船舶航向非线性系统的鲁棒自适应控制

考虑船舶航向控制系统模型中存在非线性,并且模型参数是未知的情况下,利用Ｌｙａｐｕｎｏｖ稳定性理论,提出了一种鲁棒自适应控制新算法。以“育龙”轮为例,进行了鲁棒自适应自动舵设计,并利用 Ｍａｔｌａｂ工具箱进行了仿真研究,结果证明该算法十分有效。     

RBF神经网络在船舶航向保持非线性控制中的应用

船舶航向保持在可控范围内,使得船舶航迹能够在规定精度的阀值内。随着航运业的发展,船舶的动力及体积越来越大,操纵控制系统复杂度也越来越高,在船舶航向控制中的非线性因素越来越多,传统的线性模型已经不能适应船舶控制系统性能要求。RBF神经网络与自适应控制相结合,能够很好匹配非线性系统的求解。本文研究船舶航迹控制模型,给出基于RBF神经网络船舶航向非线性控制系统解决方法,最后进行仿真实验。     

船舶航向保持的鲁棒神经网络控制

设计一个N5-5-5-5-5-5-1前向神经网络,经训练得到一个开环的船舶航向保持控制器,使其能够较好地保持典型输入信号作用下的船舶航向;然后应用闭环增益成形算法,形成闭环控制系统.这种基于神经网络的航向保持方案,将神经网络的适应能力、非线性函数映射能力和闭环增益成形算法的鲁棒性结合起来,改善了系统的鲁棒性能.这种方法设计过程简单,物理意义明显.     

一种新型神经网络非线性补偿控制方法

针对近水面机动情况下潜器的深度及纵倾控制问题提出一种不基于模型的非线性自适应控制策略。其中,一种称为模糊FCMAC的特殊神经网络被用于补偿潜器动态模型的非线性部分。基于李雅普诺夫原理而推导出的在线学习算法用于更新FCMAC的权值。仿真结果表明此控制策略能较好地适应潜器质量、航速及海浪变化,在较大的工况变化范围内保持良好的控制性能。     

船舶航向自适应神经网络鲁棒跟踪控制

针对存在不确定性和带有完全未知时变环境扰动的船舶航向非线性控制系统,将指令滤波技术和反步法相结合,设计了一种船舶航向自适应神经网络鲁棒跟踪控制器,该控制器的提出不依赖于外部扰动任何的先验信息。首先,利用神经网络补偿船舶航向非线性控制系统中的非线性项;设计自适应律在线更新神经网络权重向量和估计时变环境扰动的未知界。为了避免传统反步法中对虚拟控制律的反复求导,引入指令滤波技术,使得所设计的航向自适应神经网络跟踪控制器具有结构简单、易于工程实现的特点。理论分析表明,所设计的控制器能使船舶实际输出航向以任意期望的精度跟踪给定的参考航向,保证船舶航向闭环控制系统中所有信号一致最终有界。最后,以大连海事大学远洋实习船“育龙”轮为例进行仿真,仿真结果验证了所提控制器的有效性和鲁棒性。     

基于鲁棒反馈线性化的船舶航向鲁棒内模控制

针对具有不确定项的船舶航向非线性数学模型,结合鲁棒反馈线性化方法和鲁棒内模控制算法设计出了船舶航向的鲁棒内模控制器.该方法先将船舶航向非线性数学模型鲁棒线性化,在补偿型船舶航向鲁棒控制律的基础上,设计出内模控制算法.鲁棒内模控制器中的反馈滤波器可以抑制参数摄动引起的实际输出与模型输出的误差,并对相关参数进行在线校正.以...     

船舶运动控制中的非线性混沌及PID控制方法

本文从船舶运动控制的机理模型分析了系统可能出现混沌的条件，并介绍了种在恶劣海况下下出现混沌的有效的PID控制方法，仿真结果表明，该方法比只能稳定到混沌的不稳定轨道的方法有更实用的价值。     

船舶执行机构的运动控制技术研究

船舶运动的执行机构包括螺旋桨、自动舵等,执行机构是一个典型的非线性控制系统。随着现代船舶向着高速化、集成化方向发展,提高船舶执行机构的运动控制灵活性、准确性,采用新型的控制理论、控制方法势在必行。传统的船舶执行机构运动控制采用机械式或者PID控制,该控制方法具有结构简单、成本低等优点,但同时存在控制精度差、时效性差、可靠性低等不足。本研究针对船舶执行机构的运动控制技术,在传统运动控制器的基础上,充分结合神经网络算法和非线性鲁棒控制技术,设计一种新型的船舶执行机构运动控制系统,显著提高船舶执行机构运动控制的精度和效率。     

基于神经网络的自适应PID船舶运动控制器研究

船舶在海上的运动不仅受到动力系统的推进作用,还受到来自海浪、洋流等干扰作用力的影响,为了提高船舶航行的安全性与稳定性,必须要采取恰当的船舶运动控制机制。传统船舶采用PID自适应控制器进行船舶的运动控制,该控制方式结构简单,但控制精度相对较低,本文系统研究了神经网络控制算法,并基于神经网络对船舶PID控制器进行改进,主要目的是改善船舶运动控制的效率与准确度。     

