【摘 要】
：
针对常规欠驱动船舶本身固有的非线性、复杂性、易受外界风、浪、流干扰及控制参数难以整定调节的特点,本文设计一种基于改进粒子群优化的RBF神经网络滑模变结构PID控制器,来改进船舶的自动舵性能。该算法无需对风、浪、流等外界干扰进行估计,可有效解决船舶因外界干扰引起的横移偏差及参数难以调节整定的难题,在复杂多变的海上环境条件下,有较好的自适应控制效果。本文直接以船舶的航迹偏差为基础构建期望航向角,将航迹
论文部分内容阅读
针对常规欠驱动船舶本身固有的非线性、复杂性、易受外界风、浪、流干扰及控制参数难以整定调节的特点,本文设计一种基于改进粒子群优化的RBF神经网络滑模变结构PID控制器,来改进船舶的自动舵性能。该算法无需对风、浪、流等外界干扰进行估计,可有效解决船舶因外界干扰引起的横移偏差及参数难以调节整定的难题,在复杂多变的海上环境条件下,有较好的自适应控制效果。本文直接以船舶的航迹偏差为基础构建期望航向角,将航迹控制问题转变为航向跟踪控制问题。由于PID控制参数调节困难且其超调不可避免,本文首先在PID控制的积分项中加入微分补偿项,减少甚至消除PID控制积分项引起的超调值,然后结合PID控制的变结构特性,设计滑模PID控制器,有利于其参数整定优化,最后结合RBF神经网络辨识功能,实现对船舶控制参数的在线调节及自适应控制。针对粒子群算法的缺陷与不足,设计出能够自适应非线性动态调整的惯性权重值及学习因子值,来提高算法的寻优能力,并将混沌运动应用到粒子群算法结构中,来提高算法的收敛速度和准确度。针对RBF神经网络初始值及控制器参数难以确定的问题,利用改进粒子群算法对其优化整定,其优化主要分为两部分:1)优化整定滑模PID控制参数,让其作为RBF神经网络的初始值。2)优化整定RBF神经网络中学习速率及动量因子的初始值。利用MATLAB软件的Simulink模块对集装箱船“MV KOTA SEGAR”MMG模型仿真表明:所设计的RBF神经网络滑模PID控制器能有效消除船舶因风、浪、流等外界干扰引起的横移偏差,具有更好的控制效果,鲁棒性及自适应能力强。所改进的粒子群算法有更好的寻优效果,收敛速度更快,精确度更高,有效的解决了控制器参数及神经网络参数难以调节整定的难题。
其他文献
为了能有效地分析高校体能测试数据且快速地反馈影响学生体测成绩的因素,本文以我校体能测试数据为样本,先进行数据预处理转换成适用于数据挖掘的数据集,考虑到体测数据特征有限并且长度一致的特点,采用事务压缩技术与hash技术相结合的Apriori算法进行数据分析,减少了遍历数据库的次数和生成的候选项集的规模,在保证挖掘精度的同时提高算法的运行效率.最后与Apriori算法、基于事务压缩的Apriori算法
船舶交通管理系统（vessel traffic services,简称VTS）由雷达、AIS、无线通讯等子系统组成,利用甚高频和雷达影像等对水域内的航行船舶进行监管,可以维护水上交通秩序,保障船舶航行安全,打击水上交通肇事逃逸。但是由于雷达作用距离有限,易被障碍物阻挡产生盲区,且在自然环境复杂的海岛地区雷达站建设维护成本较高,因此雷达站的选址方案对整个VTS系统的有效性和经济性有着重要的影响。本文
将物联网技术引入海洋环境,推动海洋物联网（Maritime Internet-of-Things,M-Io T）、智能化港口管理等领域实现数字化的变革与升级,颠覆了传统模式的限制,是发展海事通信网络的一大创举。然而,海洋环境自然条件差,难以像陆地一样部署基站、光纤等通信设备,使得海洋通信系统的发展远不及陆上通信系统。海上船舶用户的日常服务需求的增长,如多媒体娱乐活动、高清视频的播放和游戏等资源密集
