船舶航向自适应鲁棒PID自动舵设计

利用野本模型作为船舶航向控制系统的模型,在给出船舶航向自动舵传统ＰＩＤ型控制律设计方法的基础上,考虑到船舶航向控制系统模型中存在参数不确定性和外界干扰不确定性,建立含有不确定性项的船舶航向误差控制系统的状态方程,提出了船舶航向自适应鲁棒ＰＩＤ控制律算法,利用Ｌｙａｐｕｎｏｖ理论证明了所提出算法的稳定性,并且Ｍａｔｌａｂ Ｓｉｍｕｌｉｎｋ工具箱进行仿真研究。     

船舶航向非线性系统的模糊神经网络智能控制器设计

船舶航向控制系统具有典型的非线性和不确定性特性，并受自动舵执行能力的约束，这使得作为船舶智能化基础的航向控制极具挑战性。首先分析了船舶航向运动特性，给出带有舵约束的航向运动非线性数学模型；然后以模糊神经网络为控制器结构，在噪声加入和参考轨迹设置算法的支持下使用遗传算法对控制器参数进行自动搜索和优化，设计一种船舶航向智能控制器；最后对航向控制进行仿真。结果表明，所设计的航向智能控制器对船舶参数摄动和扰动具有良好的鲁棒性能。     

基于双级模糊控制器的船舶操纵运动控制系统

针对船舶航向控制系统，要求既有快速而又平稳的回转性，又有准确无误的航向保持性，用常规的模糊控制器控制时，难以同时满足大角度转向控制和小角度航向保持的性能要求．文中提出用两级模糊控制器构成了一个既具有可靠性、实用性，又具有良好的船舶向控制性能的模糊控制系统．此种可快速切换的双级模糊控制器系统与优化后的ＰＩＤ控制系统相比，不仅使船舶转向时动态响应快，超调量小；而且在航向保持阶段，航向的稳定性也更优。     

基于遗传优化径向基神经网络的船舶航向控制

设计了一种基于遗传算法优化径向基神经网络的船舶智能自动舵.针对船舶航向控制过程中的非线性和不确定性,将RBF网络直接逼近船舶模型内部不确定项和外界扰动,借助李雅普诺夫理论推演控制系统渐进稳定.利用遗传算法对径向基神经网络进行优化提高逼近性能.对比仿真结果显示,同等条件下,上述控制器较一般自适应控制和模糊PID控制系统稳定时间普遍快40%,平均超调量缩小100%,控制输入舵角进一步平滑稳定,且船舶航向对船舶内外部干扰不敏感.     

船舶航向非线性系统的输出反馈鲁棒控制

考虑船舶航向控制系统模型中存在非线性，假设模型参数和外界干扰有界的情况下，首先利用Lyapunov稳定性模型，提出了一种状态反馈鲁棒控制新算法的自动舵设计，进而考虑到实际船舶上，在进行航向控制时，并不是所有船舶运动状态都是可测的，仅有航向是可测的，采用一种高增益状态观测器对状态进行重构，提出了输出反馈鲁棒控制自动舵设计，以大连海事大学远洋实习船“育龙轮”为例，进行了输出反馈鲁棒控制自动舵设计，并利用Matlab工具箱进行了仿真研究，结果证明该算法是十分有效的。     

基于神经元智能PID控制器的研究

用神经元的自学习功能构成了智能ＰＩＤ控制器。该控制器将神经网络和ＰＩＤ控制规律融为一体，既具有常规ＰＩＤ控制器结构简单、参数物理意义明确的优点，又具有神经网络自学习、自适应的能力。     

一种神经网络自适应PID控制器

采用神经网络与模糊逻辑相结合的方式，构造了一种自适应ＰＩＤ控制器。该控制器用具有改进学习算法的神经网络作ＰＩＤ参数调节器，用模糊神经网络对被控对象进行模型辨识，综合了神经网络，模糊控制和ＰＩＤ控制的优点。结构简单，易于实现，且适应环境能力强。     

欠驱动船舶自适应迭代滑模轨迹跟踪控制

针对欠驱动船舶轨迹跟踪控制问题,考虑系统存在未知参数和外界扰动,提出了一种带强化学习的神经网络自适应迭代滑模控制方法;利用轨迹跟踪的横向和纵向误差信息构造非线性迭代滑模面,分别设计了船舶柴油机转速和舵角的神经网络迭代滑模控制器;根据船舶柴油机转速和舵角的实时测量值,计算了反映控制量抖振状态的强化学习信号,在线优化了神经网络的结构和参数,以抑制控制量的抖振,进一步增强控制系统的自适应性;建立了5446TEU集装箱船舶数学模型,分别对圆轨迹和正弦轨迹进行了跟踪控制。仿真结果表明:在风浪扰动下圆轨迹跟踪时,与迭代滑模控制策略相比,采用提出的控制策略250s左右能跟踪上目标轨迹,速度提高约1倍,最大跟踪偏航距离为250m,误差减小约30%,控制舵角在400s后基本平稳,波动幅值约为2°,舵角和柴油机转速的抖振变化幅值均减小了50%以上,柴油机转速控制参数和舵角控制参数分别在38~45和3.3~3.9之间实现了自适应调节;在正弦轨迹跟踪时,与模糊迭代滑模控制策略相比,采用提出的控制策略纵向跟踪平均误差小于20m,减小了50%以上,舵角抖振量平均幅值小于10°,减小了60%以上,柴油机转速控制参数和舵角控制参数分别在5.7~5.8和0.8~2.5之间实现了自适应调节。     

