船用锅炉水位模糊自适应PID控制仿真

本文基于MATLAB/SIMULINK平台,建立一种模糊自适应PID控制算法的仿真控制器,检验其对具有时变、大滞后等特性的控制对象的控制效果。以一艘6万吨原油废气锅炉汽包液位为控制对象进行仿真,给出了该控制器的具体设计方法,仿真结果表明,所设计的控制系统超调量小、调节时间短、响应速度快、动静态性能好。证明了本文方法在船舶锅炉水位控制中的有效性。     

船用锅炉汽包水位控制算法的优化

锅炉汽包水位控制系统是一个复杂的时变动态过程,具有很强的非线性、紧耦合、大滞后、强干扰特性,传统的控制算法很难使之达到理想的控制效果和较高的自动投运率。文章结合在实验室的"GL-001"锅炉设计了具有自调整加权因子的模糊控制器,能够克服许多干扰因素,对于锅炉汽包水位这一复杂的工业对象,显示了强鲁棒性,并产生了良好的控制效果,其控制性能优于常规PID控制。     

基于支持向量机的船舶航向广义预测控制

船舶的动态性能具有大惯性、大时滞、非线性等特点,经采用基于结构风险最小化原则的神经网络--支持向量机,能充分发挥其可以任意逼近非线性模型的良好特性来对船舶进行辨识,并以此作为广义预测控制算法中的预测模型,加以相应的预测控制算法达到航向保持的目的.仿真结果表明:支持向量机学习速度快,在小样本情况下具有良好的非线性建模和泛化能力;基于支持向量机的广义预测控制算法具有很好的控制性能.     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

列车运行速度的模糊预测控制

提出了一种列车运行速度的模糊预测控制算法。由于列车速度是一种时变的、具有诸多不确定因素的复杂非线性系统,所以采用传统的控制方法对列车的速度控制不能满足要求。本系统采用模糊预测控制方法控制列车速度,仿真研究表明,所提出的方法具有较强的鲁棒性和自适应控制。     

一类时滞系统的可靠控制设计

研究一类不确定、时滞、非线性系统的可靠控制问题，针对一类含有时变多状态滞后、参数不确定性和未知非线性的系统，采用带有滞后的状态反馈控制，给出时滞系统对执行器失效和传感器失效具有完整性的充分条件和可靠控制算法。仿真结果验证算法的有效性。     

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。     

船舶柴油机转速模糊神经网络PID智能控制

为了提高常规PID控制器在非线性、时变不确定性系统中的控制性能,提出一种模糊神经网络PID控制算法,利用模糊控制良好的非线性控制优势,以及神经网络超强的自学习、自适应特性,实现对PID参数的实时在线整定,并建立船舶柴油机转速模糊神经网络PID控制系统数学模型,利用Matlab/Simulink进行仿真。仿真结果表明,模糊神经网络PID控制超调量少、精度高、调节时间短,具有更好的动静态特性和抗干扰特性,系统鲁棒性有了很大提升,能很好地满足船舶柴油机转速控制系统的要求。     

一种基于神经—模糊的船舶航向控制器研究

文中针对船舶航向这种非线性、时变、滞后控制对象，提出了一种基于人工精神网络的模糊控制器。利用人工精神网络的学习能力，将抽象的模糊控制规则转化为神经网络的学习样本，通过ＢＰ学习算法记忆这些规则样本，并以“联想记忆”的形式来使用非样本规则。仿真结果表明该控制器具有很好的控制精度，动态特性和鲁棒性。     

基于并联型灰色神经网络模型的港口吞吐量预测方法探讨

港口吞吐量预测是港口规划的基础,在确定港口发展方向、投资规模等方面发挥着十分重要的作用,因此有必要对港口吞吐量的发展趋势做出合理的预测。结合灰色理论和神经网络模型的特点,尝试用灰色神经网络组合模型之一——并联型灰色神经网络模型进行港口吞吐量预测。用实际算例证明了该方法在港口吞吐量预测中的有效性。