基于SR-UKF的潜艇水动力系数辨识方法

[目的]针对潜艇运动模型中水动力系数难以准确获取的问题,采用平方根无迹卡尔曼滤波(SR-UKF)算法进行系统辨识.[方法]首先,以潜艇垂直面运动非线性数学模型为基础,结合SR-UKF算法,建立潜艇垂直面水动力系数辨识模型;然后,利用自动操舵控制潜艇在垂直面进行类正弦机动,将运动仿真生成的数据作为SR-UKF参数辨识的输...     

水面船舶操纵性敏感性分析

以两种水面船舶为研究对象,采用三自由度的常系数船舶操纵运动方程为数学模型,通过计算机仿真来考察水动力系数、舵的整流系数以及螺旋桨伴流系数对船舶操纵性的影响。结果用敏感性指数表示,仿真Z形操舵试验和船舶回转试验进行敏感性分析。分析表明,在船舶回转试验中,对船舶操纵性的回转性能影响较大的是线性水动力系数及舵整流系数;在Z形操舵试验中,线性水动力系数、舵整流系数、螺旋桨伴流系数、非线性水动力系数Nr′|r|以及附加质量(附加惯性矩)my、JZZ对超越角影响较大,其它系数依船型不同对超越角影响不同。从数据对比上看,这两种船的系数对超越角的影响普遍大于对回转直径的影响。不同船型的系数对超越角的影响相差很大。     

评估水动力系数对潜艇操纵性影响的一种方法

基于潜艇的空间运动方程,引入了敏感性指数的概念,选取水平面z型操舵机动、垂直面梯形操舵机动和水平面定常回转运动三种典型运动形式作为研究对象,就水动力系数对操纵性影响进行了评估,并通过对某型潜艇的仿真计算,验证了该评估方法的可行性.     

基于等效动稳定性系数的潜艇运动控制方法

对由线性运动方程和Routh-Hurwitz判别法导得的操舵比例函数求解,获得潜艇运动控制新方法,将控制增稳所需的修正舵角与原舵角组合成新指令舵角,可改善潜艇的航行品质。以具有十字舵的某型潜艇为对象求解6自由度运动方程,其中典型的潜艇水下定深回转工况仿真模拟表明：操舵比例系数与水动力导数和等效动稳定系数有关,控制增稳效果受到运动特征量和潜艇操舵角度等因素的影响。潜艇运动控制新方法改善了潜艇航行过程中的运动响应,提高了那些由于自动稳定性不足而难以操控的潜艇的控制稳定性。潜艇运动控制新方法为未来潜艇通过减小操纵面来优化自身综合水动力性能提供了新的技术途径。     

水动力系数敏感性分析在潜艇水平面运动模型简化中的应用研究

水动力系数敏感性分析是一种评估水动力系数对潜艇操纵运动影响程度的方法。本文根据水动力系数敏感性分析方法,计算某模型艇水平面回转运动战术回转直径的水动力系数敏感性指数,评估各水动力系数对战术回转直径的影响程度。并将敏感性指数作为水平面运动模型的简化依据。本文的研究为潜艇运动模型的简化提供了理论支持。也对潜艇操纵性设计和研究提供指导。     

基于支持向量机的水下机器人操纵运动参数辨识

根据平面运动机构试验所得到的水动力系数确定水下运载器的运动方程,应用最小二乘支持向量机对水下运载器的试验数据进行分析,辨识得到了水动力系数,并将辨识得到的参数同平面运动机构试验所确定的参数相比,验证了最小二乘支持向量机进行水下运载器操纵运动参数辨识的有效性。根据所辨识的水动力系数进行了模型验证,证明所辨识得到的水动力参数是可靠的。该方法对水下运载器的操纵和控制的研究有重要意义。     

转舵速度对舰船回转性能的影响

在忽略操舵引起速降的假设前提下,利用操舵响应方程对不同转舵速度下船舶的回转性能进行理论分析,获得定常回转直径、纵距、横距、战术直径等参数与转舵时间之间的近似关系。进而利用计及速降的非线性操纵性运动方程进行同一舰船不同转舵速度下的回转运动仿真,以及操纵性能和航速相同而船长不同的各船在不同转舵速度下的回转运动仿真。仿真结果与理论分析结果一致,均表明定常回转直径不受转舵速度的影响,纵距、横距、战术直径均随着转舵速度的提高而减小,且转舵速度对船长较短的舰船影响较大。     

水下航行体水动力参数智能辨识方法研究

通过水下航行体的状态方程和试验观测方程,利用智能辨识技术对水下航行体的模拟运动数据进行了仿真辨识,求得了10个水动力参数.结果表明,智能算法简单有效,对目标函数没有可微性和连续性要求,避免了复杂的梯度矩阵计算,适合在复杂的非线性水动力系统辨识中应用.     

