基于航空器自主运行的空中交通复杂性建模

针对航空器自主运行模式的空中交通运行态势评估问题，本文重构了基于分布式空中交通管理系统的空中交通复杂性评价方法，并仿真验证了该方法在航空器冲突探测和自主航迹规划中的应用。首先，基于自由航路空域和航空器自主运行模式定义了空中交通复杂性，在通过三维空域栅格模型量化航空器时空位置的基础上，构建复杂度计算模型以反映航空器位置、航向、 航速对空域各栅格的实时复杂性影响；其次，基于实际管制扇区(ZSSSAR01)及高度层，分别模拟自由航路与固定航路运行模式，对比两者空中交通复杂度时空分布差异；并结合自由航路运行模式，在空中交通复杂性与航空器冲突指标(冲突率、冲突比例)相关性分析的基础上，研究空域复杂度阈值确定方法；最后，初步探究基于空域复杂度阈值进行航空器自主航迹调整的方法，评估其运行效果。仿真实验结果表明：自由航路运行模式相对固定航路运行模式可显著降低空域最大复杂度值(平均降幅119%)；模型计算得到，空中交通复杂度与空域中航空器冲突指标有强相关性 (相关系数大于0.90)；基于复杂度和复杂度阈值的航迹调整策略具备一定可行性。     

船舶航向高精度控制的数学模型与分析

原有模型保持船舶最佳航向的能力较差,导致船舶航向数学模型的控制精度降低,为此构建一个全新的船舶航向高精度控制的数学模型。该模型通过建立固定坐标系与动力学坐标系,获取二者之间的转换关系;根据控制方程得出航向模型,通过建立性能准则函数,约束船舶保持最佳航向的近似代价函数,实现高精度控制数学模型的构建。实验结果表明,与原有数学模型相比,此次构建的模型,通过约束船舶航向,规范了船舶航向的最佳位置,实现对船舶航向的高精度控制。     

基于闭环增益控制的船舶航向最优控制方法

船舶航迹与航向控制对于船舶航行安全性、稳定性有重要意义。为了提高船舶的航向、航迹控制水平,本文设计了一种基于闭环增益控制的船舶航向控制器。闭环增益控制是一种稳定性控制算法,在工业领域有非常广泛的应用。本文重点建立了船舶的运动控制模型,介绍了闭环增益控制器技术的原理与现状,并重点介绍了船舶航迹闭环增益控制器的原理。     

混合对转推进系统设计与实船应用研究

为全面深入了解混合对转推进系统实船安装对船舶性能影响,为数值仿真和性能预报提供实船参考数据,以集装箱运输船为应用对象,提出了一种把吊舱推进器集成在挂舵臂上的混合对转推进系统(CRP-POD),详细阐述了CRP-POD的系统构成、工作模式和电气控制系统实船设计方案。通过实船试验和运行数据分析,安装混合对转推进系统的船舶与同系列安装常规推进系统的船舶相比,特定航行工况下航速有2~3%的提升、回转能力有所降低、航向稳定性上优于常规船。     

基于虚拟现实技术的船舶航向自动跟踪控制方法

为解决传统船舶航向自动跟踪控制方法受外界因素影响大、控制效果差的问题,设计基于虚拟现实技术的船舶航向自动跟踪控制方法。为避免外界因素产生的影响、减小跟踪控制误差,考虑采用PID控制器,依据其控制原理引入早期修正信号;在此基础上,使用虚拟现实技术对航向节点集合进行预估,并剔除其中的不相干节点;通过虚拟现实规则中的加权因子寻找最优航向参数,结合PID控制器保证船舶实际航向与期望值一致,根据控制流程实现对船舶航向的自动跟踪控制。由实验结果可知,尽管存在外界因素的影响,但所提自动跟踪方法的控制控制精确度始终较高,能够有效为保障船舶稳定运行提供数据支持。     

互联网环境下船舶航向数据交互式智能控制方法

互联网环境下,对船舶航向数据的控制要求高,而传统方法调节速度慢、适应性差,导致最终的航向控制效果不理想,为此提出并设计了船舶航向数据交互式智能控制方法。使用线性特征反馈航向数据中的不确切控制对象,通过整合模糊参数,确定航向数据的控制规则,再融合交互式控制算法,简化计算步骤,完成船舶航向数据的交互式智能控制方法设计。仿真实验结果表明,交互式智能控制方法具有较快的调节速度和良好的适应性能,较传统方法的调节速率高21.5%,具备极高的有效性。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

船舶航向保持的鲁棒神经网络控制

设计一个N5-5-5-5-5-5-1前向神经网络,经训练得到一个开环的船舶航向保持控制器,使其能够较好地保持典型输入信号作用下的船舶航向;然后应用闭环增益成形算法,形成闭环控制系统.这种基于神经网络的航向保持方案,将神经网络的适应能力、非线性函数映射能力和闭环增益成形算法的鲁棒性结合起来,改善了系统的鲁棒性能.这种方法设计过程简单,物理意义明显.