林叶锦[1]2006年在《船舶运动模糊神经网络控制系统的研究》文中提出船舶自动舵性能的优劣直接关系到船舶的航行安全和经济效益。但是由于船舶是一个具有非线性、时变和不确定性的复杂控制对象，常规PID控制难以适应变化的工况，自适应控制也由于难以建立精确数学模型，对未建模因素难以奏效。模糊控制特别适合于处理那些难以建立精确数学模型的复杂控制对象，而神经网络则具有强大的学习和容错功能，将模糊控制和神经网络等智能控制技术应用于船舶运动控制是当前重要的研究手段，并有望解决这一问题。本文针对这一发展趋势，对船舶运动模糊神经网络控制方法进行研究。具体内容包括： 1．从动力学角度出发建立了水面船舶叁自由度的运动模型，在现有研究成果的基础上，考虑了风、浪、流等干扰因素和舵机的模型。并利用Matlab的S函数建立了Abkowitz非线性船舶运动模型的Simulink模块，可在Simulink环境下直接应用于船舶操纵试验和船舶运动控制规律的仿真研究。 2．分析了船舶航向和航迹控制的原理，根据航向改变和航向保持过程中不同的操舵特点分别设计了航向保持模糊控制器、转向模糊控制器和控制模式切换控制器。为验证算法的有效性，首先采用Abkowitz非线性船舶运动模型在无干扰和有干扰的情况下分别进行了仿真，然后采用不同参数的Nomoto模型进行了加扰仿真，并对控制器的性能进行了验证和分析。 3．根据模糊系统的推理过程构建了基于神经网络的模糊控制器，并分析了输出模糊子集取对称或单点隶属函数的Mamdani模糊系统以及零阶T-S模糊系统与RBF网络之间的等价关系。在此基础上提出了基于RBF神经网络的模糊控制器，利用隐层节点中心矢量和输出权值来定义模糊规则的前件和后件，并采用遗传算法对RBF网络参数进行调整来实现对模糊控制器规则库的优化或者模糊规则的自动生成。在优化方法上先将二维的矢量中心节点展开成由一维节点表示的等价网络，使得优化参数大大减少，并且建立了基于Simulink环境的遗传算法优化模块，应用于控制器参数的优化。仿真结果展示了控制算法和优化算法的有效性。 4．采用自行研制的船舶运动控制试验平台进行了船舶运动控制的物理仿真，
刘清[2]2002年在《船舶操纵运动模糊神经网络控制系统研究》文中指出随着航运事业的发展，船舶朝着大型化、高速化、智能化方向发展。超大型船舶在航行时，具有很大的惯性，对船舶的操纵控制要求高。另一方面，航运量的不断增大，船舶航行密度越来越大，航道及港口变得相对狭窄，船舶操纵变得更加困难和复杂。为保证安全，提高航行的经济性，对船舶的操纵性能提出了更高的要求，因而有必要采用新的控制理论和技术，研究性能更好的船舶操纵控制策略。本文对船舶操纵运动控制中的模糊控制、神经网络控制和遗传算法进行了系统地研究，致力于研究采用模糊逻辑、神经网络和遗传算法的无模型自学习自适应控制系统。 本文根据船舶操纵运动控制的特点，构造了船舶航向模糊控制器的输入输出语言变量值的隶属函数、控制规则，设计了一个模糊控制器。针对基本模糊控制器的不足，提出一种带模糊PI控制的参数自调整的双级模糊控制器，应用于船舶航向控制系统时，系统的抗扰性和响应速度方面均获得满意效果。通过建立模糊控制器的描述函数，分析得出船舶航向模糊控制系统是稳定的结论。 自适应的模糊控制器是人们追求的目标，本文提出了两种船舶操纵自适应型模糊控制系统。一是将模糊控制与传统控制结合，应用模型参考自适应控制的思想构成的模型参考模糊自适应控制，该方法将模糊逻辑的推理能力应用到自适应机构，解决了常规模型参考自适应机构算法复杂的问题，提高了模型参考自适应控制系统的稳定性。