船舶航向保持中的混沌控制研究

大型船舶的航向控制是一个多变量、时滞性较大和非线性的动态过程,在海浪、海风等因素干扰下会呈现一种典型的混沌运动。本文系统介绍混沌控制理论和算法,结合船舶航向控制数学模型和Diffing方程,设计一种船舶航向的控制器,并利用Maltlab对该非线性控制器进行仿真。仿真结果表明,该船舶航向控制器具有良好的航向保持能力和鲁棒性。     

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。     

规则纵浪中船舶参数激励横摇运动的鲁棒控制

为有效控制船舶在参数横摇运动中的失稳状态,根据规则纵浪中船舶参数横摇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.采用精确反馈线性化方法将纵浪中船舶参数横摇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.在考虑不同的干扰和模型摄动情况后进行了仿真试验.仿真结果表明该控制策略对于船舶参数横摇系统十分有效,且鲁棒性能令人满意.算法的设计过程简单,物理意义明显.     

基于Backstepping的船舶减摇鳍控制

选用研究对象为船舶减摇鳍系统的非线性数学模型，对该系统考虑执行机构的影响，运用Backstepping方法设计一种非线性控制器，同时利用Matlab中的Simulink工具箱对相同海况下未进行减摇控制，和在设定航速下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：该控制策略对于考虑执行机构的减摇鳍非线性控制系统十分有效，鲁棒性较强，且设计过程简单。     

五自由度无轴承异步电机动态解耦控制

为实现五自由度无轴承异步电机高精度动态解耦控制,提出一种基于最小二乘支持向量机逆的解耦控制方法.首先,建立五自由度无轴承异步电机数学模型并进行可逆性分析,然后,利用最小二乘支持向量机在有限数据样本下对高维非线性函数的回归能力来辨识五自由度无轴承异步电机逆模型,并利用粒子群算法优化最小二乘支持向量机的参数,以提高对逆模型的拟合和预测精度,最后,将最小二乘支持向量机逆与原系统相串联得到伪线性系统,并设计PID闭环控制器对五自由度无轴承异步电机进行复合控制,实现了原系统径向位移、轴向位移、转速以及磁链间的非线性动态解耦.仿真研究验证了该控制策略的有效性.     

船舶动力定位系统的非线性输出反馈控制研究

传统的船舶动力系统,主要依赖于人工控制,因此不可避免地存在人为失误,导致船舶动力控制失败,造成航行安全。而新型的船舶动力定位系统,主要依赖于电气化控制设备和自动化控制程序,并且系统的复杂度决定了必须采用先进的非线性控制算法,对动力系统进行优化。本文主要研究了船舶动力定位系统的非线性变量,并建立了基于全局的水面船舶轨迹预测算法,通过对控制器中的反馈环路进行优化,提高动力定位系统的稳定性及鲁棒性,同时结合云计算系统,将动力定位系统的数据采集后,进行大数据特性分析,从整体上提高了船舶的航行控制能力。     

船舶动力定位系统的广义预测控制方法研究

船舶在海上的航行是一种复杂的非线性运动,其水动力参数很难精确确定,并且会遭遇来自风、流和浪的随机干扰;因此,船舶须要具有鲁棒性和自适应能力的动力定位系统。鉴于广义预测控制算法在非线性控制方面的独特优势以及神经网络具有自学习和自适应的能力,作者研究了基于支持向量机的广义预测混合控制算法,并将其应用于船舶动力定位系统。仿真结果表明,该方法具有较好的鲁棒性和自适应性,提高了动力定位系统的精度和性能。     

基于逼近的动态面二阶滑模的船舶航向跟踪控制

针对船舶航向非线性运动数学模型存在不确定性误差的情况下,提出一种新颖的动态面二阶滑模智能控制方法.首先采用动态面控制(DSC)技术,以消除传统Backstepping方法中存在的"计算爆炸"问题.为了削弱滑模控制中固有的抖振效应,提高系统的鲁棒性,引用了一种新颖的二阶滑模控制方法.然后直接利用径向基神经网络技术逼近模型误差,同时采用最少学习参数(MLP)技术,以减少控制器的计算负担,所设计的控制器可以保证闭环系统中所有信号一致最终有界,并使跟踪误差任意小,最后通过仿真验证所提算法的有效性.     

基于输入状态线性化的船舶航迹系统鲁棒控制及仿真

本文将Hoo环增益成形鲁棒控制与输入状态精确反馈线性化结合,针对船舶航迹控制系统的非线性数学模型,采用Nomoto船舶模型,给出了一种鲁棒控制器的设计方法。这种算法是对船舶航迹非线性系统进行输入一状态线性化的基础上,然后与闭环增益成形算法相结合而设计出来的控制律。以某船为对象,利用Matlab／Simulink工具箱对新的控制器进行数值仿真,结果表明该控制规律有比较理想的控制效果,在加入扰动后,该控制器能使船舶行驶在预设航迹上,对外界风浪干扰有较强的鲁棒性。     

人工神经网络控制器在水下无人运载器导航中的应用

本文以水下无人运载器（AUV）绕平面圆周航行的速度、位置控制为例，推广到任何轨迹的控制问题。利用神经网络学习AUV运行的内在规律，预测未来一步的运行情况，并用改良的PID方式前馈与后馈相结合控制其执行机构。系统学习、预测及PID各增益量利用GESA（GuidedEvolutionarySimulatedAnnealing）全局优化方法求得。本方法具有自适应性、强非线性及前馈控制等特点，优于其它一般的控制器。     

