闭环增益成型算法在运动控制器中的应用

我国内河众多,海上疆域广大,蕴含着丰富的石油、天然气、可燃冰、有色金属等资源,因此,对海洋资源的开发以及海上航运业的发展成为国家的战略规划重点。舰船与海上作业平台作为主要的开发工具,其设计与制造质量具有重要意义,尤其对于高速化、大型化船舶的运动控制。船舶在海上受到的干扰力较多,本文针对船舶的运动过程建立模型,并结合闭环增益成型算法设计一种船舶运动控制器,并基于Matlab进行了船舶运动控制器的仿真试验。     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

防止编码器出现故障的作法

根据实际工作经验，阐述了在黄骅港翻车机系统中防止编码器出现故障的作法。     

考虑横向漂移的船舶路径跟踪自抗扰控制

针对船舶运动系统中内部动态不确定和外部干扰等问题,进行了欠驱动船舶路径跟踪的自抗扰方法研究。利用Backstepping设计参考航向角,并通过线性扩张状态观测器对流干扰和横向运动引起的横向漂移进行估计。其次,根据自抗扰算法对航向进行控制,采用线性扩张状态观测器对外界干扰及内部不确定项进行估计。最后仿真结果表明,在风流干扰下所设计的控制器仍能使船准确地跟踪上参考路径,验证了所提控制方案的有效性。     

基于动态面控制方法的船舶动力定位控制

随着经济全球化的发展,人们对海洋资源的开采和利用逐年加深,在开采过程中需要在船舶上进行数据采集,保证船舶的稳定性对研究海洋资源具有深远的意义。本文通过引入动态面控制算法,利用动态面控制技术为动力定位船舶设计控制系统,每一步使用一阶积分滤波器来评估虚拟控制输入的导数,仿真结果显示与传统的backstepping方法相比减低了计算的复杂度,增强了鲁棒性。     

基于线性矩阵不等式的船舶动力定位滑模控制

为了解决具有非线性和环境干扰的船舶动力定位系统的控制问题, 提出了一种基于线性矩阵不等式的滑模控制算法; 将跟踪误差设计为滑模函数, 设计线性矩阵不等式, 求解状态反馈增益; 基于二次型Lyapunov函数证明了闭环系统的稳定性; 设计切换函数, 使系统对不确定性和外加干扰具有较强的鲁棒性, 避免出现抖振现象; 对基于线性矩阵不等式的滑模控制器进行仿真, 计算出动力定位船舶在无扰动的匀速运动和有外界环境扰动的变速运动2种不同情况下的前进速度、横荡速度、艏向角速度、前进加速度、横荡加速度、艏向角加速度、前进控制力、横荡控制力和艏向控制力矩等; 分析了状态反馈增益线性矩阵、边界层、切换项增益等参数对控制性能的影响。研究结果表明: 采用基本滑模控制使前进速度达到期望值所需的上升时间为29s, 而新算法为15s, 节约了48.28%;采用基本滑模控制使横荡速度达到期望值所需的上升时间为24s, 而新算法为14s, 节约了41.67%;采用基本滑模控制使艏向角速度达到期望值所需的上升时间为13s, 而新算法为10s, 节约了23.08%。可见, 设计的控制器对有非线性和环境干扰的船舶动力定位系统都具有较强的鲁棒性, 具有控制输入连续、控制抖振小、不存在过高增益等特点。      

泓格科技再发新品：DS-712／DS-715

泓格科技（ICPDAS）成立于1993年，总部位于台湾新竹工业区，全球分公司位于美国洛杉矶、德国斯图加特以及上海。产品线包括基于PC总线的模拟量I／O、开关量I／O、计数器／频率、运动控制等板卡；分布式I／O模块（I-7000、M-7000、FR-2000、ET-6000、I-87K…等系列）；微型可编程自动化控制器-μPAC（I-7188／7186）系列；     

潜器运动控制系统的集成化仿真软件——ISSMCS

本文介绍了用于潜器运动控制系统集成化的仿真软件ＩＳＳＭＣＳ。该软件采用Ｗｉｎｄｏｗｓ窗口技术，把仿真的全过程与计算机图形技术有机地结合起来，实现了多层次建模／仿真／结果分析／图形显示，该软件具有集成的开发环境、合理的数据结构、丰富的库函数、完整的系统管理和友好的人机界面。     

水下机器人操作能量最小化运动控制研究

以操作能量作为评价函数进行水下机器人运动规划的结果得到随时间变化的目标运动路径和理论控制输出^[1]。本文探讨为实现运动控制过程中能量最小化，在进行目标路径跟踪的前提下作为随机量的实际控制输出与理论控制输出的一致性问题，提出了神经网络控制器的结构和学习方法，水下机器人“Twin-Burger”的实验结果验证了本文所提出方法的有效性和可行性。