多约束条件下最优航向控制中的蚁群算法研究

我国最优航向控制技术是智能航海技术中的关键技术之一,能够保证船舶按照最优航向航线到达目的地,提高航行的安全性和经济性。在最优航向控制技术中,引入蚁群算法可满足求解最优化路径的要求,进一步优化最优航向控制系统的性能。本文分析传统蚁群算法的基本原理和缺陷,提出改进后的栅格蚁群算法,以弥补传统算法的不足,并基于栅格蚁群算法构建起多约束条件下的最优航向控制模型,对模型进行实验仿真分析,仿真结果表明该模型可得出最优航向航线结果。     

支持向量机技术在舰船航向广义预测与控制中的应用

舰船在海上航行时,受到海浪等干扰力的作用难免会偏离既定航线,严重时甚至发生搁浅等事故,航向的广义预测与控制决定了舰船的航行效率和安全性,是船舶工业领域研究的重点。支持向量机技术是一种新型的智能学习算法,该算法在非线性系统求解、小样本、高维度系统求解领域有重要应用。本文以舰船航向预测与控制为研究对象,系统介绍了支持向量机算法,并基于支持向量机技术对船舶航向进行预测与控制。本研究对于提高舰船航向预测与控制有重要意义。     

船舶航向自动控制的蚁群优化算法

针对当前船舶航向自动控制算法存在的局限性,为了提高船舶航向自动控制的精度,提出船舶航向自动控制的蚁群优化算法。首先对船舶航向自动控制的工作原理进行分析,建立船舶航向自动控制的数学模型,然后采用蚁群算法模拟蚂蚁搜索食物机制对船舶航向自动控制的数学模型进行优化,最后进行船舶航向自动控制的仿真模拟实验。结果表明,本文方法提高了船舶航向自动控制精度,工作十分稳定,而且船舶航向自动控制的超调量小于当前其它船舶航向自动控制算法。     

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。     

船舶工程中的云粒子群算法研究

船舶在航行过程中的航向控制对于船舶航行安全是非常重要的。本文首先阐述传统的云粒子群算法,然后针对其陷入局部最优等缺点进行改进,利用云变异的云自适应粒子群优化算法进行船舶航向PID控制,并进行仿真实验。实验结果表明,本文算法具有较强的鲁棒性和稳定性。     

基于自适应模糊控制的船舶航向控制研究

为了提高船舶在复杂海域和密集线路航行的经济性、安全性和稳定性,性能优异的航向自动化控制系统引起了研究人员的普遍关注。传统的船舶航向自动控制系统(自动舵)在灵活性和可操作性上无法满足现代大型船舶和密集航线的需求。本文利用自适应神经模糊控制算法,对传统的船舶航向控制系统进行优化,并设计基于模糊控制算法的船舶自适应航向控制系统。     

遗传学算法在船舶航线自适应控制器中的应用

为了提高大型海上运输船在复杂海上交通条件的航行能力和运载能力,研究船舶航线自适应控制器具有重要意义。随着船舶结构和功能的复杂化,船舶航线控制的准确度和可靠性的难度越来越大。本文系统介绍遗传学算法,并利用该算法的自适应搜索能力和参数优化技术,设计和优化船舶航线自适应控制器,提高其控制精度和鲁棒性。     

欠驱动船舶航向控制系统的粒子群优化控制

随着海上航运业的发展,海上航线的船舶越来越多,航线越来越拥挤,为了保障船舶航行的安全性、可靠性,人们对船舶的航向控制技术进行了深入的研究。欠驱动船舶的航向控制问题是一个典型的非线性问题,为了更好地控制影响船舶航向的因素,如动力、海浪、海风作用力等,本文基于粒子群优化控制技术,设计了一种新型的欠驱动船舶航向控制系统。     

人工智能算法的舰船航向混合自动控制

为了减少舰船航向混合自动控制偏差,设计一个人工智能算法的舰船航向混合自动控制方法。首先提出舰船航向混合自动控制结构,然后确定寻优参数和控制规则,并对航迹偏差计算,最后采用遗传算法实现最后的舰船航向混合自动控制。实验结果表明。此次研究的人工智能算法的舰船航向混合自动控制方法有效减少了控制偏差,并减少了控制时间,实际应用效果较好。     

模拟退火算法在船舶航向PID控制器参数优化中的研究

基于PID控制器的航向参数控制是控制船舶按照既定航向运行的主要方法。传统的PID控制器虽然结构简单,但是航行参数调节精确度不高,在全局进行搜索,收敛性能较差,已经越来越不能适应现代船舶航行参数控制系统的要求。模拟退火算法是一种局部最优搜索方法,能够结合航向操纵航角最小的原则对航向参数进行最优控制。本文在研究了船舶航行参数控制结构的基础上,提出了基于模拟退火算法在船舶航向PID控制器参数的优化算法,最后进行仿真。     

数据驱动的舰船航线生成算法

为了保障舰船能够安全地在海洋中进行航行,必须设计出安全科学合理的航线。针对传统的航线生成算法存在着各种不同的缺陷,设计出了数据驱动的舰船航线自动生成算法。首先利用蚁群算法进行搜索,产生舰船航行航线的初始种群,然后利用遗传算法对各种航线进行优化,获取最优舰船航线。最后进行仿真测试,实验结果表明,本文算法能够获得比对比算法更优的舰船航线,同时,所耗费的时间亦少于对比算法,具有比对比算法更高的实时性,是一种有效的舰船航线自动生成算法。     

