基于GD-FNN和参考模型的无人艇航向鲁棒自适应控制

为使无人艇在复杂环境干扰下能按希望要求改变航向,本文设计了一种基于广义动态模糊神经网络和参考模型的鲁棒自适应控制器.首先针对因环境干扰产生的不确定干扰项基于广义动态模糊神经网络建立了无人艇运动控制的逆动态模型,设计了模糊神经网络的自适应率以进一步调整神经网络权值,并结合无人艇运动控制模型的参考模型设计了无人艇航向鲁棒自适应控制器,然后通过Lyapunov稳定性理论,证明了基于该控制器的无人艇航向控制系统的稳定性,最后采用半物理仿真实验验证了该控制方法的有效性和准确性.     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程.为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构.通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果.实验结果表明,所设计系统控制效果好,不易受外界环境的干扰.     

动态模糊神经网络在船舶航向控制器上的应用

当船舶在海湾、海峡等狭窄海域行驶时,对于船舶航向控制器的可靠性和灵活性均有较高的要求,由于船舶模型的参数受到航速和载重量的影响,因而无法保证航向控制的精确性。本文提出一种船舶模型控制与动态神经网络相结合的方法,提高船舶航向控制器的控制精度和可靠性。设计一种零稳态误差控制器对船舶航向进行控制,同时利用模糊神经网络确定闭环控制系统的极点,并用仿真证明本文提出的方法具有较高的精确性和可靠性。     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程。为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构。通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果。实验结果表明,所设计系统控制效果好,不易受外界环境的干扰。     

船舶航向的自适应神经模糊控制系统

针对模糊控制器中的量化因子、模糊规则等难以人工整定的困难,文中提出了一种基于自适应神经模糊推理系统(ANFIS)的船舶航向控制算法,利用船舶航向模糊控制器两端获取的数据来训练ANFIS控制器,并将其控制效果和船舶航向模糊控制器的控制效果进行了比较,仿真结果表明,在不同风速和流速干扰作用下,基于ANFIS的航向控制器无论在超调量、响应时间和稳态误差方面都具有更好的控制品质,在干扰下仍然能够满足船舶航向实时控制的要求.     

船舶航向模糊控制及仿真研究

根据船舶操纵控制过程中,存在非线性、慢时变、复杂干扰的特点,设计了一个带模糊积分的船舶航向模糊控制器,使船舶在干扰变化情况下,模糊控制不仅能较好地实现航向保持,而且能获得较好的操纵性能;仿真结果表明,带模糊积分的船舶航向模糊控制器的控制比常规PID控制具有更强的环境适应性.     

基于时标分离的喷水推进船舶航向/航速控制

针对喷水推进船舶机动过程中的航向控制和航速损失的问题,提出一种基于时标分离的航向航速控制系统结构,将航向和航速之间的耦合归结为系统之间的干扰,利用反步法在不匹配不确定系统设计中的优点,以及滑模控制对系统干扰的抑制能力和动态逆对反步设计中逆求解精确性的提高能力,分别设计航向反步滑模控制器和航速反步动态逆控制器,解决船舶机动过程中航向和航速的稳定控制问题.     

基于BP神经网络的PID船舶自动舵

船舶操纵的模型具有非线性,慢时变特性,传统船舶自动舵的性能不能令人满意。基于传统PID自动舵的基础上,把传统PID与BP神经网络结合起来,利用BP神经网络的自学习能力实现PID控制参数的在线整定,构成一种新型的船舶航向自动舵。分无干扰和在风,流,浪干扰两种情况进行MATLAB仿真,来说明这种船舶航向控制自动舵的优越性。     

Backstepping在船舶航向自适应鲁棒非线性控制器设计中的应用

船舶航向控制器在船舶整体控制系统中发挥着重要作用,是船舶安全稳定航行的关键。考虑到航行过程中外界干扰具有诸多不确定性,以及船舶控制存在非线性,本文利用Backstepping的设计方法,结合自适应鲁棒控制,提出带有积分器的航向控制器控制方案,并应用到船舶航向控制器的设计中,仿真结果证明该方案下的控制器有效性良好。     

