑模面设计.计算机仿真验证了该方法的可行性.     

变频调速起重机运用与实践

阐述变频调速起重机工作原理、与传统起重机相比的优势以及如何做好变频调速起重机的运用工作.并针对变频调速起重机的常见故障提出了解决方案.     

基于新型滑动模态和观测器的船舶自动舵设计

设计一种新型准滑动模态船舶自适应自动舵,该自动舵可以克服模型参数未知和外界扰动,具有较强鲁棒性。为克服滑模面切换带来的抖振,在指数趋近律的基础上,提出一种新型的双曲正弦函数的指数趋近律,使轨迹的运动速度与轨迹和滑模面的距离相关联,实现自适应调节,使切换平缓;同时利用状态观测器对船舶模型参数及外界干扰进行观测,从而实现有效补偿;最后借鉴Backstepping方法设计船舶航向滑模控制器。通过对一具体船舶航向控制器的仿真,验证了上述方法的有效性。     

狭水道追越局面下的船舶避碰建模

为了解决在狭窄水域船舶追越情况下的避碰问题,提出了一种狭水道追越局面下的船舶转向避碰模型.在航道规划设计规范的基础上对狭水道四元船舶领域进行重塑,构建符合航道内航行船舶最小船舶领域模型,进而确定船舶追越时的安全通过距离;其后,在船舶操纵运动数学模型的基础上,结合船舶转向避碰几何模型确定避碰行动目标,即最近会遇距离(DCPA)和最近会遇时间(TCPA),使得上述两个避碰行动指标满足避碰实际(DCPA值大于等于Ship Domain,TCPA值尽可能大).仿真实验表明采用该模型进行追越避碰时,追越船追越运动轨迹符合航行实际,与被追越船保持的最小横向距离为80 m,与浅水区保持的最小横向距离为55 m.