二是基于机器人重复控制的学习机理，提出了一种船舶航向自学习型模糊控制系统，分析了该系统的特点。 本文在对控制中应用最多的前馈型神经网络的结构、算法及收敛性方面分析比较基础上，提出应用RBF网络对船舶操纵运动动态特性进行辩识，仿真表明辨识精度和速度方面都能够获得满意的结果。在非线性和不确定性系统的神经网络控制方面，论文总结了一些现有的神经网络自学习控制系统，然后将神经网络和常规控制(例如PID控制、自适应控制、内模控制等)结合起来，根据船舶操纵的特点，详细研究和分析了有监督学习、无监督学习和再励学习的船舶航向神经网络自学习型自适应控制系统。 针对模糊逻辑系统有很强的知识表达能力和逻辑推理能力，但自学习能力比较差，而人工神经网络在自学习和函数逼近方面又具有独特的优越性，将两者结合，用神经网络来实现模糊逻辑系统，构造了一个基于模糊神经网络控制武汉理工大学博士学位论文器的船舶航向自学习型自适应控制系统，提出用改进的遗传算法代替神经网络中经典的BP算法实现模糊神经网络的学习，综合船舶航向控制性能和节能要求，建立了系统的适应度函数。为船舶操纵运动模糊神经网络控制系统的实际应用奠定了基础。 最后本文从工程实现的角度出发，提出了一种船舶航向和航迹智能控制系统实现方案，指出在船舶航向和航迹智能控制系统中必须增加一个专家决策机构，以便实时决策系统的控制策略与手段。同时提出了系统实现的总体方案，该方案对实际工程应用具有指导意义。 本论文以国家自然科学基金项目“船舶碰撞与避碰的运动机理及计算机智能模拟系统研究”(批准号:19872052)和“基于高速船轻型结构流体冲击响应、控制与实验方法研究”(批准号:10072043)为依托，论文研究受到交通部重大科技项目和交通部优秀青年骨干教师专项经费的资助。
徐建辉[3]2006年在《混合智能在船舶航迹控制中的应用》文中指出自动舵是重要的船舶操纵设备,航迹控制对于船舶航行的安全性和经济性具有至关重要的作用。由于船舶运动的复杂性,传统的控制方法很难取得好的控制效果。本文对模糊逻辑和神经网络智能控制方法及其在船舶航迹控制的运用进行了研究。本文对自动舵的由来、历史发展、国际和国内相关领域的研究状况和最新进展进行了回顾和总结;详细阐述船舶运动控制的数学模型及舵机的数学模型,并对船舶模型控制机理、操纵性能做了简要的探讨;详细阐述了航迹控制的基本理论基础,并对船舶航迹控制机理船位推算等做了探讨,提出了模糊神经网络间接航迹控制器,并利用遗传算法来优化控制器参数,降低因船舶本身参数的变化和环境的变化对控制性能的影响。最后运用MATLAB软件所提供的SIMULINK工具箱对PID航迹控制器和模糊神经网络间接航迹控制器做了仿真比较,分别模拟在无干扰和实际航行中外界干扰情况下系统的响应特性曲线,证明模糊神经网络航迹控制器具有模糊逻辑和神经网络的优点,改善了船舶航迹控制特性,使航迹精度和鲁棒性得到了较大的提高。