基于减聚类-自适应神经模糊推理的船舶航向保持控制设计

为解决船舶在非线性和不确定性条件下的常规航向保持控制参数难以确定和性能较差的问题,提出一种基于减法聚类和神经模糊推理系统(SC-ANFIS)的船舶航向保持控制设计。基于鲁棒PID控制,借助减法聚类算法的学习能力对输入样本进行聚类分析,优化模糊量化和模糊规则,继而用神经-模糊推理的方法解决船舶的不确定性问题和非线性控制问题;同时,为避免维数灾难等问题发生,采用多维隶属度函数设计一种可在线自调整的基于SC-ANFIS的航向保持控制系统,并设计仿真试验进行对比分析。仿真试验结果表明,在存在模型参数摄动和干扰的情况下,基于SC-ANFIS的航向保持控制系统可行、有效,能取得良好的控制效果。     

船舶航向模糊自整定操舵控制器的研究

船舶航向操舵控制是个典型的非线性系统,而工程上经常使用的常规PID(Proportional Integral Differential)控制器则为线性控制,至于模糊控制虽为非线性控制,但稳态精度不高。将常规PID控制与模糊控制相结合,基于Norrbin非线性系统模型和模糊自整定PID控制器的设计步骤,提出一种新的船舶航向控制算法,即船舶航向模糊自整定操舵控制器,并针对5 446标准箱的集装箱船舶,用Matlab进行了仿真计算。仿真结果表明,该控制算法可以使船舶航向控制从动态和稳态上都具有较好的精度,跟踪响应迅速,超调量小。     

基于遗传算法的模糊控制型船舶自动驾驶仪研究

该文分析了常规船舶自动驾驶仪存在的缺陷,针对船舶操作这种非线性、时变参数的控制对象,提出了一种基于遗传算法的模糊控制型和Bang—Bang控制相结合的控制系统,提高了模糊控制系统的精度;最后,通过仿真将模糊型船舶自动驾驶仪与基于遗传算法的模糊控制型船舶自动驾驶仪的性能作了比较,结果表明该文所提出的方法控制性能良好。     

基于BP神经网络自适应控制系统的改进与优化

本文针对BP(Back Propagation)神经网络在控制系统应用中存在的一些诸如收敛速度慢、局部极小点等不足,提出了附加动量法以及自适应的学习速率法等算法,并对该算法的原理模型以及工作流程进行了研究和设计,同时对该算法在PID自适应控制系统中应用进行了改进和优化.     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于改进的神经网络的船舶碰撞危险度的模型

针对船舶碰撞危险度具有模糊性、不确定性等特点,依据模糊理论方法建立的船舶碰撞危险度的数学模型,直接采用来船航速、来船航向、来船对本船的相对舷角和来船对本船距离作为神经网络的输入,采用Levenberg-Mrquardt优化算法这种改进的BP神经网络进行训练和仿真,并与标准BP算法和动量BP算法进行比较,发现经过改进的网络求得碰撞危险度比标准BP算法和动量BP算法具有更好的效果,网络能够更有效收敛,大大提高了网络的收敛速度和泛化能力。     

基于混合遗传算法的无人船自动航向控制方法

本文针对无人船航向控制提出了基于模糊及遗传算法的控制策略。考虑无人船航向控制,以及无人船航向控制具有强非线性和不确定性,本文将智能策略和常规策略作为无人船航向的舵角控制作为主要控制框架。通过导引律计算期望的角度,并根据自主船的无人船航向控制动态模型进行分析。该模型考虑了舵和船舶推进系统的物理阈值,提出了一种适用于不同无人船航向控制的自适应控制算法,借助增益调度方法(GS),利用PID控制器和遗传算法(GA)对不同的操作点进行全流程的(GS-PID-GA)混合优化。通过真实数据比例缩小进行模型实验并与传统控制方法进行比较,验证了所提出的控制方法的有效性。     

模糊神经网络控制在调速系统中的应用研究

针对无刷直流电机(BLDCM)调速系统的特点,在分析BLDCM(Brushless DC Motor)的数学模型的基础上建立了控制系统的仿真模型,设计了一种新的模糊神经网络控制器FNNC(Fuzzy Neural Network Controller),并运用遗传算法优化模糊神经网络结构和改进在线学习算法,将其应用到直流电机调速系统中。仿真试验表明,该方法较传统PID控制有更好的控制效果。