自适应神经网络用于船舶动力定位系统

船舶动力定位采用一种控制系统驱动装在船上的侧推器和尾部推进器或者几个全回转的推进器，使船定位在海平面的要求位置上，船受到风，浪及流等海洋环境力的作用时会漂移离原位置，传统的控制方法是采用ＰＩＤ反馈控制。顾和李提出了一种新的基于人工神经网络的控制方法，它具有许多优越性；（１）一个可随意调节的目标函数以适合不同的需求－定位精度高或节约定位能量，（２）前馈控制产自适应不同的环境力数以适合不同的需求－变化     

自适应神经网络用于船舶动力定位系统

船舶动力定位（DP）采用一种控制系统驱动装在船上的侧推器和尾部推进器或者几个全回转的推进器，使船定位在海平面的要求位置上。船受到风、浪及流等海洋环境力的作用时会漂移离开原位置，传统的控制方法是采用PID（比例、积分、微分）反馈控制。顾和李（1994）提出了一种新的基于人工神经网络的控制方法，它具有许多优越性：①一个可随意调节的目标函数以适合不同的需求──定位精度高或节约定位能量后前馈控制并能自适应于不同的环境力变化包括非线性的波浪漂力；本文在目标函数中引入了与速度相关的项，从而提高控制质量。这一方法也可用于自动驾驶船舶沿设定的轨迹航行。计算机模拟结果表明本方法能达到很好的控制效果。     

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。     

引导进化模拟退火算法在船舶性能优化设计中应用

引导进化模拟退火等法是一种采用全局优化策略的人工神经网络的平行技术，综合了遗传算法、模拟退火、模拟进化的思想，并在解空间实施区域引导。本文用该算法进行船舶性能优化计算，速度快捷，其全局优化策略，可避免陷入局部最小值。     

预报船舶在波浪中航行时相对运动的三维模型

船舶艏部的相对波面运动是由入射波浪、船舶运动、辐射波、绕射波和定常兴波诸分量组成。本文运用三维源汇法求解有航速的速度势的定解问题，利用航速的修正得到了基本解，求出了艏部的相对运动的各分量。计算所得的总的相对运动量与实验结果的比较，甚为吻合。     

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。     

预报船舶在波浪中航行时相对运动的三维模型

船舶首部的相对波面运动是由入射波浪、船舶运动、辐射波、绕射波和定常兴波诸分量组成。本文运用三维源汇法求解有航速的速度势的定解问题,利用航速的修正得到了基本解,求出了首部的相对运动的各分量。计算所得的总的相对运动量与实验结果的比较,甚为吻合。