基于BP神经网络的船舶航迹控制技术

航海战舰规模的扩大使船舶航迹的控制变得越来越困难、复杂。为了实现船舶航迹控制,采用新的控制技术,根据神经网络及船舶航迹的相关理论和BP神经网络的船舶航迹控原理,对BP神经网络的船舶航迹控制进行计算和航迹设计实现,通过模拟仿真得出各种海情条件下的船舶航迹控制比较图,对我国航海战舰控制航迹有一定的指导意义。     

基于神经网络精准规划船舶航行路线的算法

船舶航行中精准规划航行路线,合理避开障碍物是安全运行的关键。为此,设计一种基于神经网络精准规划船舶航行路线的算法。利用遗传算法优化神经网络权值,建立基于神经网络的船舶航迹预测模型,在模型内输入船舶航向与航速,输出船舶经、纬度差,即船舶航迹预测结果,依据该结果,获取船舶航行时路线规划环境;依据马尔科夫决策过程,得到路线规划最佳策略网络,通过深度强化学习神经网络确定最佳策略,在该网络内输入路线规划环境预测结果,确定规划策略内船舶执行动作,完成航行路线精准规划。实验证明：该算法可精准预测船舶航迹;在不同水域及场景下,均可精准规划航行路线,确保航行时无碰撞危险,降低航迹点平均距离偏差。     

非规则波动下直线航迹自抗扰控制数学模型设计

非规则波动,船舶直线航迹经常出现偏差,影响了船舶航行的稳定性和安全性。为此,针对传统PID控制、自适应神经网络控制2种方法控制效果差的问题,设计一种非规则波动下直线航迹自抗扰控制数学模型。该模型分为3部分:首先进行跟踪微分器设计,消除干扰因素的影响,然后利用扩张状态观测器,估计船舶运行状态,最后利用状态误差反馈,计算船舶运行误差,以此实现自抗扰控制。结果表明,与传统PID控制、自适应神经网络控制2种方法相比,利用设计的数学模型进行非规则波动下直线航迹自抗扰控制,得到的直线航迹与预期航迹之间的拟合优度更大,更接近1,由此说明自抗扰控制数学模型更能有效规范船舶直线航迹,保证了船舶航行的稳定性和安全性。     

基于PID算法的船舶航迹自动控制方法

由于当前船舶航行环境日益复杂易造成船舶航迹偏离等问题,一旦船舶偏离航行易造成严重的安全问题,因此对船舶航迹进行精准控制的要求也越来越困高。由于传统方法缺失自动校正航线等功能,对船舶航迹进行控制仍存在延时、误差等问题,不利于船舶进行准确航行。为了实现船舶航迹自动控制的功能,结合PID神经网络算法对船舶航迹控系统进行优化,基于模糊算法对船舶航行参数进行控制和调整,以便提高船舶沿航线进行准确航行,同时在船舶偏离航线时及时进行检测和校正保持船舶沿标准航迹航行。为检验该方法的有效性,进行了仿真实验,实验结果证明基于PID算法的传播航迹自动控制方法有利于准确保障航迹,自动对船舶航行数据进行分析和矫正,保持船舶控制系统的良好性能。对我国航海战舰控制航迹有一定的指导意义。     

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。     

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.     

基于数据挖掘的船舶航迹自动识别系统

以充分掌握船舶航行动态为目的,设计基于数据挖掘的船舶航迹自动识别系统。该系统使用跟踪监控单元内的海事雷达和船载单片机监控终端获取船舶航行数据后,利用无线通信单元内的无线传感器、网络协调器等设备将船舶航行数据发送至数据存储与集成单元;利用该单元对船舶航行数据进行打包分发、在线压缩和存储等处理。航迹识别单元从数据存储与集成单元内调取压缩存储的船舶航行数据,并对其进行区域航迹提取、坐标转换和时间校准后,再利用基于数据挖掘的轨迹融合方法完成其航迹识别,然后将识别结果发送至展示单元呈现给用户。实验结果表明：该系统在应用过程中其运行稳定性接近99.5%,并且具备良好的通信传输能力;也可在船舶航迹复杂交错和存在其他船舶干扰情况下有效识别目标船舶航迹,应用效果显著。     

不依靠模型自适应控制的船舶自动舵

船舶运动控制具有较强的非线性、不确定性、大惯性,大滞后和慢时变特性,加上在航行过程中存在的干扰和噪声,使得航迹控制变得非常复杂,运用常规的PID算法难以达到期望的控制效果,不可能根据船舶动态特性和海况变化实现其参数的自动整定,总是偏离其最佳工作状态.文章首次在船舶运动控制中使用自适应神经网络MFA控制器,减少航迹波动幅度和次数,减小船舶航行时附加阻力.仿真结果表明MFA自动舵具有快速性、鲁棒性和稳定性的优点.     

大型船舶航迹多变量随机最优控制

基于随机控制理论，研究了大型船舶航迹的随机最优控制。以Mariner号船舶为研究对象，建立了该船的运动方程和干扰模型，在此基础上，利用卡尔曼滤波器对航向角Ψ、舵角δ、船位信息(经纬度)等进行最优估计，采用LQG随机控制方法对航迹进行随机最优控制。仿真结果表明航迹控制性能良好，能精确保持航迹。     

RBF神经网络在船舶航向保持非线性控制中的应用

船舶航向保持在可控范围内,使得船舶航迹能够在规定精度的阀值内。随着航运业的发展,船舶的动力及体积越来越大,操纵控制系统复杂度也越来越高,在船舶航向控制中的非线性因素越来越多,传统的线性模型已经不能适应船舶控制系统性能要求。RBF神经网络与自适应控制相结合,能够很好匹配非线性系统的求解。本文研究船舶航迹控制模型,给出基于RBF神经网络船舶航向非线性控制系统解决方法,最后进行仿真实验。