王欣[4]2016年在《基于船舶操纵性的船舶海上航行安全研究》文中研究说明船舶操纵性作为船舶重要的航行性能之一,一直以来与船舶海上航行安全有着紧密的联系,受到了国际海事组织、各国政府以及专家学者们的广泛关注。根据统计,近十年来与船舶操纵性有关的海上交通事故类型的事故数占海上交通事故总数超过30%,凸显出船舶操纵性在船舶海上航行安全中的重要性。同时,随着未来船舶向着智能化和无人化的趋势发展,降低了人为因素的影响,船舶操纵性在船舶海上航行安全中的重要性将逐渐增加。基于上述原因,为了减少与船舶操纵性相关的海上交通安全事故的发生数量,降低相应的海上人员和财产损失,保护好海洋生态环境,本文基于船舶操纵性,从以下叁部分开展了船舶海上航行安全研究工作,首先利用实船操纵性试验获得的静态特征参数和指标开展船舶操纵性评价研究,然后基于动态的船舶运动数学模型开展船舶操纵运动控制设计与分析研究,最后同时利用动态的船舶操纵运动过程和静态的操纵性试验特征参数开展紧迫局面下船舶操纵避碰研究,详情如下:1.基于IMO和ABS《船舶操纵性标准(准则)》,利用模糊网络分析法提出了一种新颖的基于等级的船舶操纵性评价模型。该评价模型能够初步解决船舶操纵性评价中各操纵性因素间相互关联、相互影响的问题,并改进现有船舶操纵性评价中各操纵性因素权重不合理的缺陷。基于该评价模型,使得船舶操纵性评价的过程及结果更为合理,并对各操纵性因素赋予了合理的权重值。最后,利用叁艘船舶实船操纵性试验数据确定船舶操纵性等级,并进行分析和对比研究,结果表明该评价模型的合理性和有效性。通过确定船舶操纵性等级,能直观、准确的反映船舶操纵性是否满足海上航行安全的最低要求,并能够为进一步提升船舶操纵性和海上航行安全水平提供理论支撑。2.针对一类增益已知的不确定严格反馈离散时间非线性系统,提出了一种新颖的自适应神经网络控制设计,并进一步对增益未知的船舶操纵运动离散时间非线性系统进行控制设计与分析。通过将单一神经网络控制技术和最少学习参数算法相结合,所提出控制算法能够较好的解决常规自适应后推控制设计所存在的"复杂性爆炸"问题和"维数灾难"问题,并在控制设计中通过引入辅助设计系统以有效的克服输入饱和限制问题。根据所提方法设计的控制器结构简单,仅包含一个实际控制律与一个自适应律,在线学习的神经网络输入变量和权重都大为减少,最终整个系统需要在线学习的可调参数减少至一个。与现有控制算法相比,本文所提出的控制结构更为简单,学习参数最少,并且计算量也最小。在船舶操纵运动系统进行控制设计过程中,通过考虑由实船船舶操纵性试验结果分析得到的船舶操纵性指数,使得最终的船舶操纵运动控制系统能较为准确反映出船舶在海上实际操纵过程中的操纵性,为进一步开展船舶避碰研究提供坚实的理论基础。3.开展处于紧迫局面会遇态势下的船舶操纵避碰研究,首先,针对紧迫局面定义下的避碰态势,通过将船舶操纵运动数学模型、船舶操纵运动控制系统、以及船舶动态避碰要素计算模型相结合,提出了一种基于操纵性的船舶操纵避碰动态辅助系统。该辅助系统能基本上消除过去在船舶避碰过程中常常忽略船舶操纵性的缺陷,并利用该辅助系统对处于紧迫局面内两船的叁种会遇态势进行了仿真研究,仿真结果证明了该辅助系统的合理性和有效性,也表明在避碰过程中考虑船舶操纵性的必要性和重要性。随后,基于船舶操纵性和协同学理论提出了一种新颖的协同船舶领域模型。基于协同学理论和分析大量实船操纵旋回试验数据,所提出的协同船舶领域模型初步解决了常规船舶领域中未考虑会遇船舶间相互影响的问题以及未充分考虑船舶操纵性的不足。与常规船舶领域相比,所提出的协同船舶领域更为合理,为减少由于船舶操纵性因素所导致的船舶碰撞事故提供有效的理论基础,以切实提供船舶海上航行的安全水平。通过开展上述有关船舶操纵性的研究工作,本文不仅能为当前船舶海上航行安全,同时也为未来智能化和无人化的船舶海上航行安全提供了理论支撑,对提高当前和未来的船舶海上航行安全水平具有一定的理论和现实意义。