风帆助航船舶直线航迹跟踪的自适应非线性迭代滑模控制

针对风帆助航船舶易受风、浪等因素的影响产生航线偏离的特点,提出一种自适应非线性迭代滑模直线航迹跟踪控制方法。该方法利用双曲正切函数设计系统状态的非线性迭代滑动模态,采用模糊系统对滑模控制参数进行优化,增强控制器的自适应能力。通过定义一种控制量抖振测量变量和自适应启发评价函数,对模糊系统的结构参数进行在线调整,很好地抑制控制量的抖振。将该控制器应用到风帆助航船舶直线航迹控制领域中,结果表明,该控制器能有效地处理风、浪等外界扰动,跟踪控制性能良好,具有较强的鲁棒性。     

舰船上层建筑振动特性的数学模型设计

针对当前数学模型无法描述舰船上层建筑振动特性的变化规律,为了提高舰船上层建筑振动特性预测精度,设计一种蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测数学模型。首先对当前各种舰船上层建筑振动特性预测数学模型的优缺点进行阐述,然后采用神经网络对舰船上层建筑振动特性变化规律进行拟合,并采用蚁群优化算法确定神经网络相关参数,最后进行舰船上层建筑振动特性预测数学模型的性能测试。结果表明,蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测精度高,不仅预测误差远低于当前其他舰船上层建筑振动特性预测数学模型,而且预测效率也得到了改善,为解决舰船上层建筑振动特性预测问题提供了一种新的研究方法。     

基于输入输出线性化的航迹滑模控制及仿真

针对船舶航迹控制系统的非线性及易受外部干扰的特点,提出了一种基于输入输出线性化的航迹滑模控制策略。通过定义输出变量将非线性航迹控制系统转化为线性系统,然后采用指数趋近律的滑模控制方法设计控制器,使得设计的非线性控制律直观简洁,鲁棒性好。通过SIMULINK仿真验证了该算法的有效性。     

基于RBF神经网络的永磁同步电机矢量控制系统

永磁同步电机(PMSM)数学模型是非线性、强耦合、多变量的。传统的矢量控制采用双闭环控制,转速环和电流环都是采用的传统的PID控制器。针对PID控制方法的不足,提出一种基于径向基函数神经网络的在线辨识的单神经元PID模型参考自适应控制方法,利用神经网络对信息数据的自学习和自适应能力,提高系统对环境改变的稳定性,仿真实验表明,系统很好的实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性。     

船舶混合动力推进系统多目标优化研究

为了解决船舶混合动力系统多目标优化难题，采用精确的阻力预测模型及螺旋桨模型预测9 000 DWT化学品运输船功率需求。基于推进系统的需求功率，提出基于目标聚类的方法建立多目标优化数学模型，并对系统关键设计参数进行多目标优化研究，对比分析4种典型多目标优化算法对该优化问题的适应性。结果表明：基于快速非支配排序的多目标算法对于含有整数变量、等式约束等混合动力系统多目标优化问题具有良好的鲁棒性和收敛性。采用多目标综合决策求解出的最优设计参数相较于原型船动力系统，最大能效提升约6.1%。     

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。     

人工神经网络控制器水下无人运载器导航中的应用

本文以水下无人运载器（ＡＵＶ）绕平面圆周航行速度、位置控制为例，推广到任何轨迹的控制问题。利用神经网络学习ＡＵＶ运动的内在规律，预测未来一步的运行情况，并用改良的ＰＩＤ方式前馈与后馈相结合的控制其执行机构。系统学习、预测及ＰＩＤ各增益量利用ＧＥＳＡ全局优化方法求得。本方法具有自适应性、强非线性及前馈控制等特点，优于其它一般的控制器。     

列车运行速度的模糊预测控制

提出了一种列车运行速度的模糊预测控制算法。由于列车速度是一种时变的、具有诸多不确定因素的复杂非线性系统,所以采用传统的控制方法对列车的速度控制不能满足要求。本系统采用模糊预测控制方法控制列车速度,仿真研究表明,所提出的方法具有较强的鲁棒性和自适应控制。     

基于无模型的船舶航向跟踪控制

船舶航向运动系统具有典型的大惯性、大时滞、非线性等特点,并受到自动舵执行能力的约束以及船舶运动中风、浪、流等外界干扰的影响,使得航向控制器的设计非常困难。针对这种情况,本文试采用自抗扰控制技术解决船舶航向控制的鲁棒性问题。自抗扰控制技术是一种新型的非线性控制方法,用扩展状态观测器估计系统所受实时总和干扰,包含内部动态和不确定外部干扰,然后用非线性误差状态反馈完成一类模型不确定对象的控制。仿真结果表明该控制器在船舶航向的跟踪和保持上具有良好的鲁棒性、自适应性和跟踪性能。     

自适应灰色神经网络控制器在液位控制中的应用研究

针对实际工业生产过程中被控对象的时变和纯滞后特点,本文根据神经网络具有能够充分逼近任意复杂的非线性关系和能够学习严重不确定系统的动态特性,具有适应性、智能性较好的特点并结合灰色预测控制的超前预测的特点,提出了基于BP神经网络的灰色预测控制算法.仿真结果的对比分析表明:本文的控制算法与传统控制器相比,具有控制简便、自适应性较强等特点,适用于对纯滞后和模型时变对象的控制.最后采用xPC技术在实际设备上进行了算法的验证,取得了满意的效果.