船舶发电机组的励磁系统模糊PID控制研究

本文针对励磁系统的经典PID算法需要被控对象的精确模型、在非线性系统中的性能不够理想这一缺点,分析了船舶柴油发电机组的控制。结合模糊控制和经典PID控制,设计同步发电机励磁系统的模糊PID控制器.模糊推理机的输入为船舶发电机端电压的偏差及其变化率经模糊化处理后的模糊量。在Matlab环境下进行仿真,结果表明模糊PID控制器使发电机的端电压更加稳定,具有较好的静态和动态性能。     

PID神经网络自适应控制在恒流系统中的应用

本文在总结国内外相关文献的基础上,对目前神经网络自适应PID控制进行了理论研究,以目前运用较广泛的恒流系统为对象,对之进行仿真,通过将其仿真结果与传统PI控制进行比较,证明PID神经网络自适应控制的优越性.     

神经网络方法在船舶控制中的应用

进入90年代,人们对神经网络在自动控制中的潜力越来越感兴趣。这是因为神经网络是解决控制领域中某些难题的又一种有效方法,这些难题的产生是由于对象行为的不可预见性（通常是因为有不可预见的外部干扰,并且对象具有非线性）,或者由于计算过程的复杂性,为了实现实时控制,必须在短时间内完成复杂的计算,因而提出了一种神经网络在线训练控制器的通用模式,其目的是利用神经网络的学习能力,得出一种不依赖于船舶精确数学模型的自主式神经控制算法。其神经网络控制器可以通过对性能参数准确性的直接评估来调整其在线参数,因此不需要“教师”和相应的离线训练。对在不同情况下三种不同的控制任务（即航向保持、航迹保持、自动泊位）进行了仿真,结果表明这种神经控制方法具有自适应性和耐用性。     

神经网络理论在独立电力系统励磁控制中的应用

根据发电机励磁控制的任务,本文基于神经网络理论提出了一种新的励磁控制器的设计方法,针对单机一静态负荷载模型进行了数字仿真研究结果证明了所提方法的正确性。     

神经网络理论在独立电力系统励磁控制中的应用

根据发电机励磁控制的任务,本文基于神经网访理论提出了一种新的励磁控制器的设计方法。针对单机一静态负载模型进行的数字仿真研究结呆,证明了所提方法的正确性。     

模糊PID控制在船舶动力定位系统中的应用

根据建立的船舶横荡、纵荡和首摇3种自由度的低频运动模型,并结合模糊控制理论和经典PID控制方法,设计出基于船舰动态过程的PID参数模糊自整定控制器。经过Matlab仿真验证,所设计的智能控制器控制品质高,鲁棒性强,能对船舶进行有效定位。     

混合智能控制技术在船舶电站励磁控制中的应用

将混合智能控制技术应用于船舶电站同步发电机励磁控制，通过一种结合自组织学习和BP学习的混合学习算法，学习并调整控制器参数和结构，该算法比通常的BP算法收敛性好，速度快。仿真结果表明，该算法能很好地稳定机端电压。     

船舶柴油机转速模糊神经网络PID智能控制

为了提高常规PID控制器在非线性、时变不确定性系统中的控制性能,提出一种模糊神经网络PID控制算法,利用模糊控制良好的非线性控制优势,以及神经网络超强的自学习、自适应特性,实现对PID参数的实时在线整定,并建立船舶柴油机转速模糊神经网络PID控制系统数学模型,利用Matlab/Simulink进行仿真。仿真结果表明,模糊神经网络PID控制超调量少、精度高、调节时间短,具有更好的动静态特性和抗干扰特性,系统鲁棒性有了很大提升,能很好地满足船舶柴油机转速控制系统的要求。     

基于神经网络的船舶航向自适应PID控制

详细分析基于单神经元的自适应ＰＩＤ控制算法,并推导了为改进其应用上的不足,将自适应ＰＳＤ控制器中递推计算增益Ｋ的以单神经元的自适应ＰＩＤ控制,构成具有自动调整增益Ｋ值的单神经元自适应ＰＩＤ控制器的学习算法。将控制算法应用到船舶航向控制系统,仿真结果显示了该方法的有效性。     

基于神经网络的船舶航向自适应PID控制

详细分析基于单神经元的自适应PID控制算法,并推导了为改进其应用上的不足,将自适应PSD控制器中递推计算增益K的方法应用到单神经元的自适应 PID控制,构成具有自动调整增益K值的单神经元自适应PID控制器的学习算法.将控制算法应用到船舶航向控制系统,仿真结果显示了该方法的有效性.     