苏会会[5]2009年在《基于神经网络控制的船舶航迹自动舵技术》文中提出随着航运事业的发展,船舶朝着大型化、高速化、智能化方向发展。超大型船舶在航行时具有很大的惯性,对船舶的操纵控制要求高。另外,航运量及船舶航行密度越来越大,航道及港口变得相对狭窄,船舶操纵变得更加困难和复杂。为保证安全,提高航行的经济性,对船舶的操纵性能提出了更高的要求,因而有必要采用新的控制理论和技术,研究性能更好的船舶操纵策略。我国船舶上广泛采用的PID自动舵,具有航向控制功能。而就长时间航行来说,航迹控制十分必要,可以减少船员劳动强度,增加安全性。文中对船舶操纵运动控制中的模糊控制、神经网络控制和遗传算法、不确定系统的鲁棒控制及其在船舶运动控制中的应用问题进行了系统的研究。本文首先建立了船舶操纵运动方程,介绍了包括海风、海流及海浪等干扰的数学模型,并给出了神经网络模型及算法,在此基础上结合PID算法设计了神经网络PID控制器,仿真结果表明在存在干扰时控制效果理想。为得到更好的控制效果,本文在对船舶航迹控制和算法实现进行分析的基础上,结合神经网络的训练方案,设计了神经网络内部模型转向控制器和模糊神经网络航迹自动舵,分别对船舶航迹和舵进行控制,且应用MATLAB7.0下的仿真工具SIMULINK6.0对其进行仿真。仿真结果表明,此两种方法在存在海风、海浪和海流干扰情况下,都能达到明显的比传统PID算法好的航向控制效果。在船舶运动较复杂的情况下,从克服数学模型的不确定性来看,神经网络内部模型控制算法要优于其他算法。神经网络控制在某些方面还不够完善,例如不存在反馈的直接控制,无法对过程参数的摄动和环境干扰进行补偿,系统的鲁棒性差。因此本文在神经网络直接控制船舶运动的基础上,引入闭环增益成形算法构成闭环控制,构成了非线性船舶运动模型的鲁棒神经网络控制,仿真结果表明在该鲁棒神经网络控制下有令人较满意的航向跟踪曲线。
张永庆[6]2015年在《舵鳍联合控制参数敏感性分析及控制器优化》文中提出操纵性能是船舶控制领域长期关注的研究问题之一,而回转运动是体现船舶操纵性的重要运动形式。静水条件下,船舶回转运动过程中会产生内倾和外倾;扰动条件下,则会产生横摇,过大的横倾或者横摇会导致船舶的倾覆。减小船舶横倾和横摇是提高船舶回转特性、提升操纵性能的重要途径。可以由两个方面来减小回转运动中的横摇,一方面是船舶固有的物理特性,即船舶参数选取;另一方面是控制策略,即控制器的设计。本文从影响船舶回转特性的舵鳍参数入手,采用敏感性分析的方法,研究了舵鳍参数对船舶回转性能的具体影响,在此基础上,通过优化舵鳍参数,改善了船舶固有回转性能。控制器的设计方面,在船舶回转运动中,舵保持在固定角度,通过对减摇鳍的控制,实现模糊神经网络控制器的设计,改善闭环系统回转性能。基于以上内容,本文研究内容及成果如下:首先,建立船舶运动模型,由于研究船舶参数变化对回转运动的影响,选取了物理意义明确且可以对各部分单独分析的分离建模方法,基于牛顿运动定理的六自由度模型,简化得到仿真所需的四自由度运动方程,为了使数学模型更加精准,从进行过水池试验且水动力导数已知的船型中选取研究船型,并在此基础上加入环境扰动模型、舵鳍控制模型和环境扰动模型等,将各部分数学模型表示为四个自由度上力和力矩的形式。在建立舵鳍部分模型时考虑了螺旋桨对舵的影响,并对有效流速和有效冲角问题作了具体分析。