神经网络优化PID的舰船关键设备智能控制方法

为提升舰船航行安全性,提出神经网络优化PID的舰船关键设备智能控制方法。构建PID控制器,将舰船关键设备灵敏度期望值与实际值之间的误差作为控制器输入,经PID控制器控制后,输出使灵敏度误差达到最小的控制结果,将该结果作用于舰船关键设备,实现智能控制。为提升控制效果,采用RBF神经网络优化PID控制器的比例、积分、微分系数3种参数,将优化后的控制器参数作为PID控制器选取最终参数,完成舰船关键设备的智能控制。经实验验证：该方法控制后的舰船蓄能器与伺服阀具有较高的灵敏度,控制后可使发电机在调速时迅速达到相应速度;避免液压缸出现大幅度位移现象。     

基于智能优化算法的舰船电气设备状态自动检测

为了获得高正确率的舰船电气设备状态检测结果,提高舰船电气设备状态检测效率,设计了基于智能优化算法的舰船电气设备状态自动检测方法。首先分析当前舰船电气设备状态检测的现状,找到引起舰船电气设备状态检测效果不理想的因素,然后采集舰船电气设备状态信号,从中提取可以描述舰船电气设备状态特征向量,并选择智能优化算法选择重要的舰船电气设备状态检测特征,最后引入神经网络建立舰船电气设备状态检测的分类器,并采用Maltab工具箱实现舰船电气设备状态检测仿真实验,本文方法的舰船电气设备状态检测正确率超过95%,舰船电气设备状态检测误差减少,舰船电气设备状态检测的时间复杂度降低,舰船电气设备状态检测综合性能要优于当前一些典型的检测方法。     

神经网络优化PID舰船发动机自动控制

使用传统舰船发动机控制方法控制时,因其控制参数均为固定设置,无法随发动机参数变化而变化,导致控制方法的响应与实际控制信号出现较大偏差,影响了控制方法的稳定性和灵活性。针对以上问题,研究神经网络优化PID的舰船发动机自动控制方法。构建发动机闭环增益的PID结构后,设计神经网络自动控制器。利用遗传算法对神经网络PID自动控制器参数进行整定,降低控制器响应控制信号时的超调量,完成对舰船发动机控制方法的设计。通过与传统模糊PID控制方法的对比实验,证明了研究的控制方法能够有效降低24.31%的超调量,并且相比传统方法研究的方法的正弦跟随特性更佳,即神经网络优化后的自动控制方法具有更好的稳定性和灵活性。     

混合遗传算法的舰船减横摇控制方法

在舰船减横摇控制中,尤其当遇到海浪干扰后,控制参数的优化时间较长,导致控制的实时性达不到要求,使舰船无法达到最佳控制状态。基于此,采用混合遗传算法,设计一种舰船减横摇控制方法。采用自适应调节策略,优化遗传算法,设计PID控制器,利用设计的PID控制器,通过优化控制器参数,对舰船减横摇实施控制。通过对比实验,与2种传统方法作比较。实验结果表明,提出的舰船减横摇控制方法能够在较短的时间内将舰船横摇角控制至最小,所需时间比传统方法 1缩短600 s,比传统方法 2缩短550 s,且控制后的舰船横摇角最小。     

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。     

基于神经网络的舰船电机转速控制系统

舰船电机有十分强烈的非线性变化特点,当前控制系统不仅无法有效对舰船电机转速进行高精度的控制,而且无法对舰船电机转速进行在线控制。为了获得理想的舰船电机转速控制效果,提出基于神经网络的舰船电机转速控制系统。首先分析当前舰船电机转速控制系统,找到舰船电机转速控制系统的局限性,然后采用PID控制机制对舰船电机转速进行控制,并根据舰船电机转速控制误差对PID控制参数进行在线调整,最后实现舰船电机转速控制仿真实验。结果表明,神经网络能够实现准确、快速的舰船电机转速控制,各项指标满足舰船电机转速控制的实际要求,同时舰船电机转速控制效果优于当前其他方法,结果验证了本文舰船电机转速控制系统的优越性。     

模糊PID控制在水轮发电机调速系统中的应用及其仿真

常规PID控制原理简单,操作方便,但对于某些对象参数变化大、延时环节较大、随机干扰明显的情况,常规PID控制难以适应.利用模糊技术对KP、KI、KD进行在线调整可以一定程度上提高PID控制器的适应性.通过对水轮机调速系统进行仿真,表明了该控制方式控制效果优于常规PID控制.     

神经网络优化PID的船舶发动机自动控制

船舶发动机自动控制系统十分复杂且有高阶强祸合的非线性特征。传统的船舶发动机采用的PID控制器,在船舶运行的整个制过程中其参数都固定不变,这就导致了船舶在实际运行过程中出现状态变化和系统参数的不确定性问题,难以达到最佳的船舶控制效果。而人工神经网络系统是对人脑功能的基本特性进行抽象简化的模拟系统,具有灵活和精准的特点以及良好的非线性处理和容错性能,在现代工业中得到了广泛应用。利用神经网络优化PID控制系统可有效解决传统船舶发动机运行过程中存在的不确定非线性问题。因此结合神经网络优化PID控制系统对船舶发动机自动控制系统进行研究和设计,并通过仿真实验验证神经网络优化PID的船舶发动机自动控制系统在运行过程中对船舶的控制能力。实验结果证实该系统能有效解决传统发动机中存在的非线性问题,在恶劣条件及故障情况下仍能保障船舶稳定运行。     

