基于自抗扰的反步非奇异终端滑模船舶航向控制器设计

针对船舶受到不确定干扰的情况下不能准确、快速地跟踪期望航向的问题,设计一种基于自抗扰技术的反步非奇异终端滑模航向控制器,该控制器通过跟踪微分器对期望航向及其微分进行精确提取,通过线性扩张状态观测器实时估计并补偿系统内部和外部的总扰动,引入一阶低通滤波器,有效避免传统反步法中出现的"微分膨胀"问题,利用反步非奇异终端滑模控制技术设计控制律,提高系统的响应速度、抗干扰性和控制精度,通过构造Lyapunov函数证明了系统的稳定性。Simulink仿真试验证明,控制器在不同外界条件下均可对期望航向进行准确、快速地跟踪,具有较强的鲁棒性。     

船舶航向自适应神经网络鲁棒跟踪控制

针对存在不确定性和带有完全未知时变环境扰动的船舶航向非线性控制系统,将指令滤波技术和反步法相结合,设计了一种船舶航向自适应神经网络鲁棒跟踪控制器,该控制器的提出不依赖于外部扰动任何的先验信息。首先,利用神经网络补偿船舶航向非线性控制系统中的非线性项;设计自适应律在线更新神经网络权重向量和估计时变环境扰动的未知界。为了避免传统反步法中对虚拟控制律的反复求导,引入指令滤波技术,使得所设计的航向自适应神经网络跟踪控制器具有结构简单、易于工程实现的特点。理论分析表明,所设计的控制器能使船舶实际输出航向以任意期望的精度跟踪给定的参考航向,保证船舶航向闭环控制系统中所有信号一致最终有界。最后,以大连海事大学远洋实习船“育龙”轮为例进行仿真,仿真结果验证了所提控制器的有效性和鲁棒性。     

一种新型船舶航向智能PID控制器优化设计

借鉴免疫系统的免疫响应调节机制,对传统PID控制器进行改进,建立一种非线性自适应免疫PID控制器,并利用粒子群算法对设计的PID控制器进行参数优化.将设计的控制器用于船舶航向控制系统中,实验仿真结果表明:该控制器能很好的根据船舶动态特性的变化,自动地进行适应性免疫调节,具有跟踪速度快、航向控制超调小以及抗扰性强等优点.     

滤波反步法在船舶航向自适应控制中的应用

船舶航向自适应控制是船舶控制领域研究的重点,近年来,随着计算机技术的快速发展,一些典型的控制算法被应用于船舶航向控制系统中。滤波反步法是一种以Lyapunov函数为基础的递归设计算法,能够有效提高自适应控制系统的鲁棒性。本文研究船舶运动方程和船舶航向控制理论,在此基础上,设计基于滤波反步法的船舶航向自适应控制器。     

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.     

反步法在航向自适应控制中的研究与仿真

为了提高船舶的操纵性能,研究人员对船舶的航向控制投入了大量的精力。由于船舶在航行时会受到气候和水文的影响,运动状态呈现不确定性和非线性,传统的船舶航向控制效果较差。本研究基于反步法,设计一种逐级递推优化的船舶航向自适应控制系统,并系统讲述反步法的理论基础和航向自适应控制系统的工作原理及其仿真。     

船舶航向非线性系统的自适应动态面控制

针对船舶航向控制非线性系统模型中存在的不确定性和外界干扰的影响,采用动态面控制算法设计了一种鲁棒自适应控制器.由于在反步法设计过程中加入了一阶低通滤波器使得该方法无需对模型非线性多次微分,因而设计方法简单.所设计的鲁棒自适应控制器不仅能保证闭环系统的半全局渐近稳定,使得输出渐近跟踪期望轨迹;而且,跟踪误差可以通过控制器的设计参数加以调整,同时该算法还能克服可能存在的控制器奇异值问题.数字仿真结果表明,控制系统对给定航向的跟踪具有良好的动态特性,对系统的不确定性,具有较强的鲁棒性.     

基于粒子群优化算法的水下航行器深度控制研究

提出了一种基于粒子群优化算法的水下航行器深度控制器参数优化设计方法。针对水下航行器运动参数变化的特性,采用粒子群优化算法收敛速度快、寻优特性好等特点,将其应用到控制器参数的优化设计中。仿真结果表明,利用粒子群优化算法进行优化设计的水下航行器深度控制器具有良好的控制性能。     

遗传优化算法在船舶航向混合智能控制中的应用

本文分别研究模糊控制和遗传算法等智能控制算法在船舶航向控制中的应用。基于模糊控制理论,重新设计高效模糊控制器,该控制器具有实时性强、计算量低、节约存储及高效等优点。并且基于遗传算法,设计一种优化航向模糊PID算法,极大提高了自动舵的控制精度。最后通过Matlab中Simulink对控制器及算法进行仿真实验。     

基于自适应反步控制的船舶航向控制器

本文在非线性船舶运动模型的基础上,设计基于自适应反步控制的船舶航向控制器,并通过设置控制参数对控制器进行仿真。在仿真过程中,通过无积分器情况下的船舶航行情况,以及有外界环境时船舶的航行变化,说明本文所设计的控制器鲁棒性强。     

遇限削弱积分PID控制算法在船用柴油机调速系统中的应用

针对船用柴油机,设计了一个基于遇限削弱积分PID控制算法的调速控制器,给出了该控制器的总体硬件结构框图,提出该算法的设计思想及其实现方法。仿真及试验结果证明该算法解决了普通PID算法中超调过大、响应较慢等问题,提高了系统的响应速度。     

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.     