其次,在数学模型基础上搭建Simulink仿真模型,研究敏感性分析策略,然后结合回转运动选取了适当的敏感性分析方法和流程,通过Simulink回转运动仿真,完成了舵和鳍对回转性能的单参数敏感性分析,得到舵参数和鳍参数对回转半径和横摇影响大小和方向各不相同,总结了其影响规律和差异性。然后,借助Isight优化平台,基于多目标优化的遗传算法,分别完成舵鳍不同参数组合的优化和对所有舵鳍参数的同步优化,总结了舵鳍不同参数组合优化的规律。通过参数优化前后仿真对比,证明了选取的优化平台和优化策略是可行的。最后,在仿真模型和优化的参数基础上,设计能在船舶回转运动过程中对鳍控制的PID控制器和模糊神经网络控制器,并分别进行不同舵鳍参数和不同控制策略的仿真对比,得到相同控制不同参数时,参数经过优化后回转性能更好;相同参数不同控制时,采用模糊神经网络控制的回转性能更好。通过研究表明,通过对舵鳍参数优化能改善静水下船舶横倾,减小加入扰动后的横摇。而舵鳍参数优化结合模糊神经控制方法能取得令人满意的控制效果,进一步改善了船舶回转性能。
常依斌[7]2003年在《模糊神经网络自组织控制在自动舵中的应用》文中研究指明用于船舶操纵的自动舵是船舶系统中不可缺少的重要设备，随着对航行安全及营运需求的增长，对自动舵的要求也日益提高。上世纪20年代，美国的Sperry和德国的Ansuchz在陀螺罗径研制工作取得实质进展并分别独立地研制出机械式的自动舵后，人们对自动舵的研究就从未间断过。后来随着电子学和伺服机构理论的发展和应用，集控制技术和电子器件的发展成果于一体，出现了PID操舵仪；20世纪60年代末，由于自适应理论和计算机技术得到了发展，将自适应理论引入船舶操纵成为可能，于是形成了自适应自动舵。但它们由于各种原因存在着这样或那样的缺点，使得控制效果难以保证。 直到智能控制理论应用的出现，为自动舵的研究才开辟了更广阔的空间。智能控制方法符合人类思维方法，主要是模糊控制、神经网络控制等以及这些控制方法的综合应用。模糊系统是仿效人的模糊逻辑思维方法设计的一类系统，这一方法本身就明确的说明了系统在工作过程中允许数值型量的不精确性存在。另一方面，神经网络在计算处理信息的过程中所表现出的容错性来自于其网络自身的结构特点。而人脑思维的容错能力，正是源于这两个方面的综合—思维方法上的模糊性以及大脑本身的结构特点。模糊神经网络是一种集模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学习能力于一体的新技术，它是模糊逻辑推理与神经网络有机结合的产物。 本文主要对模糊神经网络自组织控制器在自动舵中的应用进行了研究，综合了模糊控制和神经网络的应用。由模糊神经网络控制器(FNNC)实现模糊控制系统中的模糊推理和逆模糊化，通过对FNNC的离线训练，让其学习、记忆人们的经验知识，训练好的FNNC实现对人们控制行为的模拟，同时根据被控过程的运行状态在线自调整、自学习(调整FNNC权值、修改控制规则)，给出合适的控制量，进一步改进控制效果；用PNN网络实现模糊控制系统中的知识库的组成和更新，通过对其离线训练记忆性能测量指标，将训练好的PNN接入控制系统中进行在线学习，其输出作为FNNC的学习信号。 在神经网络离线训练时应用了基于达尔文进化论的遗传算法，为了解决一般遗传算法的早期收敛和陷入超平面等问题，采取对交叉和变异率自适应调整的方法来提高搜索效率。另外对常规Kalman滤波算法进行改进，提出推广Kalman滤波算法。 最后通过用VC++和MATLAB编程对模糊神经网络控制器在船舶操纵中的应用进行了计算机仿真，通过与PID和自适应的控制效果相比较，说明了模糊神经网络控制的优势所在。当然智能控制和其他控制方法相比较仍属于新生事物，尤其在实际的应用中受硬件限制较大。文章最后针对这些问题，结合新理论（耗散结构理论、协同学、混饨动力学理论、蚁群算法等）的出现和计算机技术的飞速发展，对智能舵的发展前景进行了展望。
