变吃水船舶动力定位控制策略

针对船舶动力定位变吃水的问题,利用自适应PID能够实时进行参数校正的特点,设计一种自校正PID控制器。利用船舶模型试验相关数据建立被控对象的数学模型。引入改进的最小二乘估计算法进行系统辨识,并通过极点配置法计算控制器参数;最后针对具体船型进行仿真和分析。仿真结果显示,当船舶数学模型发生改变时,自校正PID控制系统能够实时估计模型的参数并进行调整,使系统保持稳定。     

自抗扰控制在船舶动力定位中的仿真研究

控制技术是动力定位系统的核心技术,控制器的算法设计会影响动力定位的精度。本文在建立船舶低频运动动力定位系统模型的基础上,分别将PI控制器和自抗扰控制器应用于动力定位系统。给出自抗扰控制器算法,并对船舶无干扰状况下的横向位置、纵向位置和首向角进行建模仿真。仿真结果证明,自抗扰控制比传统的PID控制具有更好的动态性能,无超调,对船舶动力定位系统的实际定位能力有一定的指导意义。     

数据挖掘在船舶动力定位自适应模糊控制器设计中的应用

船舶作为海上重要的交通工具,精准的船舶动力定位能够抵抗风浪流等环境因素对船舶的影响,但船舶的航行具有非线性、不确定性等特点。本文将利用数据挖掘得到船舶的控制样本数据,并将其应用于船舶动力定位自适应模糊控制器的设计中,最后通过与PID控制的对比实验说明本文的算法定位能力强,能够抵抗外界环境因素的影响。     

PID控制器在船舶减摇水舱控制器设计与优化的应用

减摇水舱控制系统中的摇摆台控制一般采用PID控制系统,借助PID控制系统的算法优势,传输摇摆角度信号,有效控制减摇。PID系统采用免疫遗传算法,该算法能够建立起数学模型,推理运算出目标函数值,向电液伺服阀输出动作指令,控制船舶横摇。本文分析了PID控制器在船舶减摇水舱控制器设计中的应用,提出优化PID控制器的设计方法,经过仿真实验证实,改进优化的变参数PID控制器能够有效控制船舶横摇角、鳍角速率,提高减摇效率。     

一种参数自整定PID在变频冷却水系统的仿真研究

由于船舶在航行过程中海水温度、主机运行情况等参数变化会导致常规的PID控制效果不理想,所以需要对船舶变频冷却水系统的控制器进行改进。文章建立了船舶中央冷却水系统的数学模型,并在Matlab/Simulink环境下建立了仿真模型。利用BP神经网络的特性实现PID参数的自整定,并用BP神经网络PID控制器与传统PID控制器分别对系统进行控制,比较其控制效果。仿真结果表明,BP神经网络PID控制器的控制精度和鲁棒性优于传统PID控制器。     

基于云模型的舰船动力定位控制系统设计

船舶动力定位控制是保证船舶平稳运行的关键。本文首先研究了云模型理论,对云模型控制进行深入分析,在船舶动力定位系统数学模型和云模型的基础上,建立了动力定位云模型控制器,并且利用基于遗传算法的粒子群算法进行控制因子的优化,最后进行控制系统仿真,实验结果表明,本文算法能够对船舶动力定位起到很好的控制作用。     

船舶动力定位智能PID控制器设计与仿真研究

由于船舶在海上的动力学特性具有非线性、大时滞和强耦合等特点,风、浪等外部干扰具有随机特征,因而船舶动力定位控制系统是一个复杂的非线性系统,一次性整定的PID参数难以取得理想的控制效果。鉴于PID控制器的性能完全取决于其控制参数,结合混沌粒子群算法、云模型控制和PID控制各自的优势,设计一种具有参数实时自整定功能的智能PID控制器。首先引入混沌粒子群算法离线优化PID参数使控制系统处于优化状态,再利用二维云模型控制对其进行在线调节以增强控制器的适应性和鲁棒性。仿真结果证明所设计控制器的可行性和有效性。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