OceanInfo平台中舰船操纵运动控制研究

针对 OceanInfo平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于 PID控制方法的简单性和有效性,应用 PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化（PSO）算法进行控制器参数整定并进行仿真实验。实验结果表明：本文提出的改进优化算法能够实现 PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

OceanInfo平台中舰船操纵运动控制研究

针对Ocean Info平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于PID控制方法的简单性和有效性,应用PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化(PSO)算法进行控制器参数整定并进行仿真实验。实验结果表明:本文提出的改进优化算法能够实现PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

人工智能技术在舰船航向混合自动控制中的应用

现有航向控制主要使用PID控制器,其主要应用于线性控制问题,而航向控制具备一定的随机性,导致常规航向控制方法稳定性较差,威胁舰船航行安全性,引入人工智能技术提出舰船航向混合自动控制方法研究。设置假设条件构建舰船运动模型,以此为基础,对运动参量进行无因次化处理,避免量纲不同对模型产生不利影响,引入人工智能技术——神经网络算法与PID控制理论进行混合应用,制定神经网络PID控制程序,执行程序即可实现舰船航向的混合自动控制。实验数据显示:在常数大于2条件下,应用人工智能技术后获得的航向控制稳定性指标大于平均水平,说明人工智能技术应用性能较好。     

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。     

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。     

PID自动舵的自整定专家系统

提出了一种基于专家系统的PID自动舵,利用专家的经验知识和控制规则调节PID控制舵的参数,从而达到对船舶的平稳控制,仿真结果表明控制性能好且实现成本低.     

基于小波变换技术的舰船电气设备信号去噪抑制方法

以降低舰船电气设备运行所受电磁串扰影响为目的,提出基于小波变换技术的舰船电气设备信号去噪抑制方法。建立舰船电气设备信号电磁串扰噪声模型,使用小波变换方法对电气设备信号噪声进行抑制,针对小波变换去噪能量泄漏大、频带混叠大等问题,使用双树复小波的实部树和虚部树进行电气设备信号分解,即保留小波分解的优点又可以完全重构电气设备信号,并结合硬阈值和软阈值函数优点,形成通用阈值函数,优化小波变换的阈值函数,保证更好信号去噪抑制效果。通过实验可以看出,该方法的应用既可以有效抑制电气设备信号中的噪声干扰,又可以保证原始信号波形不被破坏,同时在信号分解时,可以在噪声聚集的高频部分形成十分优秀的降噪效果,使信号趋近平稳状态。     

基于模糊智能控制的船用可调螺距桨系统仿真研究

介绍船舶可调螺距螺旋桨系统的特点并建立该系统的数学仿真模型。常规采用PID控制器来控制推进装置，虽然它是过程控制方法中应用比较广泛的一种控制器，具有简单、鲁棒性好和可靠性高等特点，但它仅对线性定常系统的控制非常有效。对于非线性、时变性的复杂控制系统如可调桨系统，采用PID控制器不能达到理想的控制效果，它的超调值较大、响应时间较长、系统动态品质较差。为了弥补常规PID控制器的不足、改善控制效果、满足复杂控制系统的设计要求，采用模糊控制理论对可调桨进行智能控制。本文简要说明模糊智能控制规则的建立及其仿真结果。结果表明：可调桨的模糊控制方法比常规的PID控制方法具有更为突出的特色和优点。     

黄金分割在船舶航向控制中的研究

首先阐述黄金分割法在船舶航向控制中的原理,然后对船舶控制中的模型参数进行调整,最后进行模型参数较大变化情况下的实验仿真。通过仿真对比实验说明黄金分割法比NCD参数优化的PID控制自适应控制速度快,航向调节时间短,控制精度高,鲁棒性强。     

基于BP神经网络整定的蒸汽发生器水位PID控制及仿真研究

将神经网络与PID控制结合起来,提出了基于BP神经网络整定的蒸汽发生器水位PID控制方法,采用BP学习算法调整控制器神经网络的连接权值,通过对系统性能的学习实现了控制器参数的在线整定,仿真结果表明,所设计的控制器具有良好的控制性能。     

粒子群优化PID的舰船电动机控制系统

舰船电动机具有强耦合、大时滞等复杂变化特性,当前控制系统无法对舰船电动机进行高精度的控制,控制效果差,为了提高舰船电动机控制精度、加快舰船电动机控制速度,提出基于粒子群优化PID的舰船电动机控制系统。首先分析当前舰船电动机控制系统的国内外研究进展,阐述舰船电动机控制系统的工作原理,然后建立舰船电动机控制系统的数学模型,采用PID方法对其实时控制,根据控制误差,引入粒子群优化算法对PID控制器的比例、积分、微分进行调整,最后与其他舰船电动机控制系统进行对比测试,结果表明,本文系统的舰船电动机控制精度要优于对比舰船电动机控制系统,而且解决了对比系统的舰船电动机控制效果差缺陷,能够更好对舰船电动机进行控制。     

基于海浪干扰滤波器的UUV近水面深度控制

针对UUV在近水面航行过程中海浪波动对深度计测量造成较大干扰进而影响深度控制效果的问题,设计一种带有海浪干扰滤波器的UUV深度控制方法。分析UUV海试中深度控制性能,选取合适的参数设计海浪干扰滤波器并验证了其滤波效果。考虑到PID控制器参数选择难的问题,采用遗传算法对其控制参数实现在线自整定。最后将实时海浪加入到UUV深度控制系统进行仿真实验,并将仿真结果与海试数据对比,结果表明本文提出的方法可有效的抑制海浪干扰,改善UUV近水面深度控制效果,具有一定的工程实际意义。