孟浩[8]2003年在《船舶航行的智能自适应控制研究》文中研究表明自动舵是船舶操纵控制系统中至关重要的设备，它一直是船舶运动控制领域内的重要研究课题之一，许多专家学者一直在致力于该方向的研究工作。早在20世纪20年代，人们就研制成功了自动舵，到目前为止，自动舵的研究工作历经了4个发展阶段，即机械自动舵、PID自动舵、自适应自动舵和智能自动舵。目前，科学工作者们正在进行第四代智能自动舵的研究。 船舶运动模型是研究船舶运动操纵和控制的基础，针对船舶模型的非线性、时变性和不确定性的特点，本文首先在讨论船舶操纵运动线性和非线性数学模型的基础上，将模糊理论和神经网络相结合，提出了一种船舶航向运动的模糊神经网络模型。同时给出了风、浪、流干扰模型和相应的船舶操纵运动仿真结果。 为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，本文提出了一种基于神经网络参考模型的船舶航向自适应控制方法，利用神经网络建立了参考模型，为船舶转向控制参考模型的建立提供了一种灵活、可行的新方法。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器，利用神经网络的学习功能对该控制器的隶属度函数及推理规则进行了修正，以提高其自适应能力。 本文还提出了一种基于模糊CMAC神经网络的船舶航向智能自适应控制算法。为便于更好地寻找最优参数，进一步改善控制性能，将GA算法、遗忘因子法和BP算法相结合，提出了一种基于混合学习算法的船舶航向智能自适应控制方案。 仿真结果表明上述各种控制方案均具有较好的控制效果，较强的抗干扰能力和自适应能力。 最后，从船舶运动控制系统的研究角度出发，为减少海上试验次数，降低试验成本，缩短开发周期，保证海上试验的安全，本文提出了一种新颖、实用的船舶运动半物理仿真系统方案，并完成了系统的设计和调试，达到了预期的效果。为船舶运动控制算法的研究、自动舵和减摇鳍等船舶运动控制产品的陆上调试建造了一个良好的试验环境。
何俊杰[9]2000年在《船舶航向智能模糊控制系统及其仿真》文中研究表明船舶航向控制作为船舶控制中最基本的控制，是船舶操纵性能好坏的标志。传统PID 自动舵对高频干扰过于敏感，容易引起频繁操舵，缺乏对船舶动态特性及海况的适应能力。另外，由于船舶航向控制系统的复杂性和工作环境的随机性，很难建立其精确的数学模型。而模糊控制不苛求被控对象具有准确的数学模型，对系统模型参数的变化有较强的适应能力，有望解决传统PID控制的弊端。本文的工作就是基于这样的背景开展起来的。 模糊自动控制是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的计算机数字控制。它将操作人员的控制经验和专家知识总结成一系列“如果…则…”形式的控制规则，即模糊条件语句；然后经过模糊逻辑推理而得到控制作用。这一过程非常类似于人的思维方式，具有智能性。 本文针对船舶航向这种非线形、时变和滞后控制对象，在分析了模糊控制基本理论的基础上，首先设计了简单船舶航向模糊控制器，这也是进一步设计其它高性能模糊控制器的基础。