一种基于直翼推进器的动力定位推力分配方法优化研究

推力分配是动力定位控制算法中的重要组成部分,在满足执行机构的物理约束和任务使用约束的同时将高层控制器的指令转化为底层执行机构的控制输入,实现期望控制指令的最优化实施。本论文采用改进的推力分配算法对配备直翼推进器的船舶进行约束条件下的推力分配优化研究,并以某型工程船为背景进行仿真验证,结果表明相比逻辑算法该优化算法效果更佳。     

基于改进的混沌优化的翼滑艇推进系统仿真

通过Matlab平台建立翼滑艇推进系统的数学仿真模型,将翼滑艇的快速性指标和经济性指标的加权形式作为推进系统优化目标,并以Simulink进行实时仿真分析。首先,运用改进的混沌优化算法对模糊控制系统进行优化,求解最小控制目标值,然后对转速控制和螺距控制的控制器参数进行优化,并通过模糊控制器对不同工况下主机转速和可调桨螺距进行控制。最后,对比分析了常规模糊控制器与混沌算法优化后的模糊控制器之间的差别。结果表明,优化后的推进系统在进行航速控制时不仅超调量小,而且稳定性好,该优化方法有效可行。     

模糊切换型船舶运动PID控制器

航向改变时船舶航迹变化过程可以分为瞬态区域和稳态区域。根据不同区域中不同的性能指标,提出了一种把常规PID和TS-PID模糊控制器以模糊切换方式相结合的模糊切换型PID控制方法。该方法集成了常用PID和模糊PID控制方式的优势并弥补了各自的不足,模糊切换方式实现了二种控制器之间的平滑切换。应用钝性定理证明了二阶Nomoto船舶模型的切换型PID控制系统的输入、输出稳定性,并用遗传算法优化控制器参数。与模糊PID控制器的对比仿真实验,表明所提出的方法可以有效提高船舶运动控制的各项性能指标。     

OceanInfo平台中舰船操纵运动控制研究

针对 OceanInfo平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于 PID控制方法的简单性和有效性,应用 PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化（PSO）算法进行控制器参数整定并进行仿真实验。实验结果表明：本文提出的改进优化算法能够实现 PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

不对称信息理论在船舶运动控制中的应用

本文介绍了不对称信息理论，并针对舵阻摇控制系统，通过简化鲁棒控制算法和改进舵机执行机构性能，增加信息的传递量，在提高系统鲁棒性能的基础上，使该算法成为实际工程上可用的算法。闭环增益成形算法采用闭环系统中具有工程意义的参数直接构造出鲁棒控制器，其设计过程简单，且物理意义明晰。从仿真结果可以看出：当信息传递充分时，航向保持效果大大改善，打舵的频率和幅值明显降低，同时也较为节能。     

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。     

柴油机双层隔振系统耦合振动主动控制仿真研究

本文针对双层隔振系统多自由度耦合振动的特性,设计了以ⅡR滤波器为基本组成单元的多输入多输出（MIMO）自适应控制器,推导出相应的自适应算法－多误差x-RLMS算法,并进行了双层隔振系统耦合振动主动控制的仿真研究,结果表明,控制算法有较好的收敛性与稳定性,取得了较好的控制效果。     

基于强化学习的自主式水下潜器障碍规避技术（英文）

Obstacle avoidance becomes a very challenging task for an autonomous underwater vehicle(AUV) in an unknown underwater environment during exploration process. Successful control in such case may be achieved using the model-based classical control techniques like PID and MPC but it required an accurate mathematical model of AUV and may fail due to parametric uncertainties, disturbance, or plant model mismatch. On the other hand, model-free reinforcement learning(RL) algorithm can be designed using actual behavior of AUV plant in an unknown environment and the learned control may not get affected by model uncertainties like a classical control approach. Unlike model-based control model-free RL based controller does not require to manually tune controller with the changing environment. A standard RL based one-step Q-learning based control can be utilized for obstacle avoidance but it has tendency to explore all possible actions at given state which may increase number of collision.Hence a modified Q-learning based control approach is proposed to deal with these problems in unknown environment.Furthermore, function approximation is utilized using neural network(NN) to overcome the continuous states and large statespace problems which arise in RL-based controller design. The proposed modified Q-learning algorithm is validated using MATLAB simulations by comparing it with standard Q-learning algorithm for single obstacle avoidance. Also, the same algorithm is utilized to deal with multiple obstacle avoidance problems.