神经网络方法在船舶控制中的应用

进入90年代,人们对神经网络在自动控制中的潜力越来越感兴趣。这是因为神经网络是解决控制领域中某些难题的又一种有效方法,这些难题的产生是由于对象行为的不可预见性（通常是因为有不可预见的外部干扰,并且对象具有非线性）,或者由于计算过程的复杂性,为了实现实时控制,必须在短时间内完成复杂的计算,因而提出了一种神经网络在线训练控制器的通用模式,其目的是利用神经网络的学习能力,得出一种不依赖于船舶精确数学模型的自主式神经控制算法。其神经网络控制器可以通过对性能参数准确性的直接评估来调整其在线参数,因此不需要“教师”和相应的离线训练。对在不同情况下三种不同的控制任务（即航向保持、航迹保持、自动泊位）进行了仿真,结果表明这种神经控制方法具有自适应性和耐用性。     

船舶动力精确控制中的小波神经网络控制

小波神经网络具有全局最优逼近等非常优秀的性能,其已被广泛应用于控制和系统辨识等领域。这是由于其结合了神经网络的自学习特性。但小波神经网络对动态反映不及时和泛化能力不足等缺点已经阻碍其应用于实际工程当中。本文提出一种基于Akaike信息准则改进的余值选择算法,其可以通过避免过拟和欠拟合现象来提高神经网络的泛化能力。     

船舶航向在线自学习模糊神经网络智能控制方法研究

船舶航向控制是航行控制系统中非常重要的一个环节,在航线自动跟随系统中,航向控制系统的自学习能力会直接决定船舶的航行效果。本文重点对船舶航向在线学习系统进行升级,能够自我学习、自我判断航线的跟随准确度,通过采用先进的模糊神经网络算法,有效改善控制系统的参数,通过不断的自我学习、自我修正,能够使船舶的航行线路始终保持在一定的范围内。本文提出的智能化控制方法能够有效提升航行的稳定性,一定程度上降低事故的发生率。     

基于BP神经网络的船舶航迹控制技术

航海战舰规模的扩大使船舶航迹的控制变得越来越困难、复杂。为了实现船舶航迹控制,采用新的控制技术,根据神经网络及船舶航迹的相关理论和BP神经网络的船舶航迹控原理,对BP神经网络的船舶航迹控制进行计算和航迹设计实现,通过模拟仿真得出各种海情条件下的船舶航迹控制比较图,对我国航海战舰控制航迹有一定的指导意义。     

船舶自动舵自适应神经网络控制算法研究

在我国船舶自动舵控制领域,其核心技术严重依赖于国外厂商,因此本文主要对船舶自动舵的工作方式进行研究。通过采用PID控制方法,建立精确的自动舵控制数学模型。在设计PID控制策略时,需要综合考虑外部非线性因素和时变不确定等影响,通过适度提高PID控制器中的反馈力度,能够显著提升自动舵的控制水平,然后针对反馈控制环节,设计自适应神经网络算法,对反馈控制参数进行自学习优化,进一步提升了船舶自动舵的预测能力。     

基于神经网络的船舶电站频载模糊控制方法研究

为改善船舶电站的动态和稳态性能,本文提出基于神经网络的船舶电站频载模糊控制方法。分别对船舶电站的频率和功率变化情况进行监测,并保存监测数据,通过与正常频载范围进行对比,计算出频载模糊控制量;在此基础上,结合模糊控制原理和神经网络推断逻辑设计电站频载控制器,通过调整单机频率和解列电站频载的方式实现对船舶电站的频载控制。通过实验对比可知,无论频率角度的控制还是功率角度的控制,所提方法的控制性能始终优于传统控制方法。     

船舶航向不对称信息理论与非线性逆推鲁棒控制算法

  目的  船舶航向保持是船舶自动导航的核心,其实现离不开非线性控制算法的设计。为了简化控制器的设计过程,提高系统鲁棒性,节省控制器的能量输出,提出一种基于Lyapunov函数改进的具有非线性反馈的控制器。  方法  首先,通过构建Lyapunov函数,简化控制器设计过程,避免非线性控制律对消系统的非线性项;然后,用指数函数处理后的航向误差代替航向误差本身的非线性反馈项,优化控制系统设计,减少能耗;最后,以实际船舶“育鹏”轮为例进行系统仿真。  结果  结果显示,采用上述方法设计的控制器控制效果良好,更加节能,且系统具有鲁棒性。  结论  研究表明,非线性反馈项的引入可以优化控制系统,其能节能的优点在实际工程应用中具有重要意义。     

基于BP神经网络的PID参数自整定的船舶操纵控制器研究

船舶操纵的模型参数具有非线性、慢时变特性。船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用BP神经网络实现PID参数自整定的控制方法。此法能根据船舶动态特性的变化，自动重新整定PID参数，从而改善了操纵性能和鲁棒性。     

船体大幅度非线性振动响应研究

船舶航行过程中受到海浪、船舶动力系统等各种激励作用,会产生多种类型的振动响应,导致船体的整体振动。船舶的振动不仅会影响船员的身心健康,还会对船载设备造成结构破坏。因此,研究船舶非线性振动特性,设计相应的减震装置具有重要的意义。本文首先分析了振动响应的基本原理,建立了船舶的振动模型,在此基础上,结合有限元分析软件Ansys,对船体的大幅度非线性振动响应进行了仿真研究。     

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。