舵鳍联合减摇的鲁棒控制系统

为了在保持航向的同时,达到较好的减摇效果,提高船舶航行的安全性和舒适度,设计一种舵鳍联合控制系统。根据先验知识,用具有工程意义的带宽频率、高频渐近线斜率、最大奇异值和频谱峰值4个参数构造了闭环系统的传递函数阵,给出了多输入多输出系统的闭环增益成形算法,将之应用于舵鳍联合减摇的控制中,运用Simulink工具箱得到仿真曲线。仿真结果表明所设计的控制系统在保证航向控制的同时,船舶横摇平均在±2°左右,最大4°,达到了较好的减摇效果。     

强机动超空泡水下航行器空间运动控制面布局(英文)

针对超空泡航行器航向舵后置布局在强机动航行时舵效不足的问题,建立了一种全新的兼顾直航与机动运动的控制面布局模式,首次提出了非对称分布艏舵的超空泡航行器控制面总体方案,采用双自由度空化器作为控制面,水平偏转控制航向,上下偏转控制俯仰和深度,且在空化器下部复合抗横滚鳍片。针对某超空泡水下航行器进行了系统动态特性仿真分析,横滚剩余力矩约从0.1s衰减至0,极限横滚角小于0.1°。分析结果表明:以空化器作为艏部航行舵替代常规布局的尾部航向舵,可以显著提高舵效。     

基于混合遗传算法优化的舵减摇模糊控制系统

将混合遗传算法应用于船舶舵阻摇，充分发挥了模糊逻辑、神经网络和遗传算法各自的优势．采用模糊系统的自适应变节点的神经网络学习模糊神经网络参数，从样本数据中获取模糊控制规则，弥补了各自的不足．仿真结果表明上述算法为改进船舶舵阻摇效果提供了一个有效途径．     

船舶操纵运动的模糊自适应控制系统

船舶操纵运动控制过程中,由于转向角度可任意设置,系统的航向偏差和偏差变化率有时可能会很大。本文在进行船舶操纵运动模糊控制设计中,为使系统工作平稳,研究了一种根据系统工作过程中的偏差和偏差变化率自动校正比例因子的算法,以实现船舶航向自适应控制。同时为满足系统的稳态性能,该系统中不宜采用模糊了ＰＩ控制器。仿真结果显示了该系统设计的合理性。     

船舶倒航舵效及操纵

根据舵压力，船桨舵效应横向力和风流对倒航船舶舵效的作用规律，讨论船舶倒航舵效差的原因，提出了船舶倒航操纵方法和操纵应注意的有关问题。     

基于航向控制系统的船舶动态避碰机理

为探索航速矢量变化与船舶避碰之间的动态变化规律（避碰机理），研究了结合船舶领域和速度障碍等方法的静态避碰机理，确定了不考虑船舶改向运动过程与周围环境变化前提下，本船可避让所有物标的航速矢量区间；建立了基于模糊自适应比例积分微分（PID）控制和船舶运动方程的航向控制系统，再现船舶改向过程中的航速矢量非线性变化；基于静态避碰机理和航向控制系统研究了船舶动态避碰机理，求解了符合船舶操纵运动过程的动态避碰改向区间. 研究结果表明，在开阔水域随机设置的多物标环境中，可得到符合航速矢量非线性变化的动态避碰改向区间集合 [?90°，?72°]、[31°，47°]、[62°，79°]，受动态船舶主要影响形成改向范围为（?72°，31°）、（79°，90°] 的碰撞航向区间，符合船舶操纵运动对改向避碰的影响规律，可为实现船舶避碰辅助决策、自动避碰和动态避碰路径规划提供基础理论和方法.      

参数自整定PID—Fuzzy控制器的研究

文中叙述了ＰＩＤ控制、模糊控制各自的特点及不足，由此设计了ＰＩＤ—Ｆｕｚｚｙ控制器，并进行了仿真研究与 ＰＩＤ控制器比较．ＰＩＤ—ｆｕｚｚｙ控制器鲁棒性大为提高，超调量减少，较好的解决了快速性与小超调之间的矛盾。     

一种有效的改善操纵性的船舱组合方式

了配置西林舵的双尾机动驳的深水船模操纵性试验结果。结果表明该船具有良好的航向改变性和航向保持性，由于配置了高性能的西林舵，该船的回转性有相当程度的提高，操７０°舵角时，该船原地回转且横倾角很小。     

船舶航向非线性系统自适应神经网络控制

提出了一种基于最小参数RBF(径向基)神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.     

分布式容错自适应控制器的研制

针对自适应控制中增长最快的自整定ＰＩＤ控制器，介绍一种分布式容错自容错，自适应控制器及其软件的设计思想，本文以实时多任务操作系统，状态顺序编码监控程序设计。定义数据的数字显示，数据缓冲等技术为基础，采用层次结构，并行处理的设计方法，使控制器的软件系统结构清晰复用程度高，可靠性强。本控制器整体性能已在模拟仿真中得到验证。     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

基于PID的船舶航向控制

文章根据实船参数设计出PID自动舵,并在此基础上对控制器进行了模糊控制优化,在simulink环境下进行了仿真检验,最后对仿真结果进行了比较。结果表明,PID船舶航向控制器具有更强控制性和稳定性。