多孔碳材料优良的导电性、液体渗透性和高的热稳定性使其在能源存储与转化领域受到广泛关注。通过在多孔碳材料内部引入含氮元素可进一步提高其电化学性能。本文以金属有机框架ZIF-67为前驱体，通过一步高温热分解法成功制备富含氮元素的钴包覆多孔碳材料（Co@NC）。研究了碳化温度（600℃、700℃、800℃）对Co@NC复合多孔碳材料的形貌、结构和电化学性能的影响。最优的多孔碳材料Co@NC-700在1
本研究关注的是海上自主水面船舶的航行及避碰问题。为研究开阔水域范围内船舶间的协商避让,提出了一种基于驾驶员认知实践的海上自主水面船舶避让行为决策方法。首先,基于船舶驾驶实践过程对航行环境实体、航行态势理解、自主避让决策进行认知建模:提取静态障碍物的特征属性及矢量记录构建适应ENC数据结构的边界模型,提出包含自由行动、协商行动、积极行动及强制行动的多阶段船舶行动域（Multi-stage Ship
近年来,全球环境污染问题日益受到关注,寻找新能源代替煤炭等含碳量高的传统能源是解决环保问题的一大途径。其中天然气作为新兴绿色能源,由于其效率高、无污染、产量大的优点而被世界各国所青睐。据相关资料统计,近几年来,天然气在世界各国的能源消费体系中占着越来越高的比重。我国对天然气的进口一大部分是通过LNG船进行运输。因此本文研究是在LNG船液货装卸模拟器的基础上,对装卸货过程中的液货舱压力维持系统进行控
大型船舶靠泊被认为是最困难的船舶操纵之一。由于人工神经网络具有较强的非线性映射能力,可以学习经验丰富船长的操作经验,所以采用人工神经网络来学习训练手动靠泊的数据来完成船舶的自主靠泊。本文在航海模拟器中选用集装箱船“银河号”作为仿真对象,利用设计的神经网络控制器,完成靠泊任务;以大连海事大学教学实训船“育鲲轮”为研究对象,建立岸基监控中心,并在航海动态仿真和控制实验室的小艇“智龙1号”上完成岸基遥控
航标是标示航道方向、界限与障碍物的标志,用于引导船舶航行与定位,在保障水上通航安全方面发挥着重要作用。浮标作为水上悬浮体,其位置会不断发生变动,对内河航道安全影响较大。深入挖掘航标漂移运动规律,合理地预测短期内航标漂移位置和距离,对于保障船舶航行安全和防碰撞预警至关重要。本文基于数字航道的航标GPS位置数据和航道水位数据,对航标漂移特性进行深入研究,利用深度学习方法,建立了基于GRU和注意力机制的
船舶在未知而又复杂的海洋中航行,由于受到海浪和海风等外界干扰的影响会产生各种摇荡,其中以横摇运动对船舶安全的影响最大。本文针对船舶横摇运动存在不确定参数摄动和海浪外界干扰等问题,提出了一种基于闭环成形滤波的船舶减摇鳍L2增益鲁棒控制器设计方案,从而更好地降低船舶横摇幅度,保障船舶航行安全。首先,本文对船舶减摇鳍系统的非线性数学模型进行分析,之后利用基于时域控制理论的L2增益鲁棒控制理论进行船舶减摇
无人帆船由于具有节能、经济的优势已经成为热点研究问题之一,相比于传统的欠驱动船舶,无人帆船能够执行长航程、长时域值守任务,在海洋资源探索和环境监测方面具有重要应用价值。无人帆船在航行过程中由于受到参考路径和不定常风的影响,会出现单一制导结构无法提供迎风、顺风、横风航行参考信号,并且造成速度调节困难和控制信号频繁抖振现象。本文针对无人帆船基于航路点的路径跟踪控制展开研究,提出了鲁棒自适应控制算法,通