AUV模块化对于操纵性的影响分析

AUV在水下的运动复杂且受到水动力的影响,在机械结构上有着模块化设计的AUV安装附加舱段势必会对运动性能产生变化,因此研究AUV在加装舱段后的水下操纵性变化问题。首先通过SolidWorks分别建立AUV与安装附加舱段AUV的几何模型,运用Ansys Fluent分别计算水动力系数;然后利用Matlab软件建立AUV的六自由度运动数学模型,最后以水平面回转运动、水平面Z形操舵运动以及空间定常螺旋下潜运动3个方面的操纵性仿真,对原AUV与加舱段AUV的操纵性进行预报并对比分析结果。结果表明,搭载了舱段的AUV相比原AUV会降低运动性能、应舵性能。     

关于潜艇回转机动时的横倾控制

介绍潜延回转运动时产生伴随横倾的最佳控制方法。首先介绍了建立潜艇水平回转运动数学模型－控制横倾状态方程的方法,然后应用最小值原理寻找保证潜艇输出横倾角最小和控制（操舵）功率也最小的指标,泛函极值情况下的最优操舵比例系数是通过求解黎卡堤矩阵方程黎卡堤矩阵方程而得到的。最后进行了实时仿真,结果表明,本方法控制横倾角是有效的、最优的。     

Black-box modeling of ship manoeuvring motion based on feed-forward neural network with Chebyshev orthogonal basis function

Based on polynomial interpolation and approximation theory, a novel feed-forward neural network, the feed-forward neural network with Chebyshev orthogonal basis function, is proposed for black-box modeling of ship manoeuvring motion. The neural model adopts a three-layer structure, in which the hidden layer neurons are activated by a group of Chebyshev orthogonal polynomial activation functions and the other two layers’ neurons use identity mapping as activation functions. Weight update formulas are derived by employing the standard back-propagation (BP) training method. With the simulated 15º/15º zigzag test data as input and calculated values of the hydrodynamic forces and moment as output, the feed-forward neural network with Chebyshev orthogonal basis function and the BP neural network are applied to identify the nonlinear functions in the nonlinear hydrodynamic model of ship manoeuvring motion. With the simulated 20º/20º zigzag test data and 35º turning test data as input, the hydrodynamic forces and moment are predicted by using the identified nonlinear functions. Comparison between the calculated and predicted hydrodynamic forces and moment shows that the feed-forward neural network with Chebyshev orthogonal basis function is superior to the BP neural network in identifying the nonlinear functions of the nonlinear hydrodynamic model of ship manoeuvring motion and is an effective method to conduct the black-box modeling of ship manoeuvring motion.     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。     

基于模糊神经网络的水火弯板双臂系统控制与研究

研究了水火弯板双机械臂的非线性控制问题,采用一种模糊神经网络算法,利用神经网络的学习能力和模糊控制的模糊信息处理能力,调整优化双机械臂运动的位置偏差,得到该控制体系下的最佳驱动参数,仿真结果表明,该控制策略提高了水火弯板双机械臂的控制精度,并且使系统具有较好的动、静态性能。     

神经网络在船舶操纵中的应用研究

该文对人工神经网络用于船舶操纵动态特性的在线学习进行了研究,并提出了基于神经网络预报的操舵控制算法。仿真试验的结果表明了该控制算法的有效性。     

BP神经网络在冷凝器建模中的应用

本文利用神经网络的非线性映射和泛化能力,建立了一个冷凝器的BP神经网络模型.仿真结果表明,该建模方法直接有效,具有一定的研究意义和应用价值.     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用 Ansys的 Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于 BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建 BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用 BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。     

基于神经网络的态势预测方法研究

为提高安全态势感知精确度和降低其复杂度,加强网络系统的安全防护能力,提出了基于神经网络的态势预测方法,并研究了基于径向基函数和遗传神经网络的态势动态预测方法。神经网络可通过自学习和非线性映射以任意精度逼近函数关系,具有高度灵活可变的拓扑结构及很强的适应能力,对于中、短期预测具有较高的精度。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

一种基于RBF神经网络无位置传感器控制

利用人工神经网络在处理非线性、不确定问题上的优势,提出一种基于FRA优化的RBF神经网络实现无刷直流电机的无位置传感器控制,通过对电机相电压和相电流的映射,估算出准确的电机换相信号。实验结果验证了本文方法的有效性。     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。