基于PSO的船舶动力定位自适应反步控制器

在船舶动力定位实际的作业过程中,由于海洋环境是缓慢变化的,建立的对象模型总存在一定的不确定性。针对上述问题,本文提出利用自适应反步控制器对船舶进行控制,并利用粒子群算法对控制器参数进行寻优,最后通过计算机仿真对本文方法进行了验证,仿真结果表明该方法有效。     

现代船舶动力定位系统设计

围绕现代动力定位系统的设计问题,讨论系统的构建、数学建模、控制器设计和推力器的推力分配,重点给出了基于扩展Kalman滤波的动力定位LQG控制器设计算法。     

船舶动力定位仿真系统设计

为满足船舶动力定位系统研发、维护、操作培训等需要,在了解国内外动力定位仿真系统的基础上,设计动力定位仿真系统。研究动力定位系统的功能、组成、人机界面、仿真流程等问题。从模块模型函数标准、模型组件生成等方面设计仿真系统接口,并采用VB与Matlab混合编程实现接口功能,增强仿真系统的可扩展性和重用性。系统在预警处理、故障诊断方面等有待完善。     

数据挖掘在船舶动力定位自适应模糊控制器设计中的应用

船舶作为海上重要的交通工具,精准的船舶动力定位能够抵抗风浪流等环境因素对船舶的影响,但船舶的航行具有非线性、不确定性等特点。本文将利用数据挖掘得到船舶的控制样本数据,并将其应用于船舶动力定位自适应模糊控制器的设计中,最后通过与PID控制的对比实验说明本文的算法定位能力强,能够抵抗外界环境因素的影响。     

船舶动力定位自适应滤波器设计

传统的陷波滤波器虽然能够很好的滤除一阶高频海浪波,但是滤波的同时也使得信号产生了相位滞后,在时域里面的表现就是信号的延时.卡尔曼滤波器虽然能够解决这一问题,但是其非常依赖于船舶模型.本文针对传统陷波滤波器的缺陷,使用了一种积分补偿型陷波滤波器,对传统的陷波滤波器进行改进.并以某拖轮为仿真对象进行仿真实验,其结果表明,该滤波器不但能够很好的滤除高频海浪波,还能够保持很好的相位特性.同时,递推的最小二乘估计(RLS)方法能够实时的估计出海浪的主导波频,使得陷波滤波器具有很好的自适应性.     

船舶动力定位自适应滤波器设计

传统的陷波滤波器虽然能够很好的滤除一阶高频海浪波,但是滤波的同时也使得信号产生了相位滞后,在时域里面的表现就是信号的延时。卡尔曼滤波器虽然能够解决这一问题,但是其非常依赖于船舶模型。本文针对传统陷波滤波器的缺陷,使用了一种积分补偿型陷波滤波器,对传统的陷波滤波器进行改进。并以某拖轮为仿真对象进行仿真实验,其结果表明,该滤波器不但能够很好的滤除高频海浪波,还能够保持很好的相位特性。同时,递推的最小二乘估计(RLS)方法能够实时的估计出海浪的主导波频,使得陷波滤波器具有很好的自适应性。     

自适应粒子群优化的船舶动力定位云模型控制器设计

云模型控制理论是智能控制学科的新兴领域,因此如何扩展云模型的应用范围并使其走向工程化实用化成为云模型理论的研究重点。针对船舶运动模型具有不确定性和外部扰动随机性等特点,而云模型具有兼顾模糊性和随机性的特质,尝试将云模型应用于船舶动力定位的控制过程。为解决云模型控制器参数难以整定的问题,提出基于自适应粒子群优化算法的云模型控制器设计方法。仿真试验证明了云模型控制和粒子群优化的可行性和有效性。     

基于非线性Backstepping的船舶动力定位控制算法研究

船舶动力的定位控制属于是闭环控制系统,因风浪等一些环境产生的干扰,使船舶动力的定位控制存在不确定性的干扰控制问题。当前算法对船舶的动力进行定位控制时没有对船舶的动力进行定位,导致船舶动力定位控制不准确的问题。提出一种基于非线性Backstepping的船舶动力定位控制的算法。对船舶动力定位控制的数学模型进行构建,利用非线性Backstepping反步积分的控制原理为基础,通过对Lyapunov函数递推进行2步船舶控制律进行构造,有效地提高了定位的精确度,由此完成对非线性Backstepping的船舶动力定位控制算法的研究。实验结果证明,利用该算法使船舶动力定位控制的精确度较高。     

基于LS-SVM船舶动力定位有限时间控制器设计

为了解决船舶模型存在任意不确定性的船舶动力定位问题,基于有限时间Lyapunov理论提出了一种非奇异快速终端滑模控制策略,提高了系统收敛速度及抗干扰能力。针对模型不确定性问题,利用最小二乘支持向量机(LS-SVM)的非线性函数逼近技术进行补偿控制,引入“最小参数”技术,将在线学习参数减少到一个,解决了“维数灾难”问题。最后的仿真对比结果验证了提出的控制策略的优越性。     

基于LS-SVM的船舶动力定位有限时间控制器设计

为解决船舶模型存在的具有任意不确定性特征的船舶动力定位控制问题,基于有限时间Lyapunov理论提出一种非奇异快速终端滑模控制策略(NFTSMC),提高系统的收敛速度和抗干扰能力。针对模型不确定性问题,利用最小二乘支持向量机(LS-SVM)的非线性函数逼近技术进行补偿控制,引入最小参数技术,将在线学习参数减少到1个,解决维数灾难问题。仿真对比结果表明,提出的控制策略具有较高的优越性。     

基于Backstepping的船舶航向自适应鲁棒非线性控制器设计

针对非线性船舶航向控制中船舶参数不确定性以及外界干扰随机性的特点,提出了一种基于Backstepping的自适应鲁棒控制器非线性系统的设计方法.为了消除静态误差,设计过程中引入了积分器,并借助Lyapunov函数证明了该控制策略使得闭环系统全局一致最终有界,选取恰当的设计参数可保证航向保持误差任意小.仿真结果表明所设计的控制器是有效的.     

