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。     

基于改进支持向量机的船舶电力系统稳定性容错控制研究

为了提高船舶电力系统控制稳定性,提出基于改进支持向量机的,船舶电力系统稳定性容错控制方法。在传统支持向量机的基础上添加SVM分类策函数,生成电磁波最优超平面,对电磁波进行微观划分,引入模糊控制思想,建立模糊控制PID控制器,将划分后的电磁波作为PID控制器输入值,利用控制器模糊传递函数,提取电力系统控制输出值,建立PSO-LSSVM电力系统无线传感路径,通过传输节点,将控制输出值传输到电力系统指令层,实现船舶电力系统稳定性容错控制。实验数据表明,该控制方法对电力系统正向电流控制稳定性提高了16%,反向电流控制稳定性提高了22%,具有鲜明优势性。     

基于突变理论的舰船发电机组运行状态评价

为评价舰船电力系统发电机组运行状态,对舰船电力系统发电机组进行多层目标模糊分解;利用突变理论描述发电机组的运行状态,从而对其运行状态进行模糊综合分析和评价.分析了电压波动对系统工作状态的影响,并通过拟合得到了系统稳定性波动与电压之间的关系,为评价舰船电力系统的运行状况提供了一种新思路.     

智能优化技术在舰船电力系统谐波抑制中的应用

为保证舰船电力系统谐波电流快速得到有效抑制,提出基于智能优化技术的舰船电力系统谐波抑制方法。通过基于p-q检测的舰船电力系统谐波检测方法,由电力系统瞬时无功功率、瞬时有功功率,计算舰船电力系统谐波电流值后,使用基于模糊PID智能优化的谐波抑制方法,改进遗传算法,以谐波抑制后电流畸变最小化为目标,寻优得到模糊PID控制器的最优控制参数后,根据计算的谐波电流与理想电流之间的差值,以谐波电流补偿的方式,完成舰船电力系统谐波抑制。实验结果验证：本文方法应用后,电流畸变情况明显改变,仅用0.005 s便可完成谐波抑制。     

RBF神经网络的舰船电力系统故障诊断模型

舰船电力系统故障诊断是当前的热点问题,经典舰船电力系统故障诊断模型存在各自的缺陷,影响舰船电力系统故障诊断结果,为了改善舰船电力系统故障诊断结果,提出了RBF神经网络的舰船电力系统故障诊断模型。首先分析当前舰船电力系统故障诊断研究进展,阐述了RBF神经网络的舰船电力系统故障诊断原理,然后从舰船电力系统工作状态中提取特征向量,引入RBF神经网络进行学习,产生舰船电力系统故障诊断模型,并对RBF神经网络参数优化问题进行改进,最后与当前几种经典模型进行了故障诊断对比测试,RBF神经网络的舰船电力系统故障诊断正确率超过92%,而经典模型的舰船电力系统故障诊断正确率低于90%,误诊现象出现的概率很高,验证了RBF神经网络用于舰船电力系统故障诊断的优越性。     

基于两机并联非线性数学模型的舰船电力系统自适应控制器设计

近年来,舰船电力系统的规模显著扩大,内部结构与运行的方式也愈加复杂,使得舰船电力系统运行的安全性与稳定性作用逐渐突显出来,对舰船安全航行提出了全新的要求。其中,舰船电力系统属于高纬度非线性系统,要想确保其动态性能与静态性能更加稳定,就必须合理引入非线性控制理论。在舰船电力系统自适应控制器的实际过程中,可在优化自适应控制器性能的基础上,全面完善舰船电力系统的作用。基于此,文章将舰船电力系统自适应控制器设计作为主要研究内容,重点研究了两机并联非线性数学模型的具体应用     

模糊算法的舰船控制器自动优化研究

常规舰船控制器的控制机理为"事后调节",这样会使舰船在定位过程中出现超调,导致波动较大,控制效果不好。因此设计一种基于模糊算法的舰船控制器自动优化方法,首先建立舰船运动模型,分析舰船运动自由度,分别在固定坐标系和舰船坐标系中表示出舰船的运动方式,为舰船的运动控制提供理论基础;随后基于模糊算法对舰船控制器进行优化,分别设计舰船控制器在模糊控制中的规则、模糊隶属度函数和控制过程中输入输出值,完成模糊算法的舰船控制器自动优化研究。在仿真实验中,分别使用常规控制器与经过优化后的控制器进行实验,实验结果表明,经过优化后的舰船控制器在首摇、纵向、横向三方面对舰船有很好的控制作用,与传统的控制器相比,几乎不存在波动和超调,能够稳定保持在期望的舰船位置上。     

基于改进神经网络算法的舰船操纵性能预报系统

针对传统舰船操纵性能预报系统预报精度低、稳定性差、效率慢等弊端,设计一种新的基于改进神经网络的舰船操纵性能预报系统。对标准神经网络算法容易陷入局部最优解的不足进行改进,用共轭梯度法取代原梯度下降算法,介绍了改进后的神经网络算法。通过矩阵方式对舰船操纵稳定性的构成进行描述,利用改进的神经网络算法设计舰船操纵稳定性预报系统。实验结果表明,所设计系统预报精度高、稳定性强、效率快,能有效完成舰船操纵稳定性的预报。     

