高海况下船舶动力定位混合控制器开发

在海洋资源开发中,船舶的动力定位精度至关重要。传统的定位锚泊技术受到海深、洋流、海浪以及海风等多种因素影响,难以达到控制要求。本文提出一种基于改进PID算法、神经网络算法以及模糊控制算法的船舶动力定位混合控制器,设计混合控制器的整体结构,对混合控制器中的改进PID算法控制器、神经网络控制器和模糊控制器进行详细设计和仿真。仿真结果表明,本文设计的船舶动力定位混合控制器能够实现对干扰信号的预测和跟随,且能够适应快速响应控制,因而具有较大的实用性和先进性。     

神经网络在船舶动力定位模拟器控制系统中的应用

随着近海资源日渐枯竭,远洋自然资源的开发和利用技术成为了研究热点。远洋水域深度较大,船舶在采用传统的锚泊式定位时会发生走锚等问题,因此,必须采用动力定位技术。船舶动力定位系统由位置测量、控制器和推进器3部分组成,可以实现精准可靠的海上定位,对船舶和海上作业平台有重要意义。动力定位模拟器是船员进行动力系统操作培训的重要设备,本文结合神经网络算法和相应的数学模型,设计和开发了船舶动力定位模拟器的控制系统。     

基于非线性Backstepping的船舶动力定位控制算法研究

船舶动力的定位控制属于是闭环控制系统,因风浪等一些环境产生的干扰,使船舶动力的定位控制存在不确定性的干扰控制问题。当前算法对船舶的动力进行定位控制时没有对船舶的动力进行定位,导致船舶动力定位控制不准确的问题。提出一种基于非线性Backstepping的船舶动力定位控制的算法。对船舶动力定位控制的数学模型进行构建,利用非线性Backstepping反步积分的控制原理为基础,通过对Lyapunov函数递推进行2步船舶控制律进行构造,有效地提高了定位的精确度,由此完成对非线性Backstepping的船舶动力定位控制算法的研究。实验结果证明,利用该算法使船舶动力定位控制的精确度较高。     

模糊控制方法的水面船舶动力定位控制

传统船舶动力定位控制算法,在动力输出参量耦合情况下,存在动力阈值系数定位误差过大的问题。导致后续控制变量周期变化不稳定,无法准确控制船舶全局动力输出。为了解决上述动力定位控制问题,提出模糊控制方法的水面船舶动力定位控制。基于模糊控制方法的广域性,对动力控制参量进行模型计算;根据模型完成对动力变量目标位置定位量的优化。最后,根据优化阈值利用模糊神经算法,完成对输出控制量策略的更新,实现提升动力定位控制精准度,减小控制误差的效果。通过与传统算法的效果对比表明:提出的控制方法,具有定位速度快、精度高、资源消耗小的特点,更适合实际船舶动力定位控制场景的应用。     

自抗扰控制算法船舶动力定位仿真分析

在远洋和深海海域,船舶如果采用传统的锚泊方式定位一方面存在灵活性差的问题,另一方面锚链长度造成的角度偏移会导致船体的定位精度差。因此,船舶的动力定位系统成为一项船舶重要的功能系统。在船舶的动力定位过程中,风浪等扰动作用会干扰动力定位的精度。针对这一问题,本文提出一种自抗扰控制算法。该算法利用跟踪微分器、状态观测器、误差反馈模块等关键环节,实现船舶动力定位推进器的精确控制,提高船舶动力定位的精度。此外,结合Simulink仿真平台,进行动力定位系统自抗扰控制技术的仿真分析。     

基于模糊理论的船舶动力定位模拟器控制系统设计

随着陆地资源的枯竭,人们对远洋和深海资源的开发程度不断提高,海上舰船和作业平台的定位方式也成为重点研究内容。传统船舶采用锚泊式定位,定位稳定性和精度相对较差,船舶的动力定位方式借助自身推进器产生的动力抵消海浪等作用力,使船舶保持相对稳定。控制系统是船舶动力定位的关键,本文以船舶的动力定位模拟器为研究对象,采用模糊理论等先进控制算法对该控制系统进行了改进,从而提高了动力定位控制系统的控制精度与效率。     

基于T-S模糊理论的船舶动力定位系统控制器设计

传统船舶和远洋作业平台采用锚泊的定位方式,这种定位方式的稳定性和精度都比较差,难以进行远洋和深海的精确作业。船舶的动力定位技术是利用船舶的推进器和船舶动力控制器等设备,产生具有一定方向和大小的推进作用力和力矩,抵消来自海风、海浪等干扰因素的作用力和力矩,使船舶能够稳定的定位于需要的位置。本文的主要对象是船舶动力定位系统的控制器,系统介绍了T-S模糊控制理论,并基于该控制理论对船舶动力定位系统的控制器进行了优化设计。     

基于粒子群算法的船舶定位系统故障优化

船舶的锚泊方式只适合在浅水区进行定位,随着人类探测和航运活动逐渐向着深海拓展,适用于深海的船舶动力定位方式被开发和应用起来。本文研究的主要内容是船舶定位系统的故障诊断和优化,本文首先介绍了一种新型寻优算法-粒子群优化算法的原理和基本流程,然后针对船舶动力系统的结构及常见的故障类型,建立了动力定位系统的故障优化模型,并开发了基于粒子群算法的船舶定位系统故障优化策略,对改善船舶动力系统的故障诊断与优化有重要的价值。     

基于模糊神经网络的动力定位系统

针对船舶动力定位系统，采用神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程，并且采用BP算法进行网络学习；同时针对船舶的纵向运动进行了仿真、比较与分析。仿真结果表明，这种模糊神经网络对船舶的动力定位实施的可行性及有效性。     

遗传粒子群优化算法在船舶动力定位控制中的应用

针对船舶动力定位系统精确定点控制的问题,结合遗传算法(GA)独特的选择交叉变异功能和粒子群优化算法(PSO)较好的记忆功能等优点,提出了遗传粒子群(GAPSO)算法,并应用到最优控制性能指标加权矩阵的权重系数选择中。通过1艘海工多用途动力定位船舶定点控制仿真实验,使船舶纵荡和横荡的位置及艏摇角都逐渐保持在期望值,且所有输出值都收敛有界,结果与传统最优控制相比,遗传粒子群算法在最优控制中更具有效性及较好的寻优性能,有益于船舶工程的应用。