基于预测函数算法的船舶动力定位系统控制

在系统分析和研究船舶动力定位的基础上,提出了一种基于预测函数控制的船舶动力定位方法,设计了预测函数控制器。在船舶动力定位部分,介绍船舶动力定位系统数学模型的选取,在预测函数控制部分,具体的探讨了预测函数控制方法的原理以及具体的算法。最后采用工程数据,对该算法进行了仿真验证,结果表示,预测函数控制方法能对船舶进行有效的定位。     

一种新型船舶航向智能PID控制器优化设计

借鉴免疫系统的免疫响应调节机制,对传统PID控制器进行改进,建立一种非线性自适应免疫PID控制器,并利用粒子群算法对设计的PID控制器进行参数优化.将设计的控制器用于船舶航向控制系统中,实验仿真结果表明:该控制器能很好的根据船舶动态特性的变化,自动地进行适应性免疫调节,具有跟踪速度快、航向控制超调小以及抗扰性强等优点.     

动态不确定海况下的船舶动力定位控制算法

为提高在环境干扰力的影响下船舶动力定位系统的精确性和稳定性,本文建立以船舶动力模型以及环境干扰力模型为基础的动力定位数据模型,同时提出了船舶动力定位控制方法,在此基础上提出建立模糊PID控制模型并进行仿真分析试验。结果表明,在环境干扰力的影响下,模糊PID控制的系统比较稳定且有较强的抗干扰能力,能够达到较精确的定位控制效果。本研究结果为船舶动力定位研究提供一定的理论指导和参考价值。     

BP神经网络和PID船舶自动舵控制方法

船舶自动舵控制十分复杂,再加其它因素的干扰,使得单一神经网络或者PID控制无法对船舶自动舵进行高精度控制,而且船舶自动舵控制速度慢,为了改善船舶自动舵控制效果,利用BP神经网络和PID控制的优点,设计了BP神经网络和PID相融合的船舶自动舵控制方法。首先分析船舶自动舵控制原理,然后初始化PID参数的范围,并采用BP神经网络获取PID控制器的3个参数最优值,从而实现船舶自动舵控制,最后在Matlab平台实现了的船舶自动舵控制仿真模拟实验。结果表明,本文方法可以对船舶自动舵变化趋势进行很好的跟踪和控制,获得了高精度的船舶自动舵控制结果,而且船舶自动舵控制速度快,能够适合船舶自动舵的实时性变化特性,具有较强的抗干扰能力,具有一定的推广价值。     

模糊控制器在船舶动力定位系统中的应用及改进

本文研究了船舶动力定位中模糊控制的应用问题,探讨了模糊控制中隶属函数和模糊规则的具体制定,并应用可变论域的思想对模糊控制器进行改进.对船舶的纵向运动进行了控制与仿真,并且做了比较与分析.仿真结果表明,改进的模糊控制器能对船舶的动力定位实施更有效的控制.     

滑模控制船舶动力定位控制系统研究

为了提高动力定位船舶或作业平台在复杂海况条件下的定位精度,对动力定位船舶的控制器进行设计研究,通过建立简化的船舶三自由度数学模型,采用滑模变结构控制方法进行控制器的设计,并基于李雅普诺夫函数进行稳定性分析,通过软件进行仿真验证,仿真结果表明,在存在外界环境干扰的条件下,所设计的滑模控制器能够较好的保持系统的稳定性和鲁棒性,控制性能良好,对进一步研究动力定位船舶的控制系统有一定的参考意义。     