基于混沌分析法的舰船电力系统稳定性研究

对舰船电力系统进行分析建模,并根据电力系统模型状态的非线性混沌特征,结合模型幅值扰动参数,分析出混沌现象产生的原因和影响因素。在此基础上,有针对性地利用自适应反演算法在模型中引入适当的控制器,有效地避免电力系统运行中因干扰进入混沌震荡状态,保证了舰船电力系统的正常运行和舰船的安全稳定。研究结果表明,即使舰船电力系统出现混沌现象时,也可以根据其特征状态进行有效的稳定性控制,保持舰船的综合性能。     

基于LMI理论的舰船电力系统稳定器的设计

针对舰船电力系统的模型和干扰的不确定性，本文利用不确定性线性系统的鲁棒H∞控制理论，建立了船舶电力系统的数学模型，并在电力系统控制器的设计中引入了状态反馈H∞控制方法，从而便可应用线性矩阵不等式（LMI）方法求解控制器的解。仿真结果表明，基于H∞控制理论控制发电机的励磁控制能适应电力系统的各种干扰，提高了船舶电力系统控制器的稳定性。     

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。     

船舶柴油发电机转速神经网络容错控制

结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。     

基于人工智能技术的舰船图像语义分割算法

随着对舰船研究的深入,原有的舰船图像语义分割结果已无法满足现有的研究要求。原有的舰船图像语义分割算法在图像预处理过程中较为粗糙,导致图像分割结果交叉联合度量值较低,图像分割损失值较大。因而,设计基于人工智能技术的舰船图像语义分割算法。引用人工智能技术中的卷积神经网络对图像预处理部分展开优化;对预处理后的图像进行多尺度拟合,获取图像特征;使用改进代价函数实现舰船图像语义分割。构建算例测试环节,通过与原有算法以及使用其他技术设计的分割算法进行对比可知,此算法的交叉联合度量值较高,图像分割损失值较低。由此可知,此方法的舰船图像语义分割能力较佳。     

改进遗传算法的舰船无线网络路由算法

针对原有舰船无线网络路由算法在使用后造成无线网络耗能较大的问题,引用改进遗传算法,设计基于改进遗传算法的舰船无线网络路由算法。设定舰船网络模型,获取网络中的链路重叠与干扰情况,计算无线网络信道分配数值。以上述计算结果为基础,引用改进遗传算法,设定无线网络的运行空间,根据遗传算法中的染色体计算技术,获取路由路径与数量的最优解。构建算法测试环节,通过与原有算法对比可知,此算法在使用后舰船无线网络的耗能低于原有算法。     

舰船分散励磁电力系统的数学模型分析及鲁棒性设计

随着船舶工业技术的不断发展,不仅舰船的动力性能有了非常显著的进步,而且舰船的自动化水平不断提高,船载用电设备的数量和质量也不断提升。为了满足日益增多的船载用电设备的需求,舰船电力系统成为当前舰船领域的研究重点。针对舰船分散励磁电力系统,建立电力系统拓扑模型和励磁模型,结合传统的电力系统结构,设计了一种基于PID控制技术的电力系统控制器,该控制器对改善舰船分散励磁电力系统的鲁棒性和稳定性有重要的作用。     

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。     

基于自适应Backstepping方法的舰船电力系统混沌控制

将自适应Backstepping方法运用到舰船电力系统的混沌运动的控制中,可以将混沌系统稳定在平衡点,从而达到对船舰电力系统混沌运动的有效控制。根据船舰电力系统应用模型,该文设计了自适应控制器,当舰船电力系统处于混沌运动时该控制器自动开启。数字仿真表明该方法能够达到迅速抑制混沌的目的。     

RBF神经网络的舰船图像滤波融合

普通舰船图像滤波融合模型,不能兼顾滤波精度计算性与滤波容错性。为解决此问题,设计基于RBF神经网络的舰船图像滤波融合仿真模型。通过网络结构设计与网络学习方法设计,完成RBF神经网络的搭建;改进原有仿真模型算法、舰船图像多滤波融合形式,完成仿真模型的搭建。模拟应用环境设计对比实验结果表明,基于RBF神经网络的舰船图像滤波融合仿真模型,既提升滤波精度计算性与滤波容错性,也做到2种性能的兼顾。     

舰船电气自动化控制的稳定性分析

舰船电气自动化控制中受到负载增益的持续性扰动因素影响,导致输出参量存在扰动误差,需要进行稳定性控制设计,提出一种基于混沌小扰动抑制的舰船电气自动化控制稳定性设计方法。构造舰船电气自动化控制的等效电路模型,以系统效率、输出功率增益、电压和供电频率等参量为约束量,进行控制目标函数构建,采用混沌参数调制和扩频处理方法进行舰船电气控制中的小扰动抑制,采用混沌同步控制方法进行舰船电气稳定性控制,并进行了控制器的电路设计。测试结果表明,采用该方法进行舰船电气自动化控制的稳定性较好,输出增益较大,抗扰动能力较强。     

船舶主机设备振动控制方法研究

针对原有船舶主机设备振动控制方法无法对主机内部振动发生位置定位,产生控制后二次振动的问题,设计船舶主机设备振动控制方法。根据舰船主机结构的特征,构建主机有限元模型,完成对主机设备振动位置的确定。在振动处引用振动作动器,对其施加一定数值的作用力,为振动控制提供基础。增加振动控制器,将与作动器相连接,通过消振频率计算公式消除振动频率,实现对船舶主机设备振动的控制。至此,船舶主机设备振动控制方法设计完成。构建实验环节,与原有振动控制方法相比,此方法使用后的二次振动发生率低于原有方法。综上所述,此方法优于传统船舶主机设备振动控制方法。