小型帆船自适应自动舵

帆船由于其结构的特殊使其动态特性呈严重的非线性，航向很难控制。首先针对一种小型竞赛用的12m长美洲杯赛帆船，从其结构出发建立数学模型，并对该模型进行了开环仿真试验以验证其真实程度。然后利用MATLAB辨识工具在不同的外部条件下得到各具特色的不同模型，由此确认模型参数的巨大变化难以用一个近似于当前运行模式下的线性化模型设计控制器，因而设计了一个采用自适应LQR的自动舵以控制帆船尖不同外部条件下都能保持航向。最后在该模型上作了仿真，取得了较好的效果。     

船舶自适应逆控制操舵

经典反馈控制将对象动态响应的控制和噪声的消除放在同一个过程中进行,这种方法往往会产生为了满足一个指标而牺牲另外一个指标的矛盾.本文介绍了一种新的控制方法--自适应逆控制,阐述了自适应逆控制的特点,讨论了自适应逆控制系统的三个基本单元--对象建模、逆控制器建模和扰动消除器.自适应逆控制将对象动态响应的控制和噪声的消除分开来考虑,解决了上述经典反馈控制的矛盾.在仿真软件Matlab上进行船舶自动舵仿真时,分别采用了自适应逆控制方案的ELS(增广最小二乘)算法和经典反馈控制的PID(比例积分微分)算法.仿真结果表明了自适应逆控制的优点.     

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.     

基于神经网络和L2增益的船舶航向自动舵设计

对一类带建模误差和不确定性外界干扰的船舶运动非线性系统,提出了一种基于神经网络和L2增益方法的航向自动舵设计.对模型中的建模误差采用在线神经网络予以辨识和补偿,避免了建模误差界定函数的经验选择;而对不确定外界干扰力项则采用L2增益设计,保证了闭环跟踪系统的鲁棒性.控制器设计步骤应用Lyapunov函数递推法,航向跟踪误差和神经网络权值误差被证明是一致终值有界的.合理的控制器参数选择保证了控制系统的跟踪精度.数值仿真结果验证了控制器设计的有效性.     

船舶航向非线性系统自适应动态面控制器设计

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PID型模糊控制器研究

航速变化及由此引起的干扰使得船舶航向控制较为困难。基于常规max-min型Mamdani模糊控制器(fuzzy controller,FC),再增加积分项,将PD型模糊控制器与PI型模糊控制器相并联,构造了一种新的船舶航向PID型模糊控制器。该模糊控制器充分利用了常规PID控制器的设计经验来调节参数。不同航速下的5 446TEU集装箱船及"育龙"号实习船模型仿真结果表明,与常规PID控制器和模糊控制器的效果相比,不但航向设定值跟踪控制性能得到了保证,还具有更好的鲁棒性和抗干扰能力。     

一种基于线性插值的模糊控制器设计及应用

针对常规模糊控制系统在控制过程中精度比较低的问题,将模糊控制系统离线得到的模糊控制表与线性插值算法结合起来,提出一种基于线性插值的模糊控制方法,该方法可以在线计算出系统的控制输出,克服控制器因输入输出量化所造成的调节死区以及稳态误差和稳态颤振的缺点,从而达到提高模糊控制系统控制精度的目的。利用Matlab的Simulink工具进行仿真研究,对3条不同类型的船舶仿真试验结果表明,所设计的线性插值模糊控制器与常规的模糊控制器相比,具有良好的控制性能和实用性。     

船舶航向跟踪系统自适应单神经网络控制

针对船舶航向非线性系统,考虑模型中存在的不确定性和外部干扰等未知项,设计一种基于动态面控制技术和单神经网络技术的自适应控制器。首先引入一阶低通滤波器,避开对虚拟控制律的解析求导,解决了传统后推方法中普遍存在的"计算膨胀"问题;然后将设计控制器过程中出现的未知部分积存到下一步,依此类推,一直到控制器设计的最后一步,仅用一个神经网络逼近器逼近系统中的未知部分;最后把神经网络权值的范数作为唯一的在线估计参数,使在线学习参数的数目显著减少。所设计的控制算法具有计算量小、结构简单及易于工程实现等特点。采用Lyapunov理论证明了系统中的信号都是半全局一致最终有界,示例仿真结果验证了所提算法的有效性。     

