船舶航向控制中的一种模糊滑模控制器设计

本文将模糊逻辑引入到了变结构控制器的设计中,设计了一种基于指数趋近律的模糊滑模控制器.运用计算机仿真手段验证了所设计控制器的优越性.同时,将这种模糊滑模控制器引入到了船舶航向的控制之中,通过仿真证明了设计的有效性.     

基于模糊理论的船舶航向控制仿真研究

船舶航行过程中的航向控制是其重要的性能指标之一。船舶航向控制具有非线性、参数时变、大惯性和干扰复杂等特点,传统PID控制对于这种复杂的被控对象往往不能达到良好的效果。本文结合模糊理论,将模糊PID控制用于船舶航向控制。仿真结果表明,该控制器具有响应速度快,过渡时间短,抗干扰能力强等优点,与传统PID控制相比能达到较好的控制效果。     

北极东北航道商船陀螺罗经航向误差修正算法

针对商船上常用的指向仪器设备陀螺罗经在北极东北航道航行时由于高纬度带来的指向力矩变小而导致指向精度下降问题, 基于北极东北航道罗经历史数据, 考虑纬度和航向对航向误差的影响, 利用最小二乘法对GPS卫星罗经与陀螺罗经的航向误差进行多项式拟合, 建立并比对3种拟合模型, 遴选出均方误差最小的陀螺罗经航向修正模型; 当GPS信号异常时, 利用该模型对陀螺罗经航向误差进行一次修正; 修正后陀螺罗经航向精度保持在±2.0°内, 精度在±1°以内的修正率达88.4%;当GPS信号正常时, 在一次修正的基础上利用卡尔曼滤波进行二次修正, 修正后的陀螺罗经航向精度在±1.0°以内的修正率为98.9%, 精度在±0.5°以内的修正率达88.9%。      

克隆选择算法在船舶航向自适应控制中应用

研究船舶航向自适应控制。将应用在研究过程中针对船舶航行易受外界不确定环境干扰的情况,建立船舶二阶线性模型,并且利用克隆选择算法对模型参数进行在线控制。最后进行实验仿真,以此来说明本文所研究的算法鲁棒性强。     

船舶操纵性能在船舶设计中的应有位置

船舶快速性是衡量船舶性能的重要指标,船舶操纵性与船舶安全航行息息相关,船舶设计中须正确权衡两者之间的关系。通过对2艘船在快速性和操纵性模型试验中发现的问题和采取的改进措施,阐述了船舶操纵性与快速性之间的关联及因载荷工况变化对操纵性能的影响,为船舶设计者提供相关的技术参考。     

基于遗传算法的操舵仪控制参数在线优化

采用遗传算法对航向保持自动操作仪控制参数进行在线优化,计算机仿真表明,遗传算法可以方便地得到全局最优解,故控制器可以快速稳定地跟踪预定航向,且系统具有较好的鲁棒性。     

水面无人艇单目视觉伺服自主控制研究综述

单目视觉伺服采用相机模仿人眼视觉功能,感知周围环境和测量运动状态,是提高无人艇航行感知与控制自主性的重要手段。首先,从基本原理出发,简述视觉伺服技术分类、相机透视投影原理和无人艇运动数学模型,为文献综述分析提供框架基础。然后,根据任务复杂度,依次综述单目视觉伺服在无人艇航向控制、镇定控制、轨迹跟踪控制和集群控制等典型应用场景下的研究进展和挑战。最后,系统性地总结无人艇单目视觉伺服自主控制的潜在研究方向和发展趋势。     

基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾（Norbin）非线性船舶模型,基于反馈线性化方法和由径向基函数（RBF）神经网络构建的模糊系统的逼近能力,提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术,使模糊系统的所有参数均可实时调节,引入了鲁棒控制消除模糊逼近系统带来的误差,在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定,使系统的模型跟踪误差为0,优于传统的PID控制策略,具有良好的自适应能力。     

人工智能技术在舰船航向混合自动控制中的应用

现有航向控制主要使用PID控制器,其主要应用于线性控制问题,而航向控制具备一定的随机性,导致常规航向控制方法稳定性较差,威胁舰船航行安全性,引入人工智能技术提出舰船航向混合自动控制方法研究。设置假设条件构建舰船运动模型,以此为基础,对运动参量进行无因次化处理,避免量纲不同对模型产生不利影响,引入人工智能技术——神经网络算法与PID控制理论进行混合应用,制定神经网络PID控制程序,执行程序即可实现舰船航向的混合自动控制。实验数据显示:在常数大于2条件下,应用人工智能技术后获得的航向控制稳定性指标大于平均水平,说明人工智能技术应用性能较好。     

水下自主机器人航向控制算法应用研究

为了提高AUV航向控制系统的控制品质,研究基于模糊理论的参数自调整PID算法。该算法在AUV原控制器的基础上对控制器参数进行在线调整,使控制器具有了一定的自适应特性。分析模糊控制规则对控制效果的影响,提出一种基于非线性函数的尺度变换方法对模糊控制器输入数据进行处理,简化了模糊控制器输入数据的量化过程。通过湖上试验,验证了模糊PID控制算法的有效性。对比试验结果显示,改进后的算法在AUV航向控制中能够获得更好的控制效果。在大角度转向中,该控制算法的优越性明显,系统响应快,超调小,航向误差均方差小。