这种控制器易于设计、实现方便，较传统PID控制有更快的响应速度和更小的超调，但其存在静态误差；为了进一步提高模糊控制器的控制特性，在此基础上分别设计了模糊-PI复合控制器和模糊神经控制器。前者利用模糊集合理论在线自调整PI参数，结合模糊控制和PI控制各自的优点实现混合切换控制，从而提高了系统的自适应能力和实现了无差控制；后者则是利用神经网络的非线形映射和自学习能力来记忆模糊控制规则，实现模糊推理。通过BP网络的离线训练和在线自学习，使控制器具有自调整和自适应能力，即具有良好的鲁棒性和实时控制效果。 本文最后给出了所有控制器的仿真曲线，仿真结果表明所设计的控制器达到了预期的控制效果。
戴晶[10]2012年在《船舶全回转推进装置智能控制技术研究》文中研究指明船舶全回转推进装置是当今船舶设备的热点之一，因其灵活性高、推进效率高、维修成本低等优点广泛运用于各型拖轮、工程船和特种船舶。然而针对船舶全回转的控制研究并未进行深入的探讨，其非线性的特点也决定了开环控制无法达到其控制精度，故研究船舶全回转推进装置的控制具有重要的现实意义。本文主要研究内容将智能控制的思想引入到船舶全回转推进装置的控制之中。文章可分为叁个部分：第一部分对全回转装置的结构分析，并结合船舶MMG分离建模思想，通过物理原理建立了各个模块的数学模型，包括舵机运动模型、螺旋桨受力模型、主动力模型、船舶惯性力、船舶粘性力、风力干扰和流干扰等干扰力模型等进行了逐一分析；第二部分介绍了当今流行的叁种控制策略，即经典PID控制、模糊控制和神经网络，内容包括控制原理、计算方法、适用环境和改进策略；第叁部分是利用MATLAB/Simulink软件对先前研究的船舶全回转推进装置各个模块进行简化和仿真，并将其整合为一个系统，通过某型全回转推进装置的实测数据验证了系统模型的合理性，并分别采用叁种智能控制策略对其操纵，以阶跃信号为输入采集其响应，进行相互比较，期望根据船舶全回转推进装置的实际状况选取一种最优的控制方法。最后，文章对叁种控制方式进行了总结，提出了研究过程中存在的一些问题和今后研究的具体方向。
参考文献：
[1]. 船舶运动模糊神经网络控制系统的研究[D]. 林叶锦. 大连海事大学. 2006
[2]. 船舶操纵运动模糊神经网络控制系统研究[D]. 刘清. 武汉理工大学. 2002
[3]. 混合智能在船舶航迹控制中的应用[D]. 徐建辉. 上海海事大学. 2006
[4]. 基于船舶操纵性的船舶海上航行安全研究[D]. 王欣. 大连海事大学. 2016
[5]. 基于神经网络控制的船舶航迹自动舵技术[D]. 苏会会. 哈尔滨工程大学. 2009
[6]. 舵鳍联合控制参数敏感性分析及控制器优化[D]. 张永庆. 哈尔滨工程大学. 2015
[7]. 模糊神经网络自组织控制在自动舵中的应用[D]. 常依斌. 上海海运学院. 2003
[8]. 船舶航行的智能自适应控制研究[D]. 孟浩. 哈尔滨工程大学. 2003
[9]. 船舶航向智能模糊控制系统及其仿真[D]. 何俊杰. 大连理工大学. 2000
[10]. 船舶全回转推进装置智能控制技术研究[D]. 戴晶. 中国舰船研究院. 2012
标签：船舶工业论文; 自适应论文; 模糊控制论文; 模糊神经网络论文; 仿真软件论文; 自动化控制论文; 模糊理论论文; 过程控制论文; 模糊算法论文; 船舶类型论文; 数学模型论文;