基于自适应动态面的航向跟踪控制器设计

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,使得输出渐进跟踪期望轨迹;而且,跟踪误差可以通过控制器的设计参数加以调整。以中远集装箱船COSCO Shanghai号为例进行仿真研究,结果证明所设计的控制器是有效的。     

船舶航向非线性系统的输出反馈鲁棒控制

考虑船舶航向控制系统模型中存在非线性, 假设模型参数和外界干扰有界的情况下, 首先利用Lyapunov稳定性理论, 提出了一种状态反馈鲁棒控制新算法的自动舵设计, 进而考虑到实际船舶上, 在进行航向控制时, 并不是所有船舶运动状态都是可测的, 仅有航向是可测的, 采用一种高增益状态观测器对状态进行重构, 提出了输出反馈鲁棒控制自动舵设计。以大连海事大学远洋实习船“育龙轮”为例, 进行了输出反馈鲁棒控制自动舵设计, 并利用Matlab工具箱进行了仿真研究, 结果证明该算法是十分有效的     

基于Lyapunov稳定性的船舶航向保持非线性控制

为简化船舶航向保持非线性控制器设计的过程,通过构建Lyapunov能量函数,将设计步骤由2步变为1步,减少了控制器参数的整定数量,避免了非线性控制律对消系统的非线性项.以实际船舶为例,结果表明,采用以上方法设计的非线性简化控制器具有一定的鲁棒性,主要控制指标良好,施舵合理.     

船舶航向非线性系统的模糊神经网络智能控制器设计

船舶航向控制系统具有典型的非线性和不确定性特性,并受自动舵执行能力的约束,这使得作为船舶智能化基础的航向控制极具挑战性。首先分析了船舶航向运动特性,给出带有舵约束的航向运动非线性数学模型;然后以模糊神经网络为控制器结构,在噪声加入和参考轨迹设置算法的支持下使用遗传算法对控制器参数进行自动搜索和优化,设计一种船舶航向智能控制器;最后对航向控制进行仿真。结果表明,所设计的航向智能控制器对船舶参数摄动和扰动具有良好的鲁棒性能。     

船舶航向自适应舵的一种设计方法

根据ＰＩＤ自动舵和自适应操舵仪的控制优点，提出了船舶航向自适应舵的一种设计方法。给出了系统的结构，自适应ＰＩＤ操舵律的算法及船舶航向控制、舵令与舵角的编制方法。     

基于PID的船舶航向控制

文章根据实船参数设计出PID自动舵,并在此基础上对控制器进行了模糊控制优化,在simulink环境下进行了仿真检验,最后对仿真结果进行了比较。结果表明,PID船舶航向控制器具有更强控制性和稳定性。     

基于动态面控制的船舶动力定位控制律设计

针对水面船舶动力定位控制问题, 考虑带有未知界的时变环境扰动, 将动态面控制技术与矢量逆推方法相结合, 设计了船舶动力定位系统的自适应鲁棒非线性控制律。引入动态面控制技术, 利用一阶滤波器的微分项代替虚拟控制矢量的微分项, 使得在控制律设计过程中的微分运算被简单的代数运算所替代, 简化了计算, 易于工程实现。为阻止自适应参数漂移, 采用包含基于σ-修正泄漏项的自适应律估计未知扰动的界。应用Lyapunov函数证明了所设计的控制律能迫使船舶的位置和艏向角达到并保持在期望值, 保证船舶动力定位闭环系统中所有信号最终一致有界。仿真结果表明: 在水平面上, 当船舶初始位置偏离期望位置25m时, 利用设计的控制律能迫使船舶在50s内达到期望的目标位置, 因此, 所设计的控制律是有效的。     