船舶动力定位模拟器自动定位功能研究与实现

为了自主研发功能完备、扩展性好的船舶动力定位模拟器,分析船舶动力定位模拟器中各个模块的功能,对现有航海模拟器的系统架构进行改进,提出适用于多单元协同仿真的船舶动力定位模拟器系统架构。根据动力定位系统自动定位模式的原理,设计动力定位控制器和推力分配算法,提出使用 Direct2D图形技术来设计动力定位人机交互界面。最后在所设计的动力定位模拟器系统架构下,以1艘动力定位供给船为仿真对象实现在不同海况条件下的自动定位功能和系统信息显示,并验证算法的有效性。     

船舶动力定位模拟器自动定位功能研究与实现

为了自主研发功能完备、扩展性好的船舶动力定位模拟器,分析船舶动力定位模拟器中各个模块的功能,对现有航海模拟器的系统架构进行改进,提出适用于多单元协同仿真的船舶动力定位模拟器系统架构。根据动力定位系统自动定位模式的原理,设计动力定位控制器和推力分配算法,提出使用Direct2D图形技术来设计动力定位人机交互界面。最后在所设计的动力定位模拟器系统架构下,以1艘动力定位供给船为仿真对象实现在不同海况条件下的自动定位功能和系统信息显示,并验证算法的有效性。     

基于DRNN神经网络的PD混合控制技术在船舶动力定位系统中的应用

船舶在海上运动是一种复杂的非线性运动，其水动力系数很难精确确定，而海洋环境的随机干扰因素也在不断地发生变化，因此需要研究具有鲁棒性和自适应能力的船舶动力定位控制技术。PID控制在优化参数的条件下，对于能够建立精确数学模型的确定性系统具有鲁棒性好和可靠性高的特点，但对于船舶运动这样复杂的非线性系统其控制效果不理想，而神经网络具有自学习和自适应能力，因此需要结合两者的特点，设计自适应能力强、鲁棒性好的控制技术。本文研究了基于DRNN神经网络的PD混合控制技术，并将其应用到船舶动力定位系统。仿真结果表明该方法有效，且具有较好的鲁棒性和自适应能力，提高了动力定位系统的精度和性能。     

船舶自动舵自适应神经网络控制算法研究

在我国船舶自动舵控制领域,其核心技术严重依赖于国外厂商,因此本文主要对船舶自动舵的工作方式进行研究。通过采用PID控制方法,建立精确的自动舵控制数学模型。在设计PID控制策略时,需要综合考虑外部非线性因素和时变不确定等影响,通过适度提高PID控制器中的反馈力度,能够显著提升自动舵的控制水平,然后针对反馈控制环节,设计自适应神经网络算法,对反馈控制参数进行自学习优化,进一步提升了船舶自动舵的预测能力。     

基于闭环增益成形算法和神经网络算法的船舶运动控制器设计

船舶的运动控制对于船舶航行的安全性和高效性至关重要,现代船舶向更加智能化、高速化的方向发展,对船舶运动控制提出了越来越高的要求。针对船舶数学模型的不确定性,本文采用神经网络对船舶进行运动控制。同时引入闭环增益成行算法,对船舶的运动进行闭环控制,以克服神经网络控制系统鲁棒性差的问题。选取某型船舶为研究对象,对本文设计的运动控制器进行仿真验证,仿真结果表明控制效果理想,且能够克服干扰。     

基于细菌觅食算法的船舶舵减横摇PID控制器设计

为解决传统舵减横摇PID控制器在外界环境变化时,控制参数不能实时调节,导致减摇效率降低的问题,将细菌觅食算法(BFO)与传统的PID控制结合,设计基于细菌觅食算法的船舶舵减横摇PID控制器(BFO-PID控制器),将船舶的实际船体参数引入到船舶横摇运动控制系统中,通过仿真实验对比船舶在加入BFO-PID控制器前后船舶横摇角的变化,分析改进后的控制器对该型船舶舵减横摇的适用性,实验表明,运用改进后的舵减摇控制器,船舶在不同遭遇角下均具有较好的舵减摇效率,证明控制器改进的有效性,细菌觅食算法提高了舵减摇控制器的鲁棒性。