船舶动力定位系统控制器设计研究

船舶在航行过程中,由于受风、海流和波浪等环境因素所产生的力和力矩的影响,致使船舶或平台产生平移和舷向的改变。船舶动力定位系统能够消除环境扰动力对船舶定位精度的影响,本文针对船舶在海上的定位和作业受到海洋环境的扰动力影响,建立动力定位系统控制器数学模型。系统通过采用自抗扰控制器,实时观测船舶运动状况及动力系统的总扰动,并根据系统扰动采用非线性反馈进行补偿。最后通过Matlab仿真验证了控制器具有很强的抗干扰能力。     

半潜式海洋平台动力定位的动态面自抗扰控制

通过引入动态面控制思想对扩张状态观测器及非线性状态误差反馈控制律进行改造,设计一种动态面自抗扰控制器,并将其用于海洋平台动力定位系统的控制问题上.动态面扩张状态观测器的设计是为了提高系统的扰动估计能力,动态面非线性状态误差反馈控制律的设计是为了提高系统的稳定性与控制效率.仿真实验表明,改进后的动态面自抗扰动力定位控制系统对扰动的估计能力明显提升,系统的抗扰能力与鲁棒性得到增强,同时其具有较好的控制品质和响应特性,进而提高了海洋平台的定位精度.     

地效翼船起降稳定性研究

地效翼船的起降过程是水动力和气动力相互耦合作用的过程.文章对地效翼船起降过程的特点进行分析,提出了适用此种情况的运动方程,将起降过程的空间运动分解为孤立的纵向运动与横侧运动.使用小扰动线性化分析方法分别研究航向稳定性和纵向稳定性,并且考虑了风、浪对它们的影响.     

基于扩张状态观测器的双桨推进无人艇抗干扰目标跟踪控制

[目的]针对无人艇(USV)的模型不确定性和未知海洋环境扰动,提出一种基于扩张状态观测器(ESO)的双桨推进无人艇抗干扰目标跟踪控制算法。[方法]在运动学层级,设计基于平行接近制导原理的目标跟踪制导律;在动力学层级,针对模型不确定性和未知环境扰动,设计基于ESO的纵荡速度和艏摇角速度自抗扰控制律,以减小模型不确定性和环境扰动的影响;最后,通过输入状态稳定性定理和级联定理分析所提控制器的稳定性。[结果]实验结果表明,基于所提的自抗扰目标跟踪控制方法能使跟踪船有效地跟踪虚拟目标点。[结论]研究成果可为无人艇在环境扰动下的目标跟踪提供参考。     

未知时变扰动和输入饱和下的智能船舶鲁棒非线性控制

复杂海况下环境多变并且船舶具有多耦合、强非线性的特点，针对智能船舶定位控制问题，考虑在未知时变扰动和输入饱和约束之下船舶的定位控制问题，结合非线性扰动观测器提出一种带辅助动态系统的鲁棒非线性控制算法。通过Lyapunov理论证明了所提出的非线性扰动观测器与控制器结合后闭环系统的稳定性和信号的一致最终有界性。利用非线性扰动观测器对环境中存在的海浪扰动进行有效的估计处理。最后，通过仿真验证了所提出的控制算法不仅能保证船舶期望的位置和艏向，而且提高了控制速度，具有较好的控制性能。     

基于模型试验的水下航行器操纵运动黑箱建模

在开展一系列水下航行器模型试验的基础上,获取艇体、舵翼、推进器等的水动力参数,建立六自由度动力学模型。然后,基于RBF神经网络算法,对模型中的向心力、科氏力和阻尼项进行黑箱建模。通过水平面和垂直面的操纵运动仿真,对RBF神经网络在水下航行器黑箱建模中的有效性进行验证。     

基于模糊神经网络滑模控制的船用螺旋桨磨抛并联机器人抗抖振研究

为了解决船用螺旋桨高阶曲面打磨问题,避免传统手工操作生产效率低、劳动强度高、精度难以保证的问题.采用并联机器人控制系统,考虑了模型外部扰动的非线性多变量系统,提出了基于模糊神经网络的非线性系统自适应滑模控制策略,设计了滑模控制法控制器.通过比较控制的多种方式,建立了RBF的辨识模型,仿真分析其逼近能力,在此基础上,设计神经网络滑模控制器,并进行仿真验证.在保证机器人控制系统具有抗干扰性和鲁棒性的基础上,削弱常规滑模控制的抖振问题.仿真结果证明:非线性系统自适应滑膜控制策略具有良好的抗负载扰动、参数摄动的特点,为智能控制在并联机器人滑模控制中的应用提供了很好的理论依据.     

非线性自整定PID主机数字调速器

调速系统是船舶主机遥控系统的核心组成部分,船舶主机性能优劣及寿命很大程度上取决于其调速系统的性能.分析船舶主机调速系统的特点,研究了基于径向基函数(RBF)神经网络自整定非线性PID的主机转速控制,基于内模原理的偏差重复补偿PI的主机油门控制.讨论了PID参数随偏差变化的规律,控制对象的Jacobian辨识和主机油门的重复控制补偿,并分别进行了仿真.结果表明,本文设计的非线性自整定重复控制补偿调速器在充分考虑偏差特性的情况下,有效提高系统的动态精度和抑制扰动的能力,改善主机运行的稳定性.     