船舶航向不对称信息理论与非线性逆推鲁棒控制算法

应用不对称信息理论和鲁棒控制算法简化非线性逆推算法, 针对非线性船舶航向保持系统, 设计了其Backstepping逆推控制器, 由非线性函数项和常规线性控制器组成, 将简化的Back-stepping法与闭环增益成形算法相结合, 设计其非线性鲁棒控制器。通过非线性鲁棒控制器的控制能够使船舶无超调、无静差地跟踪设定航向, 调节时间为600 s, 符合船舶航行的实际情况, 控制效果良好; 当系统增加干扰后, 系统的控制输出除了因干扰产生的抖动外, 其跟踪性能仍然较好, 航向输出无静差, 说明控制器具有一定的鲁棒性; 是否全部对消非线性项, 对其控制效果相差不大, 说明当模型发生参数摄动时, 系统的控制性能仍能保证。     

基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾(Norbin)非线性船舶模型, 基于反馈线性化方法和由径向基函数(RBF)神经网络构建的模糊系统的逼近能力, 提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术, 使模糊系统的所有参数均可实时调节, 引入了鲁棒控制消除模糊逼近系统带来的误差, 在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定, 使系统的模型跟踪误差为0, 优于传统的PID控制策略, 具有良好的自适应能力。     

船舶航向非线性系统自适应神经网络控制

提出了一种基于最小参数RBF(径向基)神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.     

基于LS—SVM逆系统方法的非线性动态矩阵控制

针对神经网络逆系统建模存在的诸多问题,提出了基于最小二乘法支持向量机的α阶逆系统方法的非线性动态矩阵控制新方法．将最小二乘支持向量机辨识非线性对象的α阶逆模型与原系统串联组成伪线性系统,根据线性动态矩阵预测控制方法对伪线性系统进行控制．仿真结果表明,系统存在扰动和模型参数发生变化时,依然具有很好的动、静态性能,且表现出很强的鲁棒性,证明了方法的有效性．该方法不依赖于系统的数学模型,简化了非线性对象动态矩阵控制器的设计,为非线性预测控制的研究提供了一种新途径．     

单磁铁悬浮系统的动态模型与控制

单磁铁悬浮控制系统的分析和综合是电磁悬浮式磁浮列车控制的基础。本文推导了单磁铁悬浮系统的相对参考动态模型和绝对参考动态模型,并详细讨论了控制原理和方法。     

船舶运动混合智能控制评述

船舶运动控制表现出强干扰、时变、非线性、不确定、高可靠性要求的特点,其重要性和复杂性使其成为自动控制理论最为活跃的应用研究领域之一.智能控制以及各种智能技术集成的混合智能控制方法在这一领域得到广泛关注.文中分析比较了各种智能控制和传统榨制的特点、混合模式,介绍了混合智能控制应用于船舶运动控制的研究成果,指出了现有混合智能控制尚未有效解决的问题及船舶运动控制研究的发展方向.     

内河船舶主机动态油耗模型的研究与建立

针对内河某宽浅型船舶进行研究,结合实船设计参数和船模试验数据,建立了船舶动态油耗模型,对船舶的航速和油耗进行了定量的计算与预测．为船舶经济航速的确定提供了数据基础。     

Inverse Learning Control of Nonlinear Systems Using Support Vector Machines

An inverse learning control scheme using the support vector machine (SVM) for regression was proposed. The inverse learning approach is originally researched in the neural networks. Compared with neural networks, SVMs overcome the problems of local minimum and curse of dimensionality. Additionally, the good generalization performance of SVMs increases the robustness of control system. The method of designing SVM inverse learning controller was presented. The proposed method is demonstrated on tracking problems and the performance is satisfactory.     

不匹配不确定系统的变结构鲁棒控制及应用

针对一类具有不匹配不确定系统的MIMO系统在用理想系统（即不存在不确定性时的系统）所对应的代数RICCATI方程的解来构造滑动模态超平面的基础上,提出了一种具有连续性质的变结构鲁棒控制算法,该处可确保系统滑动模态运动满足实际稳定性,最后以船舶航向控制系统为例,进行了变结构鲁棒控制自动舵设计,通过仿真研究可见,所提出的算法是有效的。     

船舶大型构件焊接变形的分析与控制

船体大型结构件的焊接变形直接影响船舶制造的质量和精度．对船体大型结构件焊接变形产生的各种原因,以及影响因素进行分析;提出根据船舶结构的焊接特点,选择合理的焊接工艺措施和参数以减小焊接变形,从而提高船舶制造的质量和精度．