共查询到20条相似文献,搜索用时 234 毫秒
1.
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。 相似文献
2.
船舶航向自适应神经网络鲁棒跟踪控制 总被引:2,自引:1,他引:1
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。 相似文献
3.
4.
5.
6.
7.
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. 相似文献
8.
9.
10.
11.
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。 相似文献
12.
基于IGA-BP算法的船舶航向智能自适应控制系统设计 总被引:1,自引:0,他引:1
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. 相似文献
13.
14.
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。 相似文献
15.
模糊切换型船舶运动PID控制器 总被引:1,自引:0,他引:1
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。 相似文献
16.
17.
不对称信息理论在船舶运动控制中的应用 总被引:5,自引:0,他引:5
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。 相似文献
18.
19.
20.
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. 相似文献