船舶动力定位系统的广义预测控制方法研究

船舶在海上的航行是一种复杂的非线性运动,其水动力参数很难精确确定,并且会遭遇来自风、流和浪的随机干扰;因此,船舶须要具有鲁棒性和自适应能力的动力定位系统。鉴于广义预测控制算法在非线性控制方面的独特优势以及神经网络具有自学习和自适应的能力,作者研究了基于支持向量机的广义预测混合控制算法,并将其应用于船舶动力定位系统。仿真结果表明,该方法具有较好的鲁棒性和自适应性,提高了动力定位系统的精度和性能。     

船舶航向非线性反演自适应滑模控制

为实现船舶在大幅度改向操纵运动中航向准确快速跟踪控制,采用Bech船舶操纵运动数学模型精确描述船舶运动性能。考虑到船舶运动中固有的非线性、模型不确定性和风、浪、流等干扰影响,设计一种船舶航向非线性自适应滑模控制器。利用反演法将滑模控制技术与自适应控制技术相结合设计航向改变控制算法,借助Lyapunov稳定性定理证明控制系统渐近稳定,并进行船舶航向控制仿真。仿真结果表明,本文所设计的船舶航向改变控制器性能优良,控制舵角合理,控制输出航向对本船参数摄动及外界干扰不敏感,具有较强的鲁棒性。     

船舶动力定位系统的非线性输出反馈控制研究

传统的船舶动力系统,主要依赖于人工控制,因此不可避免地存在人为失误,导致船舶动力控制失败,造成航行安全。而新型的船舶动力定位系统,主要依赖于电气化控制设备和自动化控制程序,并且系统的复杂度决定了必须采用先进的非线性控制算法,对动力系统进行优化。本文主要研究了船舶动力定位系统的非线性变量,并建立了基于全局的水面船舶轨迹预测算法,通过对控制器中的反馈环路进行优化,提高动力定位系统的稳定性及鲁棒性,同时结合云计算系统,将动力定位系统的数据采集后,进行大数据特性分析,从整体上提高了船舶的航行控制能力。     

浅析船舶动力定位系统的控制技术

动力定位系统作为一种闭环控制系统,其通过测量系统检测船舶实际位置和目标位置之间的偏差,然后依照环境外力的影响计算出促使船舶回归目标位置需要的推力,对整条船的各种推进器分配推力,推进器产生一定的推力以后与风、浪、流等外力干扰相抗衡,从而确保船舶顺着确定的航道航行。文中首先简要介绍了船舶动力定位系统的组成部分及工作原理,然后分析了PID控制技术,LQG控制技术,模糊控制技术,神经网络,DRNN神经网络等,最后展望了船舶动力定位系统控制技术的发展。     

基于无模型的船舶航向跟踪控制

船舶航向运动系统具有典型的大惯性、大时滞、非线性等特点,并受到自动舵执行能力的约束以及船舶运动中风、浪、流等外界干扰的影响,使得航向控制器的设计非常困难。针对这种情况,本文试采用自抗扰控制技术解决船舶航向控制的鲁棒性问题。自抗扰控制技术是一种新型的非线性控制方法,用扩展状态观测器估计系统所受实时总和干扰,包含内部动态和不确定外部干扰,然后用非线性误差状态反馈完成一类模型不确定对象的控制。仿真结果表明该控制器在船舶航向的跟踪和保持上具有良好的鲁棒性、自适应性和跟踪性能。     

船舶非线性响应的鲁棒神经网络控制研究

随着船舶向着大型化、高速化方向发展,海上交通变得更加拥挤,船舶的航向控制技术引起了研究人员的广泛关注。自动舵是船舶航向控制的关键设备,近代以来出现了PID自动舵、自适应自动舵和智能自动舵等多种形式,实现了船舶运动的精确、灵活控制。本文针对船舶航向控制的非线性响应问题,在传统自动舵系统的基础上,提出了一种基于鲁棒神经网络的船舶运动控制器,建立了海风、海浪等非线性响应的函数模型,并进行了该船舶运动控制器的控制响应仿真。     

基于渐消记忆自适应滤波的船舶动力定位算法仿真

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立.为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号.采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一.文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、 不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗.仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性.     

基于渐消记忆自适应滤波的船舶动力定位算法仿真（英文）

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立。为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号。采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一。文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗。仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性。     

考虑船体变形耦合作用的船舶推进系统建模与控制

提出考虑船体变形耦合作用的船舶推进系统仿真建模设计方法与系统框架,通过船体变形与动力装置振动烈度间的量化关系体现耦合作用对模型的影响;研究适合推进系统的先进控制技术,通过对简化后的船舶推进系统不确定模型进行仿真试验,结果表明,具有强自适应能力的神经网络控制和模糊控制技术能够满足系统对不确定性及时变非线性控制的要求,具有良好的控制效果。     

船舶动力定位系统控制技术的发展与展望

船舶动力定位是深海开发的关键技术之一,随着海上油气生产向深海的发展,动力定位系统会更受重视,对控制技术也会提出更高的要求。本文简要介绍了动力定位控制技术的发展过程以及一些代表性的控制技术在动力定位中的应用,包括PID控制,最优控制,模型参考自适应控制,反步法,模糊控制,神经网络等,最后对动力定位控制技术的发展热点做了展望。