一种柔性胸鳍仿生鱼的初步设计和开发

设计开发一种以胸鳍作为动力推进系统的仿生机器鱼.该仿生鱼具有效率高、机动性好、噪音低,对环境扰动小的优点,并能利用柔性胸鳍摆动方式实现推进及水平面内的机动运动.所设计的仿生机器鱼具有一定的工程应用价值.     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

径向基神经网络在水下船体防腐中的应用

采用改进型径向基函数神经网络来预测水下船体电位,从而达到船体防腐的目的。首先,分析采用无单元法求解问题的优越性;然后,介绍径向基函数神经网络的原理,通过建立水下船体的数学模型来获得船体电位,采用层次凝聚算法和K-均值聚类算法来确定径向基函数神经网络的中心节点,从而建立神经网络;最后,对神经网络的预测能力进行MATLAB仿真检验。结果表明,采用改进型的径向基函数神经网络来预测船体电位获得了很高的精度,对于船体防腐保护达到了很好的效果。     

基于改进型RBF神经网络的磁流变阻尼器动力学建模及仿真

为提高磁流变阻尼器(MRD)动力学精度,提出一种网络连接权值自适应调整的改进型RBF神经网络模型。利用与任一测试样本相邻的两个训练样本对应的实际连接权值,对测试样本连接权值进行线性插值,提出连接权值的自适应算法;搭建MRD动力试验平台,进行多频率、多振幅的动力性能试验,利用大量实测力学特性数据,建立RBF神经网络模型以及连接权值自适应调整的改进型RBF神经网络模型,分析比较RBF神经网络模型在改进前后的平均累计相对误差变化规律,并进行数值仿真计算和试验测试分析。研究表明,在正弦激励频率0.25 Hz～1.0 Hz、振幅5 mm～15 mm、电流0～1.25 A工况下,相比于传统RBF神经网络模型5%的最大误差均值,改进型RBF神经网络模型使建模误差均值多控制在0.45%～0.85%之间,有效改善MRD的动力学特性,建模精度较好满足工程实际需要。     

一种基于RBF神经网络无位置传感器控制

利用人工神经网络在处理非线性、不确定问题上的优势,提出一种基于FRA优化的RBF神经网络实现无刷直流电机的无位置传感器控制,通过对电机相电压和相电流的映射,估算出准确的电机换相信号。实验结果验证了本文方法的有效性。     

基于RBF神经网络的雷达网抗干扰效果评估

通过分析雷达网抗干扰效果的评估指标集,建立了一种基于RBF神经网络的雷达网抗干扰效果评估模型,并通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对雷达网的抗干扰效果进行评估,结果表明基于RBF神经网络的雷达网抗干扰效果模型具有一定实用性和可行性。     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程.为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构.通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果.实验结果表明,所设计系统控制效果好,不易受外界环境的干扰.     

基于RBF网络的舰船混沌保密通信系统研究

介绍了利用RBF网络产生混沌序列的方法,无需针对每一种混沌映射设计单一的系统结构,增加了混沌序列的复杂度和抗噪声能力.同时还分析了RBF神经网络跟踪混沌序列的学习能力.仿真结果表明,利用 RBF网络输出混沌序列,不仅跟踪速度快而且精度高.对输出的混沌序列的统计特性进行检验,表明RBF网络产生的序列有良好的伪随机特性.     

基于VMD和RBF的舰船管路泄漏识别和定位

针对工作环境恶劣、维护保养不便的舰船管路难以迅速定位泄漏点并对其进行损害管制,提出了一种基于VMD和RBF的舰船管路泄漏识别和定位方法。首先,对管路泄漏产生的空化现象、湍流和流体与管路的摩擦进行分析,研究影响泄漏产生激励的因素；然后,提出一种基于变分模态分解(VMD)与径向基函数(RBF)神经网络的管路泄漏识别和定位方法,通过VMD得到有效分量的中心频率和能量值分别构造特征向量,输入RBF神经网络以达到泄漏识别和定位目的；最后,模拟舰船环境,搭建泄漏管路试验平台,分析泄漏管路不同工况下的振动信号,并对RBF神经网络的诊断准确率进行验证。实测舰船管路故障信号分析表明,泄漏识别的准确率为90%,泄漏定位的准确率为87.5%。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用，并且首次将神经网络和虚拟仪器技术相结合，成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明，将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度，有很好的工程应用前景。     

基于RBF神经网络补偿的PMSM反步控制系统

提出了一种基于非线性控制策略的RBF神经网络补偿和反步控制相结合的方法,克服了传统PID控制对非线性控制的缺点．基于神经网络的控制器很好地实现了线性逼近,反步控制保证了系统具有良好的速度跟踪性能．仿真结果表明,该方法比PID控制更有有效性．