基于粒子群优化反步法的船舶航向控制器设计

考虑到反步法在随机干扰下具有较优的控制效果,利用反步法设计基于Nomoto模型的船舶航向控制器;设计一种基于粒子群优化(Particle Swarm Optimization,PSO)反步法的航向控制器,其能通过优化不确定增益参数来消除部分冗余控制。通过仿真试验比较不同航向控制器的性能。仿真结果表明:粒子群优化反步法航向控制器具有更高的控制精度和更强的鲁棒性。     

基于PSO算法的空间映射方法设计微波滤波器

传统的微波滤波器设计主要依据等效解析式,但解析式有其局限性,针对传统的空间映射方法的参数提取过程比较复杂,耗时长的问题,文中研究一种用于优化设计微波器件的基于粒子群优化算法(PSO)的空间映射算法,将PSO优化算法与空间映射的粗糙模型相结合作为替代模型,通过PSO算法执行参数提取,此过程仅需要进行简单的四则运算,从而减少算法的计算耗时.算法实现过程中,利用Ansoft HFSS建立空间映射算法的精确模型,Agilent ADS建立其相应的粗糙模型来代替等效解析式,并采用MATLAB主控制程序调用HFSS和ADS,实现微波器件的自动优化设计,最后通过平行耦合带通滤波器的优化设计证明基于PSO算法的空间映射方法的有效性.     

PSS和SVC的协同设计的研究

本文研究了电力系统稳定器(PSS)和静态无功补偿器(SVC)的协调设计增强电力系统稳定性的问题。以基于非线性的目标函数最小值为优化目标,分析比较PSS和SVC协调设计与单独设计时,系统在三相短路时非线性时间响应。PSS与SVC均采用两个超前滞后控制设计。采用差分进化算法搜索最优控制器参数。非线性仿真结果分析表明,该方法在系统故障条件时的具有较高的有效性和鲁棒性。     

基于粒子群优化支持向量机的水面无人艇故障诊断

通过故障诊断可以对水面无人艇可能要发生的故障进行预报、分析和判断,从而及时调整控制策略以抑制故障的继续发展,为消除故障、维修设备提供准确的技术支持.SVM是基于统计学习理论的一种机器学习方法,常用于故障诊断,在解决小样本、高维度、非线性模式识别问题中有独特优势.SVM分类的准确率由其属性参数直接决定,而最佳的属性参数往往很难直接得到.基于粒子群优化SVM(PSO-SVM)的水面无人艇故障诊断方法,即将粒子群优化算法(PSO)用于SVM属性参数的优化选择中,充分发挥了PSO算法的全局搜索能力和易于实现的优势.水面无人艇故障诊断实例分析结果表明,PSO-SVM的故障诊断精度高于BP-NNs、GS-SVM、GA-SVM。PSO-SVM适用于水面无人艇故障诊断.     

OceanInfo平台中舰船操纵运动控制研究

针对Ocean Info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。     

一种半潜式支持平台靠泊路径跟踪控制方法

针对PSO算法在应用到路径跟踪时，容易陷入局部最优的缺陷和惯性权重调节机制的局限性，提出基于粒子进化率的改进IM-PSO优化算法。该算法一方面利用粒子的进化率及时调整粒子的惯性权重，提高算法的搜索速度；另一方面利用免疫系统的免疫机制增加粒子的多样性，提高PSO算法摆脱局部最优的能力。选取北海型半潜式支持平台作为工程案例，在北海真实海况下进行靠泊路径跟踪控制的仿真分析，对PID路径跟踪控制器参数进行优化。仿真结果表明，与标准PSO优化方法相比，该方法优化的靠泊路径跟踪控制器的稳定性更高，提高了运算效率，收敛精度更高。     

PSO算法和simulink在船舶电站控制中的应用

船舶电站是电力系统正常运转的核心功能模块,集成了柴油发电机、测量仪器仪表、控制器等多种元器件,优化舰船电站已经成为当前的研究热点。PSO优化算法是一种仿生算法,近年来获得了很大的发展。首先系统介绍PSO算法的基本原理,然后结合船舶电站柴油发电机的函数模型,优化一种船舶电站的调速控制器系统,并利用Matlab中的simulink模块开展了柴油发电机的调速控制仿真,有助于改善当前船舶电站的控制水平。     

基于两机并联非线性数学模型的舰船电力系统自适应控制器设计

近年来,舰船电力系统的规模显著扩大,内部结构与运行的方式也愈加复杂,使得舰船电力系统运行的安全性与稳定性作用逐渐突显出来,对舰船安全航行提出了全新的要求。其中,舰船电力系统属于高纬度非线性系统,要想确保其动态性能与静态性能更加稳定,就必须合理引入非线性控制理论。在舰船电力系统自适应控制器的实际过程中,可在优化自适应控制器性能的基础上,全面完善舰船电力系统的作用。基于此,文章将舰船电力系统自适应控制器设计作为主要研究内容,重点研究了两机并联非线性数学模型的具体应用     

船舶自动靠泊简捷非线性神经网络控制器

为解决多参数船舶自动靠泊神经网络控制器的计算负荷问题,根据靠泊操纵的实践,通过合理取消虚拟导航线和位置辅助线参数,优化网络输入参数,减少计算维数。利用4种不同初始状态下的靠泊样本数据训练网络权重和偏差,并在处理大样本数据时选择性地调整有效信息数据提取频率,优化控制效果,缩短训练时间。通过基于MMG(Maneuvering Modeling Group)船舶数学模型的仿真试验,验证控制器能在不同于样本训练数据的初始状态下,减少计算维数,降低计算负荷。     

一种改进的基于先验信息和微粒群算法的基因选择方法

针对KMeans-GCSI-MBPSO-ELM方法中冗余基因去除时会出现的"误删除"现象,提出一种改进的基于先验信息和微粒群算法(particle swarm optimization,PSO)的基因选择方法(I-KGME).在充分考虑基因类别灵敏度(gene-to-class sensitivity,GCS)信息的基础上,利用二进制PSO耦合GCS信息和K-均值聚类算法进行基因选择,并通过二进制PSO算法实现优化.该类方法能够获取低冗余、高预测性的基因子集,并在多个基因表达谱数据上获得了优于经典基因选择方法和KMeansGCSI-MBPSO-ELM方法的性能.