闭环增益成形算法在船舶自动舵中的应用

根据船舶自动舵闭环频谱要求,给出一种新的基于闭环增益成形的控制算法,新算法从设计的根本上保证控制器具有良好的控制性能和鲁棒性能,从理论上可推出船舶航向ＰＤ控制是新算法的特例,新算法设计过程简单,物理意义明显     

离散型闭环增益成形算法及其应用

将闭环增益成形算法推广到离散系统中去。分别用Z变换、差分反演法和双线性变换给出一阶、二阶和三阶闭环增益成形算法的离散形式，然后针对船舶航向保持问题，在Matlab环境中进行了仿真研究。仿真结果表明，航向保持的跟踪速度快、没有超调，当模型参数改变时，控制器具有一定的鲁棒性，说明离散型闭环增益成形算法是有效的。     

基于神经网络的自适应PID船舶运动控制器研究

船舶在海上的运动不仅受到动力系统的推进作用,还受到来自海浪、洋流等干扰作用力的影响,为了提高船舶航行的安全性与稳定性,必须要采取恰当的船舶运动控制机制。传统船舶采用PID自适应控制器进行船舶的运动控制,该控制方式结构简单,但控制精度相对较低,本文系统研究了神经网络控制算法,并基于神经网络对船舶PID控制器进行改进,主要目的是改善船舶运动控制的效率与准确度。     

基于闭环增益控制的船舶航向最优控制方法

船舶航迹与航向控制对于船舶航行安全性、稳定性有重要意义。为了提高船舶的航向、航迹控制水平,本文设计了一种基于闭环增益控制的船舶航向控制器。闭环增益控制是一种稳定性控制算法,在工业领域有非常广泛的应用。本文重点建立了船舶的运动控制模型,介绍了闭环增益控制器技术的原理与现状,并重点介绍了船舶航迹闭环增益控制器的原理。     

基于最优控制算法的船舶航向控制器设计

船舶的航向控制器是关系到船舶安全的重要设备。本文基于最优控制算法,研究了船舶航向控制器的设计。本文研究了船舶航向控制技术的发展及现状;分析了船舶航向控制器的原理及性能指标;探讨船舶运动的数学模型;讨论了船舶航向的最优控制算法;给出了基于最优算法的船舶航向控制器整体结构。本文研究对于促进我国船舶航向控制器有着积极的指导作用。     

基于反馈线性化与闭环增益成形的减摇鳍控制

根据减摇鳍系统的非线性数学模型,设计了一种具有鲁棒性的非线性控制器。通过采用精确反馈线性化方法将减摇鳍系统的非线性模型线性化,然后用闭环增益成形算法设计出非线性鲁棒控制器。用Matlab的Simulink工具箱分别对相同海况下未进行减摇控制、已设定航速及航速减半状态时采用减摇鳍控制的非线性数学模型进行仿真。仿真结果表明,该控制策略对于减摇鳍非线性控制系统是十分有效的,特别是鲁棒性能令人满意。算法的设计过程简单,物理意义明显。     

闭环增益成形算法在舵阻摇系统中的应用

给出了单输人多输出(SIMO)系统即被控对象为非方阵情况下的闭环增益成形控制算法。考虑到舵阻摇系统的闭环传递函数阵一定是奇异的，以及具有1个输入控制2个输出的特点，在保证其中1个输出尽量小而另1个输出跟踪输入的前提下，将闭环传递函数阵即补灵敏度函数阵设为具有一阶惯性的奇异阵，设计出鲁棒控制器。研究并建立舵阻摇系统的非线性模型，并在Matlab中通过编写S函数来实现。用设计好的控制器对非线性模型进行仿真，运用Simulink工具箱得到仿真曲线，从仿真曲线可看出此控制器具有良好的鲁棒性能。通过分析并比较组摇前和组摇后的各组仿真曲线，算出减摇率在50%左右，减摇效果较好。     

基于航向成形算法的船舶转向控制设计

为了更加安全、平稳的控制船舶转向操作,文章基于最优船舶转向操作的思想,提出了一种航向成形算法。给定航向ψd,经航向成形算法后变成理想转向参考信号rψ,并作为控制系统的参考航向。该方法设计简单,易于实现,而且可以根据操作的需要,选择不同的转向速度。仿真结果显示基于该航向成形方法的控制,船舶转向过程平稳,无超调现象。     

