多约束模型预测控制在AUV深度控制中的应用

针对AUV深度控制,提出深度偏差转换为指令纵倾的算法,基于拉盖尔网络逼近的模型预测控制理论,设计了舵角舵速硬约束和纵倾软约束条件下的纵倾运动模型预测控制器。仿真结果表明,该控制方法具有良好的动态控制性能,并可快速处理多种约束条件的二次规划问题。     

潜艇垂直面运动的鲁棒控制

为了提高潜艇控制器对各种不确定性的适应性,探讨了潜艇垂直面运动的跟踪控制问题。通过研究潜艇线性化模型的状态方程,提出了一种基于混合灵敏度的鲁棒控制算法。仿真结果表明,该算法在满足控制精度的基础上,具有较好的动态特性和鲁棒性,对模型的摄动具有良好的适应性,能较好的应用于潜艇垂直面的运动控制。     

基于EKF神经网络的潜艇运动模糊控制

非线性与大惯性是潜艇运动的主要特性,基于试验模型得到的潜艇标准运动方程在很多情况下无法准确描述潜艇的运动过程,特别是当潜艇运动方程建模误差较大时,传统基于模型的控制器设计方法就显得力不从心。因此,本文提出了一种不基于模型的卡尔曼神经网络模糊控制算法,在神经网络学习训练过程中,利用卡尔曼滤波算法优越的数学特性将扩展卡尔曼滤波递推公式与RBF算法结合训练神经网络权值,根据神经网络输出的潜艇运动参数设计模糊控制器。仿真结果表明,该算法具有很好的控制精度、动态特性和鲁棒性。     

基于模糊评判的潜艇舵卡应急操纵研究分析

为了提高潜艇舵卡应急操纵的有效性和针对性,利用模糊多属性决策方法,将模糊评判应用于潜艇舵卡危险状态分析中,建立了舵卡危险程度判断的模糊评判系统。根据该系统的操艇建议进行舵卡挽回操纵。详细介绍了建立模糊评判系统的过程,并对评判结果作了细致处理。仿真结果表明,该系统具有良好的实用性。该技术为潜艇抗沉研究提供了一种新的方法。     

基于EKF神经网络的潜艇运动模糊控制

卡尔曼滤波算法是常用的优化算法之一，广泛应用于去噪、滤波、优化等方面。利用其优越的数学特性，在神经网络学习训练过程中，将扩展卡尔曼滤波递推公式与RBF算法结合，然后根据神经网络输出的潜艇运动参数来设计模糊控制器。仿真结果表明：该算法具有很好的控制精度、动态特性和鲁棒性。     

基于仿真的操舵系统故障风险分析方法

操舵系统的故障风险分析需求迫切,但传统基于经验的安全性分析技术在历史故障数据匮乏的情况下作用有限。为此,提出一种基于仿真的操舵系统故障风险分析方法。基于AMESim建立操舵系统的虚拟样机,并对其进行校核与验证以确保其可信性。进行典型故障模式的植入与仿真实验以获取故障仿真数据,并与Simulink进行运行场景的动力学联合仿真,根据仿真结果体现的安全风险对故障模式进行分类。以某型潜航器操舵系统为案例验证了所提出方法的有效性,该方法可为操舵系统及其他大型复杂机电液控制系统的故障风险分析提供参考。     

恶劣海况下船舶航向控制仿真及应用研究

船舶在海面航行时,会受到风浪的干扰.此时,船舶航向控制困难,操舵频繁.采用Kalman滤波和模糊自整定PID控制,并基于线性化船舶运动方程的线性时,不变连续时间系统的设计方法得到的船舶操纵控制器,具有抗干扰能力强、鲁棒性好的特点,有效地解决了船舶在风浪干扰条件下的船舶航向控制时的操舵频繁与无效操舵问题.