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。     

基于自适应模糊控制的船舶航向控制研究

为了提高船舶在复杂海域和密集线路航行的经济性、安全性和稳定性,性能优异的航向自动化控制系统引起了研究人员的普遍关注。传统的船舶航向自动控制系统(自动舵)在灵活性和可操作性上无法满足现代大型船舶和密集航线的需求。本文利用自适应神经模糊控制算法,对传统的船舶航向控制系统进行优化,并设计基于模糊控制算法的船舶自适应航向控制系统。     

船舶航向非线性系统的模型参考模糊自适应控制

考虑船舶航向控制系统模型中存在不确定非线性函数，并假设该函数是连续的，在以模糊系统对该函数进行逼近的基础上，利用Lyapunov理论，提出了一种新的模型参考模糊自适应控制算法。其特点是，无论取多少条模糊系统规则，自适应学习的参数只有一个，便于工程实现，而且还确保闭环系统渐近稳定，并使系统的模型跟踪误差为零。最后以远洋实习船“育龙轮”为倒，进行了船舶航向模型参考模糊自适应自动舵设计，并利用Matlab工具箱进行了仿真研究，结果证明该算法十分有效。     

改进的BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.文章介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了改进并优化,详尽地给出了改进的三层BP神经网络数值预测算法.为测试该算法.选用了著名的XOR(异或)问题和和一个高度非线性的0-1矩阵预测问题对其进行了验证.计算结果表明文中算法能给出令人满意的精度.最后结合船舶与海洋工程的两个实际问题,探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实践表明,文中给出的改进的BP神经网络数值预测算法值得在船舶与海洋工程中加以应用并推广.     

模块化技术在玻璃钢游艇设计建造中的应用

以模块化的思想分析了玻璃钢游艇实施模块化设计制造的可行性,并对玻璃钢游艇的设计制造提出了一种新的分类思想,将玻璃钢游艇按船体、上层建筑和舾装进行分类,可以按照模块组合的方式快速提供船东要求的新船型,对玻璃钢游艇生产具有良好的指导作用.     

游艇采用双尾鳍线型应用研究

介绍了在100ft豪华游艇圆舭游艇尾部线型设置尾鳍后的研究过程,分析了尾鳍与常规尾型在阻力、推进、螺旋桨盘面处伴流分布及激振力和船舶适航性的差异,提出了一些设计准则。研究表明:双尾鳍线型是游艇可选的适用优秀线型。     

内河18米测量(巡检)快艇船型设计

所述设计船是为长江某航运局研究开发的长江II型高速艇,主船体为钢质,上层建筑为铝合金材料,该船从船型选择、船模试验、结构设计及减震降噪等方面详细分析计算,经航行试验及实际营运,该船各项技术指标均达到并超过了设计要求.     

模糊滑模控制在船舶航向非线性系统中的应用

针对一类不确定的非线性系统,把模糊自适应和滑模控制相结合,设计了一种积分滑模控制器。该方法采用模糊逻辑逼近非线性函数,并且为了消除常规滑模控制器被跟踪信号及其导数已知的限制,在滑模控制中引入了积分项;基于Lyapunov方法导出在线调节的切换增益自适应律,有效的克服了系统固有的抖振问题。理论分析证明了闭环系统的稳定性和跟踪误差收敛于零的某邻域内。用该控制器对船舶航向进行跟踪控制的仿真研究结果表明:该控制器具有较强的鲁棒性和较好的跟踪性能。     

一种简化的减摇鳍自适应神经网络控制

基于Lyapunov稳定性定理和动态面控制技术,针对船舶减摇鳍系统提出了一种自适应神经网络控制设计方法。本文采用动态面控制技术,以消除传统Backstepping方法中存在的“计算爆炸”问题,同时从实际应用的角度出发,充分考虑系统中存在的显著不确定性,并运用径向基神经网络对不确定性进行估计及补偿。此外,采用最少学习参数技术,以减少控制器的计算负担,使所设计的控制器更贴近工程应用。本文所设计的控制器保证了船舶减摇鳍系统信号一致最终有界,使系统输出收敛到一个较小区间。最后通过数值仿真验证了所提算法的有效性。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。