BP神经网络和PID船舶自动舵控制方法

船舶自动舵控制十分复杂,再加其它因素的干扰,使得单一神经网络或者PID控制无法对船舶自动舵进行高精度控制,而且船舶自动舵控制速度慢,为了改善船舶自动舵控制效果,利用BP神经网络和PID控制的优点,设计了BP神经网络和PID相融合的船舶自动舵控制方法。首先分析船舶自动舵控制原理,然后初始化PID参数的范围,并采用BP神经网络获取PID控制器的3个参数最优值,从而实现船舶自动舵控制,最后在Matlab平台实现了的船舶自动舵控制仿真模拟实验。结果表明,本文方法可以对船舶自动舵变化趋势进行很好的跟踪和控制,获得了高精度的船舶自动舵控制结果,而且船舶自动舵控制速度快,能够适合船舶自动舵的实时性变化特性,具有较强的抗干扰能力,具有一定的推广价值。     

PSO-BP神经网络在船舶二级脱硝系统中的应用

随着国际海事组织（IMO）标准Tier III标准的实施,船舶柴油机尾气中的氮氧化物（NOx）的排放受到了更严格的限制。选择性催化还原脱硝技术因其高效、可靠等优势成为船舶柴油机NOx减排的主要选择。本文先根据SCR反应机理在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型,通过仿真结果对比,发现加入二级脱硝系统后,脱硝率可以得到提高。鉴于BP网络预测精度较低,本文将粒子群（PSO）算法加入到BP权值训练过程中,利用PSO-BP 神经网络预测 SCR-DeNOX系统出口处NOX浓度。结果表明：PSO-BP 神经网络不但可以预测SCR-DeNOX系统出口处的NOX浓度,而且与传统BP 神经网络相比可以提高预测结果的精度,为有效控制喷氨量、降低氨气逃逸量提供帮助。     

神经网络在船舶电力推进系统故障诊断中的应用

船舶电力推进系统目前成为船舶推进系统的主流选择,电力推进系统对于保障船舶的安全稳定运行具有重要意义。因此,对采用电力推进系统的船舶进行电力推进系统故障诊断,成为船舶日常维护的一项重要工作。本文对船舶电力推进系统故障诊断系统进行研究,在Simulink环境下搭建故障诊断模型,并将BP神经网络应用于诊断系统,对电力推进系统的故障学习和诊断能力进行仿真。结果表明,该故障诊断系统可以提高网络的学习速度和诊断效果,具有很好的故障诊断能力,可以满足船舶电力推进系统的性能要求。     

模糊神经网络在船舶火灾报警系统中的应用

提出了一种利用神经网络和模糊系统理论设计船舶火灾报警系统的方法。该系统 模糊推理能力哟、神经网络学习能力强的特点,将模糊系统和神经网络结合起来,实现模糊系统设计的自动调整。利用感温式知因式传感器对火灾发生时温度和烟雾两个主要参量进行智能监测委 解决了报警灵敏度和误报率之间的矛盾。     

基于BP神经网络的PID在船舶自动舵中的应用与研究

神经网络算法在信息采集和处理上具有性能优越、精度高等优点,近年来引起广泛重视。随着船舶工业向着自动化、信息化的发展,传统的船舶自动舵在操作性和可靠性上已经不能满足工业的需求。本文基于BP神经网络优化算法,设计一种新型的船舶模糊PID自动舵,并系统研究该船舶模糊PID自动舵的原理和结构组成。     

RBF神经网络在船舶航向保持非线性控制中的应用

船舶航向保持在可控范围内,使得船舶航迹能够在规定精度的阀值内。随着航运业的发展,船舶的动力及体积越来越大,操纵控制系统复杂度也越来越高,在船舶航向控制中的非线性因素越来越多,传统的线性模型已经不能适应船舶控制系统性能要求。RBF神经网络与自适应控制相结合,能够很好匹配非线性系统的求解。本文研究船舶航迹控制模型,给出基于RBF神经网络船舶航向非线性控制系统解决方法,最后进行仿真实验。     

神经网络PID在全垫升气垫船航向控制中的应用

气垫船结构上的特殊性,决定了其在操纵方面与常规船舶有很大不同.设计了神经网络控制器,对气垫船的航向控制进行了仿真,并与常规PID控制的效果进行了对比.从仿真结果可以看出,在气垫船受风力的作用下,神经网络控制器在克服干扰方面具有比常规PID(比例-积分-微分)控制更好的效果.     

神经网络预测控制在HVAC系统中的应用

从神经网络的结构及特点出发,说明了神经网络预测控制系统的构造及工作原理,并着重通过介绍神经网络预测控制在HVAC系统末端控制、中央制冷站能源管理系统、冰蓄冷空调系统中的应用,展观了它在HVAC系统中广泛的应用前景.     

模糊PID控制器在船舶试验台横摇位置系统中的应用

减摇水舱是一种减小船舶横摇的重要装置,建立船舶试验台是对其进行研究的主要手段.文章针对两自由度船舶试验台横摇位置系统建模中忽略的参数不确定及非线性环节等因素,设计了一种基于模糊逻辑的PID控制器.该控制器能够实现PID控制参数的实时调节,实验研究表明其在实际系统中具有优于常规PID控制器的性能.