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.     

基于自适应活动轮廓的图像分割

在活 动轮廓的基础上，引入了统计“图像势能”和松驰法，提出了基于自适应活动轮廓的图像分 割方法。该方法克服了活动轮廓的一些缺陷，能准确、可靠地检测物体曲率高的边缘部分，且分割结果与活动轮廓的初始位置无关。实验结果验证了该方法的有效性。     

船舶操舵系统的鲁棒自适应控制

本文主要研究自适应控制在工程实现中的鲁棒性问题。对模型参考自适应控制提出了可变式参考模型方法，对自校正控制则分别采用可变式性能指标与自适应人工神经元预测模型方式，从而增强了自适应律在对象时变、非线性等引起模型失配情况下的鲁棒性，也大 大扩大了自适应控制的应用范围。最后，就自适应控制在船舶操纵中的应用，分别以实船试验与仿真结果对上述结论进行了验证。