水面船航向最优控制与闭环增益成形算法的比较分析

将自适应最优PID控制算法与闭环增益成形算法在频域角度进行理论分析,引入船舶模型进行仿真分析比较,得出闭环增益成形理论的适应式鲁棒PID算法控制效果优于自适应最优PID控制算法理论,为水面船在选择控制算法时提供参考。     

基于闭环增益成形的鲁棒PID算法及在液位控制中的应用

基于闭环增益成形算法给出鲁棒 PID算法 ,并将之应用于水箱液位的控制中。比较本文鲁棒 PID算法和文献 [1 ]模糊控制算法的仿真结果 ,得出前者的控制性能优于后者 ,同时具有良好的鲁棒稳定性。本文提出的鲁棒 PID算法简单、实用。     

基于闭环增益成型算法和改进粒子群算法的舰船航向控制

如今,海上航线的船舶密度不断提高,且船舶的动力性能更强,速度更快,在航线拥挤的地方往往会发生船舶碰撞事故。为了提高船舶的航行安全性,有必要针对船舶的航向控制技术进行优化。本文首先研究闭环增益成形算法和改进粒子群算法的原理,建立舰船航向控制过程的动力学模型,基于这2种优化算法对舰船的航向控制系统进行研究,有助于改进舰船航向控制水平。     

基于GA-FCMAC算法的船舶运动智能控制器

在研究模糊小脑模型神经网络控制器（FCMAC）的基础上，本文提出了基于遗传算法学习的模糊小脑模神经网络控制（GA－FCMAC）算法并应用于船舶运动。仿真结果表明该算法具有良好的控制性能。     

基于神经网络算法的船舶间距快速预测

保证船舶航行的畅通性是船舶海上交通智能化发展的关键。本文利用BP神经网络自适应能力强、自组织学习等优点进行船舶间距快速预测,通过船舶间距预测可以提高海上交通信号控制的效率,保证船舶航行的稳定性和安全性,最后的实验结果表明本文算法误差小,可靠性高。     

基于LSTM神经网络算法的船舶电站故障诊断

船舶电站是船舶中的重要组成部分,船舶电站的故障类型较为复杂。文章利用Simulink软件平台对船舶电站各种短路故障进行仿真建模,选取各相电流电压参数作为数据集的来源,并在MATLAB中进行数据的处理和预测图像的绘制。LSTM神经网络算法相比于其他算法,解决了长时依赖问题,并对预测数据有极高的解释度。结果表明：基于LSTM神经网络算法的故障诊断模型能够很好的对船舶电站故障模式做出诊断。     

船舶神经网络运动模型研究

根据船舶海上航行的实际情况,针对船舶运动的特点,研究了基于神经网络建立船舶操纵运动模型的方法,提出了一种线性神经网络结构,并给出了相应的训练和学习方法。大量的仿真试验表明:线性神经网络用于船舶运动模型的研究,具有收敛速度快、预测误差较小、能快速跟踪参数变化等优点,可用于船舶运动实时辨识。     

基于神经网络和多特征的船舶图像自动分割算法

当前图像分割算法存在分割错误率高、分割速度无法满足实际应用要求的缺陷,为了提高图像分割的精度和速度,设计了基于神经网络和多特征的图像自动分割算法。首先分析当前国内外图像分割算法的研究进展,找到引起当前图像分割局限性的因素,然后从图像中提取描述不同目标特征,并选择部分最有效特征组合成为图像分割的特征集合,最后采用神经网络对图像的不同区域进行建模和分类,实现图像分割,并与其他图像分割算法进行优越性对比测试。结果表明,神经网络和多特征的图像分割错误率低,图像分割精度超过95%,图像分割平均值时间要少于对比图像分割算法,图像分割速度更快。     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程.为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构.通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果.实验结果表明,所设计系统控制效果好,不易受外界环境的干扰.     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程。为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构。通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果。实验结果表明,所设计系统控制效果好,不易受外界环境的干扰。