论文部分内容阅读
本论文来源于上海市高等学校科学技术发展基金项目——船舶航向集成智能控制技术研究。作者参与此课题的研究并撰写了该论文。 船舶航向自动控制系统亦称为自动舵，它是船舶系统中一个不可缺少的重要设备，从历史的角度来看自动舵的出现是减轻驾驶人员的工作强度，降低运输成本，提高运输的安全性和经济效益。随着控制技术不断完善，工程技术人员把控制技术引入航向控制之中建立了以PID为控制器的航向控制系统并取得良好的效果。但是由于船舶航行的复杂性和PID控制器本身的局限性，常规的PID自动舵仍然存在着许多不足之处。 本文的研究的目的是对标准遗传算法进行了改进，并将这种改进型遗传算法应用于神经网络的参数优化。其目标为改善BP算法和标准遗传算法在优化神经网络参数的过程中存在的一些不足。并将这种改进型算法应用于自动舵的神经网络控制器的参数优化。 本文研究是从以下几个方面着手： 1．在论文的开始，阐述了人工神经网络的基本知识，介绍了常用的BP算法并分析其不足。 2．阐述了标准遗传算法的基本知识，并将其用于一个多峰值函数的求极值问题。 3．针对标准遗传算法的缺点，提出了一种改进型遗传算法，从多方面对标准遗传算法进行改进。 4．将遗传算法应用于神经网络的参数优化。针对连续异或问题，分别使用标准遗传算法和改进型遗传算法进行了大量仿真试验，从多个方面对两种算法进行了比较，结果证明改进型遗传算法能够解决标准遗传算法固有的缺点，并详细验证了其算法的性能。 5．论文的最后设计出一个PID自动舵，在MATLAB软件所提供的SIMULINK工具箱对其进行仿真，从仿真数据中提取样本；将改进型遗传算法应用于自动舵的神经网络控制器的参数优化，仿真结果再次验证了此算法的有效性。 最终的仿真结果表明，文中提出的改进型遗传算法极大改善了标准遗传算法的性能，收敛速度大大加快，精度得以提高，并解决了BP算法一直面临的一大困扰——不成熟收敛。作为一种神经网络参数的优化算法，改进型遗传算法的优越性大大超过传统的BP算法，其应用和发展前景是广阔的。 论文中的大部分仿真程序是用C++语言编写，并在C++Builder5.0环境中运行。