基于神经网络的船舶航向自适应PID控制

详细分析基于单神经元的自适应PID控制算法,并推导了为改进其应用上的不足,将自适应PSD控制器中递推计算增益K的方法应用到单神经元的自适应 PID控制,构成具有自动调整增益K值的单神经元自适应PID控制器的学习算法.将控制算法应用到船舶航向控制系统,仿真结果显示了该方法的有效性.     

基于神经网络的船舶航向自适应PID控制

详细分析基于单神经元的自适应ＰＩＤ控制算法,并推导了为改进其应用上的不足,将自适应ＰＳＤ控制器中递推计算增益Ｋ的以单神经元的自适应ＰＩＤ控制,构成具有自动调整增益Ｋ值的单神经元自适应ＰＩＤ控制器的学习算法。将控制算法应用到船舶航向控制系统,仿真结果显示了该方法的有效性。     

神经网络优化PID的船舶发动机自动控制

船舶发动机自动控制系统十分复杂且有高阶强祸合的非线性特征。传统的船舶发动机采用的PID控制器,在船舶运行的整个制过程中其参数都固定不变,这就导致了船舶在实际运行过程中出现状态变化和系统参数的不确定性问题,难以达到最佳的船舶控制效果。而人工神经网络系统是对人脑功能的基本特性进行抽象简化的模拟系统,具有灵活和精准的特点以及良好的非线性处理和容错性能,在现代工业中得到了广泛应用。利用神经网络优化PID控制系统可有效解决传统船舶发动机运行过程中存在的不确定非线性问题。因此结合神经网络优化PID控制系统对船舶发动机自动控制系统进行研究和设计,并通过仿真实验验证神经网络优化PID的船舶发动机自动控制系统在运行过程中对船舶的控制能力。实验结果证实该系统能有效解决传统发动机中存在的非线性问题,在恶劣条件及故障情况下仍能保障船舶稳定运行。     

模糊切换型船舶运动PID控制器

航向改变时船舶航迹变化过程可以分为瞬态区域和稳态区域。根据不同区域中不同的性能指标,提出了一种把常规PID和TS-PID模糊控制器以模糊切换方式相结合的模糊切换型PID控制方法。该方法集成了常用PID和模糊PID控制方式的优势并弥补了各自的不足,模糊切换方式实现了二种控制器之间的平滑切换。应用钝性定理证明了二阶Nomoto船舶模型的切换型PID控制系统的输入、输出稳定性,并用遗传算法优化控制器参数。与模糊PID控制器的对比仿真实验,表明所提出的方法可以有效提高船舶运动控制的各项性能指标。     

基于模糊自适应PID的波浪补偿控制器研究

为了解决海上作业所需专用起重机的波浪补偿控制问题,开展了主动式波浪补偿控制器的相关研究。首先对主动式波浪补偿原理进行了介绍,而后分析了主动式波浪补偿控制系统的结构,接下来,设计了基于模糊自适应PID的补偿控制算法,最后通过陆上半实物仿真试验,证明该方法是一种可用于后续主动式波浪补偿起重机原理样机开发的有效方法。     

基于神经网络的配料系统PID控制器

针对配料行业生产过程中,参数多、调节复杂等问题,设计了带有神经网络的PID控制器.该控制器在配料系统中的成功应用,消除了生产过程中人为因数的影响,提高了产品质量的均一行、稳定性.本方案对其它行业的配料控制亦有很好的指导和借鉴作用.     

基于神经元自适应PID船舶电力推进电机控制系统研究

在船舶电力推进电机控制中,提出了一种基于神经元自适应PID控制的方法,控制算法采用有监督的Hebb学习规则。从仿真结果可知,采用神经元自适应PID控制具有较好的适应能力和抗干扰能力,满足船舶电力推进电机控制的要求。     

自适应PID控制器的冷却水温度控制系统

笔者分析了自适应ＰＩＤ控制器参数自整定的工作原理，并介绍了将其用于主机冷却水温度控制系统中的研究结果。     

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。     

改进型PID参数神经网络自学习的船舶操纵控制器

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。本文讨论一种应用改进型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,     

