RBF模糊神经网络航向模糊控制器的遗传优化方法

精准的控制船舶航向可以有效的保证船舶航行安全,本文利用遗传算法对RBF模糊神经网络航向模糊控制器进行了优化,在优化的过程中进行了模糊编码、优良模式自学习算子、最优串重组,最后通过仿真实验来说明,通过遗传算法优化后能够在改变参数的情况下使得船舶可以在预定的范围内可控的、稳定地行驶。     

模型参考神经网络算法在船舶航向控制的应用

船舶在海面上需要按照预先设定好的方向航行,为避免船舶偏离航向,需要采取相应的装置对航向进行控制.然而,海洋环境具有复杂性的特点,海风、海浪、海流等海况,均会对船舶的航向控制产生一定的影响.为对海况干扰进行有效抑制,可在航向控制中,对先进的神经网络进行合理运用.在简要介绍船舶航向控制的基础上,详细论述了模型参考神经网络算...     

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。     

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.     

基于模糊理论的船舶航向控制器

结合船舶操纵特点,将模糊逻辑引入到船舶航向控制器的设计中,设计了一种基于模糊理论的船舶航向控制器。运用计算机仿真手段,将所设计的模糊控制器和传统PID控制器进行对比,仿真表明船舶航向模糊控制器的动态性能优于传统的PID控制。     

船舶航向保持的鲁棒神经网络控制

设计一个N5-5-5-5-5-5-1前向神经网络,经训练得到一个开环的船舶航向保持控制器,使其能够较好地保持典型输入信号作用下的船舶航向;然后应用闭环增益成形算法,形成闭环控制系统.这种基于神经网络的航向保持方案,将神经网络的适应能力、非线性函数映射能力和闭环增益成形算法的鲁棒性结合起来,改善了系统的鲁棒性能.这种方法设计过程简单,物理意义明显.     

船舶航向控制中的一种模糊滑模控制器设计

本文将模糊逻辑引入到了变结构控制器的设计中,设计了一种基于指数趋近律的模糊滑模控制器.运用计算机仿真手段验证了所设计控制器的优越性.同时,将这种模糊滑模控制器引入到了船舶航向的控制之中,通过仿真证明了设计的有效性.     

基于动态面的船舶航向自适应神经网络控制

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神经网络控制器。该方法通过引入一阶低通滤波器,消除了反步法设计中由于反复对虚拟控制的求导而导致的复杂性问题,同时还避免了控制器可能存在的奇异值问题。利用Lyapunov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,还能跟踪误差通过控制器的设计参数加以调整。     

船舶航向模糊自适应云模型控制

为了解决船舶航向云模型控制器驱动参数的自适应问题,将模糊自整定方法引入到云模型控制器设计中,设计了模糊自适应云模型控制器,并进行了仿真对比试验。结果表明,该控制器可以使船舶航向控制在动态和稳态上都具有较好的精度,超调量小、控制效果良好。     

Design of robust fuzzy controller for ship course-tracking based on RBF network and backstepping approach

1 Introduction1 Recently, adaptive control approaches based on fuzzy neural network (FNN) have been studied in a lot of papers [1–4]. FNN combines the capability of fuzzy reasoning in handling uncertain information and the capability of artificial neural…     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程.为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构.通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果.实验结果表明,所设计系统控制效果好,不易受外界环境的干扰.     

混合型专家系统在船舶动力装置故障诊断系统中的应用

介绍了一种基于人工神经网络的混合型专家系统及其在船舶动力装置故障诊断系统的应用。具体描述了混合型专家系统的基本原理,论述了船舶动力装置故障诊断系统的结构与功能。最后用一个实例说明混合型专家系统在船舶动力装置故障诊断系统上的应用。     

Application of fuzzy neural network to the nuclear power plant in process fault diagnosis

The fuzzy logic and neural networks are combined in this paper, setting up the fuzzy neural network (FNN) ; meanwhile, the distinct differences and connections between the fuzzy logic and neural network are compared. Furthermore, the algorithm and structure of the FNN are introduced. In order to diagnose the faults of nuclear power plant, the FNN is applied to the nuclear power plant, and the intelligence fault diagnostic system of the nuclear power plant is built based on the FNN . The fault symptoms and the possibility of the inverted U-tube break accident of steam generator are discussed. In order to test the system‘ s validity, the inverted U-tube break accident of steam generator is used as an example and many simulation experiments are performed. The test result shows that the FNN can identify the fault.     

基于神经网络的FSC检查选船模型研究

我国FSC检查的目标船目前主要由人工方式来确定,存在很大的盲目性和随意性。为了提高FSC检查目标船选择的合理性,文中分析了船舶的主要风险因素,并结合BP神经网络建立了FSC检查选船模型,最后通过实例验证了所建立模型的实用性。     

基于模糊神经网络的燃气轮机故障诊断专家系统研究

针对神经网络和传统专家系统在燃气轮机故障诊断过程中各自存在的局限性,提出了一种将模糊神经网络和专家系统相结合的方法.解决了以往专家系统专家知识获取困难和不能描述模糊性知识的缺陷.通过已开发的某型三轴燃气轮机运行模拟器取得典型的故障样本完成了对模糊神经网络的训练工作,最后选取一定数量的测试样本对网络进行了测试,证明了系统的可行性.结果表明,该方法行之有效,在燃气轮机故障诊断领域中有很好的应用价值.     

船舶航向模糊控制系统的设计

提出了一种改进的船舶航向模糊控制方法,将航向改变模糊控制器和航向保持模糊控制器有机地结合起来,同时在航向保持模糊控制器的输出端叠加了一个积分作用,提高了航向保持过程中的静态精度。仿真结果表明,无论是在静水环境中还是在不同风和流干扰的环境中,这种改进的航向模糊控制器都比常规的模糊控制器具有更好的控制效果,能够满足船舶航向实时控制的要求。     

神经网络在自适应船舶操作系统中的应用

首先在RBF-Elman神经网络结构基础上,设计带输出反馈RBF-Elman递归神经网络,通过实验验证该算法具有收敛速度快、自适应能力强、自学习能力以及固有的非线性等特点。最后将利用带输出反馈RBFElman递归神经网络作为分类器进行船舶运动状态的辨别,实验结果表明此算法高效、可行。