基于模糊积分预测控制的船舶动力定位系统设计

提出一种基于模糊积分预测控制器的船舶动力定位系统控制方法,通过引入积分控制器消除了稳态误差,采用模糊控制算法实现了对不确定系统的控制,利用预测控制解决了船舶动力定位中的约束问题,有效地减少了船舶动力定位系统能量的消耗。仿真结果证明,提出的模糊积分预测控制器在满足动力定位要求的同时,大大提高了推力系统的效率,减少了推力消耗。     

动力定位船舶的自适应滑模观测器设计

针对含有未知扰动等不确定性的船舶动力定位系统,在系统不确定性不满足匹配条件的情况下,提出了一种自适应滑模观测器的设计方法。首先通过构造辅助输出使匹配条件得以满足,设计高增益观测器估计含有未知变量的辅助输出;接着基于滑模变结构理论对带有辅助输出的新系统进行观测器设计,通常船舶动力定位系统的不确定性上界值未知,采用自适应律调整滑模面增益,保证系统鲁棒性的同时还可避免增益取值过大而造成的抖振问题;然后将观测器增益矩阵的设计转化为求解线性矩阵不等式约束的优化问题;最后通过仿真验证了所提方法的有效性。     

船舶动力定位控制系统的非线性观测器设计

针对船舶动力定位系统高度耦合非线性的特点,设计了一种基于无迹卡尔曼滤波的改进算法。该算法利用统计线性化技术,将非线性映射直接作用于采样点,根据映射后的点集重建统计变量,并且对非线性函数的概率密度分布进行拟合。结合动力定位船舶系统,进行了无迹卡尔曼滤波器和卡尔曼滤波器的对比仿真实验,仿真结果表明论文设计的无迹卡尔曼滤波器有较高的计算精度和较强的适用性。     

高海况下船舶动力定位混合控制器开发

在海洋资源开发中,船舶的动力定位精度至关重要。传统的定位锚泊技术受到海深、洋流、海浪以及海风等多种因素影响,难以达到控制要求。本文提出一种基于改进PID算法、神经网络算法以及模糊控制算法的船舶动力定位混合控制器,设计混合控制器的整体结构,对混合控制器中的改进PID算法控制器、神经网络控制器和模糊控制器进行详细设计和仿真。仿真结果表明,本文设计的船舶动力定位混合控制器能够实现对干扰信号的预测和跟随,且能够适应快速响应控制,因而具有较大的实用性和先进性。     

基于非线性控制理论的船舶动力定位控制系统的数学模型

考虑到船舶的动态特性存在固有的强非线性以及非线性控制改善系统性能和鲁棒性的能力,将非线性控制理论应用到船舶动力定位控制系统的设计中,对某供应船的计算机模型进行仿真,仿真分析表明非线性控制系统是有效的.     

船舶动力定位中的模糊控制器优化技术

动力定位系统是一种闭环控制系统，采用推力器来提供抵抗风、浪、流等作用在船上的环境力，从而尽可能使船舶保持在海平面要求的位置上。在传统模糊控制的基础上，将遗传算法引入模糊控制器的设计当中，根据已知的模糊控制规则，对模糊隶属度函数自动寻优，该方法用于船舶动力定位中，对船舶纵向运动进行控制与仿真，仿真结果证明遗传算法优化的有效性。     

船舶航向非线性系统自适应动态面控制器设计

针对船舶航向控制非线性系统模型中存在的不确定性和外界干扰的影响,采用动态面控制算法设计了一种鲁棒自适应控制器.由于在反步法设计过程中加入了一阶低通滤波器使得该方法无需对模型非线性多次微分,因而设计方法简单.所设计的鲁棒自适应控制器不仅能保证闭环系统的半全局渐近稳定,使得输出渐进跟踪期望轨迹;而且,跟踪误差可以通过控制器的设计参数加以调整.以中远集装箱船COSCO Shanghai号为例进行仿真研究,结果证明所设计的控制器是有效的.     

基于收缩理论的船舶动力定位自适应反步控制

针对船舶动力定位系统模型受到的风浪流等环境扰动,基于收缩理论,从轨迹收敛性角度设计动力定位自适应反步控制律。采用反步设计,使每个误差子系统是收缩的,以保证状态误差全局指数收敛,并采用自适应策略对风浪流形成的有界干扰进行估计,保证估计值关于真实值有界。通过坐标变换进行收缩性分析,证明了原闭环系统下船舶位置和艏向角全局指数收敛于期望值。然后对一艘工程船开展了动力定位数值仿真与分析,验证所设计的控制器对海况具有良好的鲁棒性。     

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.