基于神经网络精准规划船舶航行路线的算法

船舶航行中精准规划航行路线,合理避开障碍物是安全运行的关键。为此,设计一种基于神经网络精准规划船舶航行路线的算法。利用遗传算法优化神经网络权值,建立基于神经网络的船舶航迹预测模型,在模型内输入船舶航向与航速,输出船舶经、纬度差,即船舶航迹预测结果,依据该结果,获取船舶航行时路线规划环境;依据马尔科夫决策过程,得到路线规划最佳策略网络,通过深度强化学习神经网络确定最佳策略,在该网络内输入路线规划环境预测结果,确定规划策略内船舶执行动作,完成航行路线精准规划。实验证明：该算法可精准预测船舶航迹;在不同水域及场景下,均可精准规划航行路线,确保航行时无碰撞危险,降低航迹点平均距离偏差。     

基于自适应模糊控制的船舶航向控制研究

为了提高船舶在复杂海域和密集线路航行的经济性、安全性和稳定性,性能优异的航向自动化控制系统引起了研究人员的普遍关注。传统的船舶航向自动控制系统(自动舵)在灵活性和可操作性上无法满足现代大型船舶和密集航线的需求。本文利用自适应神经模糊控制算法,对传统的船舶航向控制系统进行优化,并设计基于模糊控制算法的船舶自适应航向控制系统。     

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。     

基于改进神经网络算法的舰船操纵性能预报系统

针对传统舰船操纵性能预报系统预报精度低、稳定性差、效率慢等弊端,设计一种新的基于改进神经网络的舰船操纵性能预报系统。对标准神经网络算法容易陷入局部最优解的不足进行改进,用共轭梯度法取代原梯度下降算法,介绍了改进后的神经网络算法。通过矩阵方式对舰船操纵稳定性的构成进行描述,利用改进的神经网络算法设计舰船操纵稳定性预报系统。实验结果表明,所设计系统预报精度高、稳定性强、效率快,能有效完成舰船操纵稳定性的预报。     

BP神经网络和PID船舶自动舵控制方法

船舶自动舵控制十分复杂,再加其它因素的干扰,使得单一神经网络或者PID控制无法对船舶自动舵进行高精度控制,而且船舶自动舵控制速度慢,为了改善船舶自动舵控制效果,利用BP神经网络和PID控制的优点,设计了BP神经网络和PID相融合的船舶自动舵控制方法。首先分析船舶自动舵控制原理,然后初始化PID参数的范围,并采用BP神经网络获取PID控制器的3个参数最优值,从而实现船舶自动舵控制,最后在Matlab平台实现了的船舶自动舵控制仿真模拟实验。结果表明,本文方法可以对船舶自动舵变化趋势进行很好的跟踪和控制,获得了高精度的船舶自动舵控制结果,而且船舶自动舵控制速度快,能够适合船舶自动舵的实时性变化特性,具有较强的抗干扰能力,具有一定的推广价值。     

基于神经网络算法的船舶间距快速预测

保证船舶航行的畅通性是船舶海上交通智能化发展的关键。本文利用BP神经网络自适应能力强、自组织学习等优点进行船舶间距快速预测,通过船舶间距预测可以提高海上交通信号控制的效率,保证船舶航行的稳定性和安全性,最后的实验结果表明本文算法误差小,可靠性高。     

船舶AIS中基于自适应神经网络人工智能的路径搜索技术研究

相对于陆地货物运输和航空运输,海上航运具有成本低、安全性能高、运量大等优点,已经成为现代世界商品交流与贸易的最主要途径。为了进一步提高海上航运的效率和安全性,本文针对船舶AIS系统的航线与路径搜索技术进行了深入的研究。船舶AIS系统是一种船舶自动识别系统,在船舶管理、航线调度等领域发挥着重要的作用。本文首先介绍了自适应神经网络算法,然后基于该智能算法开发了一种船舶AIS的智能路径搜索技术,并介绍了该技术的原理和工作流程。     

遗传神经网络的船舶运动受扰力预测模型

船舶运动受扰力预测,是实现对船舶摇摆控制的关键步骤。为达到有效控制船舶摇摆的目的,基于遗传神经网络,完成船舶运动受扰建模预报和预测方法选择。模拟船舶航行状态,设计仿真对比实验结果表明,基于遗传神经网络的船舶受扰力预测模型,有效提升横向与纵向运动受扰力预测准确性,完成有效控制船舶摇摆的目的。