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。     

一种基于BP神经网络的潜艇自动舵探讨

针对潜艇自动舵的控制特点和要求,利用BP神经网络的学习和逼近功能,设计了潜艇自动舵的多输入、多输出自动舵控制模型,并对其训练后加入到潜艇运动模型中进行了仿真测试。仿真结果表明,该控制器具有理想的控制效果。     

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。     

基于灰色预测的潜艇垂直面运动控制

由于潜艇运动具有大惯性、大时延和非线性等特点,在外界干扰下,传统的PID控制器不能及时进行参数调整,将出现无效操舵、操舵幅度过大等现象。本文根据潜艇垂直面运动特点,设计一种基于灰色预测模型的潜艇垂直面运动控制器,采用灰色模型对潜艇深度和纵倾偏差进行实时预测,并将预测值应用于改进的PID控制器。仿真结果表明,该控制器比传统的PID控制器具有更好的动态特性,并能有效地减少无效操舵和操舵幅度过大等现象。     

卡尔曼滤波在潜艇垂直面运动控制器设计中的应用

潜艇低噪声操纵存在无效用舵现象。简要介绍了滤波信号的表示形式,在潜艇垂直面线性运动方程的基础上,得出了滤波信号的系统模型,并对其进行了离散化处理;将均方差最小线性递推滤波算法引入到输入信号的控制过程中,通过仿真证明对输入信号进行卡尔曼滤波能够提高输入信号的品质,用于工程应用。     

潜艇指挥决策控制模型及仿真研究

在分析模糊神经网络(FNN)结构的基础上,根据潜艇指挥决策控制的特点,提出了利用模糊神经网络建立潜艇指挥决策控制模型.潜艇指挥决策控制过程是一个典型的模糊过程,模糊神经网络能够较好地处理模糊信息,并具备模糊推理能力.文中给出了适应潜艇指挥决策控制特点的模糊神经网络结构,推导了模糊神经网络学习算法,并探讨了基于模糊神经网络的潜艇指挥决策控制模型在潜艇指挥控制系统中的应用.     

尔曼滤波在潜艇垂直面运动控制器设计中的应用

潜艇低噪声操纵存在无效用舵现象.简要介绍了滤波信号的表示形式,在潜艇垂直面线性运动方程的基础上,得出了滤波信号的系统模型,并对其进行了离散化处理;将均方差最小线性递推滤波算法引入到输入信号的控制过程中,通过仿真证明对输入信号进行卡尔曼滤波能够提高输入信号的品质,用于工程应用.     

基于神经网络的潜艇大机动水动力表达方式

基于BP神经网络技术对潜艇大攻角机动运动水动力的表达方式进行了研究.所建网络具有循环强化以及自适应设计最佳隐层单元数的特点.应用Bayesian正则化算法进行网络训练,结果表明,这种方法训练的网络具有较高的泛化能力和准确性,适合于表达样本数据较少且非线性强烈的潜艇大攻角机动运动水动力.     

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.     

基于SR-UKF的潜艇水动力系数辨识方法

[目的]针对潜艇运动模型中水动力系数难以准确获取的问题,采用平方根无迹卡尔曼滤波(SR-UKF)算法进行系统辨识.[方法]首先,以潜艇垂直面运动非线性数学模型为基础,结合SR-UKF算法,建立潜艇垂直面水动力系数辨识模型;然后,利用自动操舵控制潜艇在垂直面进行类正弦机动,将运动仿真生成的数据作为SR-UKF参数辨识的输...