船舶航向实时控制算法优化

针对原有船舶航向实时控制算法存在保航性能较差的问题,提出一种优化船舶航向实时控制算法。首先构建船舶数学运动模型,包括系统推进模型、系统舵机模型、纵移模型、横移模型以及运动首向模型。完成船舶数学运动模型的构建后,需要对模型的环境干扰量进行描述,包括海流、海浪等,在NED坐标系中分别建立海浪模型与海流模型等环境干扰量模型对环境干扰量进行描述。将支持向量机当做船舶航向实时控制的最优控制律,在最优控制律中引入参考状态,获取其约束条件与最优控制目标,实现船舶航向实时控制。为了证明优化船舶航向实时控制算法的保航性能较好,将原有船舶航向实时控制算法与优化船舶航向实时控制算法进行对比实验,结果证明优化船舶航向实时控制算法的保航性能优于原有算法。     

基于EM算法的船舶大转向航向路径跟踪控制方法

目前研究的船舶大转向航向路径跟踪控制方法在解决航向环境变化下船舶大转向航向路径跟踪控制问题时,解决能力较弱,抗干扰能力较差。为解决上述问题,基于EM算法研究了一种新的船舶大转向航向路径跟踪控制方法,通过构建基于EM算法的船舶大转向特征模型获取完整的船舶信息并对其进行在线参数估计,为航向路径跟踪控制奠定基础,结合GPS定位系统对船舶的大转向航向路径进行实时跟踪和路径描绘,以EM算法对其大转向航向路径进行控制。实验结果表明,基于EM算法的船舶大转向航向路径跟踪控制方法跟踪准确、控制有效,适用于为了船舶领域的进一步发展。     

船舶航线规划数学建模及求解的人工智能算法

在原有的船舶航线规划数学建模求解算法的使用过程中,其对航向目标函数构建能力较差,导致航向运行成本较高。因此,设计船舶航线规划数学建模及求解的人工智能算法。在航线规划数学模型构建前,需要对路线规划问题进行描述与假设,并设定合理的目标函数。根据此目标函数,选定线性函数作为蓝本,构建约束条件过滤器,同时使用此约束条件过滤器处理结果对可行航线展开分析,得到最优航线方案。构建仿真实验环节,通过与目前使用的求解方法对比可知,此算法的航线选择结果最佳,且成本最低。     

模糊最优化算法在船舶控制中的应用研究

首先分析船舶模糊控制系统以及系统参数的选择。引入模拟退火算法,对系统中模糊变量的量化因子和比例因子进行优化,达到最优控制船舶的目的。最后利用本文设计的算法,对不同海域情况下船舶的航向控制进行仿真。实验结果表明,FLC控制比传统的PID控制更接近预定航行方向,并且方差小,更适合在复杂环境中控制船舶航向。     

物联网感知层查询树算法在舰船避碰系统中的应用

为解决传统船舶航行避碰效果不佳的问题,对物联网感知层查询树算法在舰船避碰系统中的应用情况进行分析。通过对舰船避碰系统结构框架进行分析,采集船舶航行参数及船舶最佳航行路线。基于参数采集结果,进一步对舰船避碰系统中的物联网感知层查询树算法性能进行优化,实现对舰船避碰系统的有效控制,保证船舶航行安全。最后通过实验证实,物联网感知层查询树算法在舰船避碰系统中的应用,对船舶航行具有更加精确有效的控制效果,充分满足研究要求。     

基于PID算法的船舶航迹自动控制方法

由于当前船舶航行环境日益复杂易造成船舶航迹偏离等问题,一旦船舶偏离航行易造成严重的安全问题,因此对船舶航迹进行精准控制的要求也越来越困高。由于传统方法缺失自动校正航线等功能,对船舶航迹进行控制仍存在延时、误差等问题,不利于船舶进行准确航行。为了实现船舶航迹自动控制的功能,结合PID神经网络算法对船舶航迹控系统进行优化,基于模糊算法对船舶航行参数进行控制和调整,以便提高船舶沿航线进行准确航行,同时在船舶偏离航线时及时进行检测和校正保持船舶沿标准航迹航行。为检验该方法的有效性,进行了仿真实验,实验结果证明基于PID算法的传播航迹自动控制方法有利于准确保障航迹,自动对船舶航行数据进行分析和矫正,保持船舶控制系统的良好性能。对我国航海战舰控制航迹有一定的指导意义。     

基于遗传学习算法的船舶航向智能控制方法

针对现有船舶航向控制方面采用的传统控制算法,在对船舶航向数据计算过程中存在数据迭代分析准度失常,无法适应性逻辑推导航向数据量的问题。本文提出基于遗传学习算法的船舶航向智能控制方法,利用遗传算法作为理论算法,对船舶航向数据进行遗传数据的建模,从而得到迭代航向控制量计算因子;接着,引入基于遗传算法的NRD蚁群学习算法,对得到的迭代航向控制量计算因子进行最优控制因子的蚁群化计算,得到船舶航向控制的最优适应控制参量;最后,引入适应性控制算法将最优适应控制参量导入算法,使其生成航向适应性计算逻辑策略,最终实现船舶航向的智能化控制。实验数据表明,提出的方法在航向数据迭代分析计算准确性上,准确度较高,满足可行性与有效性测试要求。     

船舶物流最佳航线智能选择算法研究

传统船舶物流航线的选择算法能够完成单批次、点对点船舶物流航线的确定,但针对多批次、多目的地、不同海洋运输环境的物流运输,传统船舶物流航线选择算法无法计算。为此提出船舶物流最佳航线智能选择算法研究。依托antcb数学模型控制k取值范围,构建理想状态下船舶物流航线的统计算法;扩展外在因素影响算法,对对渠道最佳航线计算进行动态修订,构建船舶物流最佳航线选择原则,完成船舶物流多点式最佳航线智能选择计算。通过实验表明,设计船舶航线智能选择算法比传统航线算法平均航线适用率提升68.93%,适合不同环境、多变量情况下最佳航线智能选择。