徐建辉[1]2006年在《混合智能在船舶航迹控制中的应用》文中研究表明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。
苏会会[2]2009年在《基于神经网络控制的船舶航迹自动舵技术》文中研究表明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。
臧胜永[3]2005年在《船舶航向非线性系统的模型参考神经网络自适应控制》文中提出本文对神经网络模型参考自适应控制及其在船舶航向控制中的应用进行了系统的研究。 首先针对船舶线性模型,在讨论了模型参考自适应控制理论的基础上,设计了模型参考自适应自动舵,并对其进行了仿真。 针对船舶航向非线性不确定系统,提出了一种把神经网络和模型参考自适应控制结合在一起的新的控制算法,此算法首先通过系统的已知动态特性设计一个稳定的反馈控制器,然后利用RBF神经网络逼近未知非线性,从而消除不确定性的影响。权重自适应修正规则是基于Lyapunov稳定性理论实现的,避免了递规训练过程,保证了自适应控制算法的稳定性。控制器设计时结合了鲁棒控制方法,来消除或减小外部干扰以及神经网络逼近误差,使得系统具有一定的鲁棒型。整个算法不仅保证整个闭环系统稳定,而且能使系统的跟踪误差收敛于零的邻域内。最后把此算法进行了仿真,仿真结果令人满意。 将算法在不同外界条件,如在风浪干扰时、在不同载运状态下、在不同速度下进行仿真,仿真结果表明该算法的控制效果显著,并与常规模型参考自适应算法的控制结果进行了比较,证明了神经网络模型参考自适应控制算法的性能优越于传统模型参考自适应控制算法的性能。 为了检验本文提出的船舶航向自动舵的性能,研究了船舶运动数学模型,以及包括风、浪、流和非线性力作用在船舶上的外界干扰力和力矩的计算模型。利用Matlab的Simulink环境实现了对各种船舶航向自动舵的大量仿真试验。
常依斌[4]2003年在《模糊神经网络自组织控制在自动舵中的应用》文中进行了进一步梳理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。
王艳[5]2008年在《船舶航迹保持算法的研究与实现》文中认为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。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,本文讨论了船舶操纵运动非线性和线性数学模型,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。传统的PID自动舵需要精确的船舶控制模型来得到好的控制效果,但在实际当中,精确的船舶模型是很难得到的。为了解决这一问题,本文讨论了利用神经网络学习理论结合PID算法而形成的神经元PID、神经元自适应PSD和神经网络PID控制算法并将之应用到了船舶的航向控制中,且应用MATLAB 7.0下的仿真工具SIMULINK 6.0对其进行仿真。仿真结果表明,此三种方法与对象的数学模型无关;在存在海风、海浪和海流干扰情况下,这三种方法都能达到明显比传统的PID算法好的航向控制效果,而且从船舶运动的复杂性与其数学模型的不确定性来看,基于系统辨识的神经网络PID控制要优于另外两种算法。最后本文分析研究了船舶航迹保持原理,介绍了航迹控制的两种实现方法即直接法与间接法的相关知识,并对间接法控制方案的相关环节进行控制算法的研究与实现,重点是设计相关控制器的结构和参数,最后进行仿真并得出了相关结论。
杨鸿[6]2000年在《神经网络与自动舵设计研究》文中指出本文系统地研究了前向网络的学习算法及其非线性特性；神经控制方案与神经网络的在线训练问题；神经控制在自动舵系统中的应用。论文的主要成果在于提出了一种新的综合BP算法，探讨了网络收敛性问题，提出了一种新的神经控制方案，即适当学习ANN前馈反馈控制方案。该方案以神经网络模型引导神经控制器的在线训练，加快了训练进程，解决神经网络在线训练耗时长，激励不充分的问题；同时以传统的控制器作为前馈环节，在神经控制器训练的初始阶段，保证系统的稳定性，解决了以往神经控制在线训练方案面临的确定网络初值比较困难的问题。 对论文中新的算法和控制方案进行了大量仿真实验。
鞠世琼[7]2007年在《船舶航迹舵控制技术研究与设计》文中研究说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。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。考虑我国现有船舶控制设备状况及经济因素，本文提出一种基于专家系统的间接式航迹控制方法。模型是研究船舶操纵运动的基础，风、流、海浪对船舶航行会产生直接影响，因此在分析了船舶航行的数学模型的基础上，对风、流、海浪的干扰也进行了建模。航迹控制是本文的关键，在研究航迹控制的基本原理、航迹控制类型、航迹计算的基础上，提出了一种新型的基于专家系统的间接航迹控制法。这种方法在航迹保持阶段，根据专家知识得到航向校正量，通过控制航向以实现航迹控制。在船舶转向阶段，通过转向角的大小得到转向起转距离，船舶到达此距离后，再采用航迹保持间接专家控制器转入下一航路段。间接式航迹控制离不开航向控制。本文在传统PID控制器基础上，提出了神经元PID控制器。仿真结果表明它的性能稳定，具有自适应功能，而且逻辑结构简单，在船舶航向控制方面很有潜力。
秦永祥[8]2007年在《基于自适应神经模糊系统的船舶航向控制》文中提出本文对自适应神经模糊系统(ANFIS)控制算法及其在船舶航向控制中的应用进行了系统研究。 首先研究了船舶运动数学模型，以及包括风，流，浪和非线性力作用在船舶上的外界干扰力和力矩的计算模型。并针对船舶线性模型，在讨论了模型参考自适应控制理论的基础上，设计了模型参考自适应自动舵，并利用Matlab的Simulink环境对其进行了仿真。 传统的MRAC只能用于结构已知参数时变的线性系统，局限性较大。由于船舶运动具有非线性、滞后等特点，加上外界干扰的复杂性使得船舶运动具有不确定性。针对船舶航向非线性不确定系统，利用自适应神经模糊的控制算法(ANFIS)，将模糊逻辑和神经网络适当地结合起来，既可以表达模糊语言变量，又具有学习功能。通过ANN的学习功能使FIS中出现的参数得以优化并能自动产生模糊规则。在对ANFIS的原理和算法介绍基础之上，讨论了ANFIS控制器的实现方法，并将ANFIS控制器应用到船舶航向非线性系统中，仿真结果证明该方法十分有效。 将此算法在不同外界条件下，如在风干扰时，在不同载运状态下进行仿真，仿真结果表明该算法的控制效果显著，并与常规模型参考自适应算法的控制结果进行了比较，证明ANFIS算法的性能优越于传统模型参考自适应控制算法的性能。
李俊方[9]2012年在《考虑输入饱和的船舶航向自动舵设计》文中研究说明船舶航向自动舵设计是自动控制理论应用得较早、取得成果比较显著的领域。而在设计过程中考虑系统输入饱和问题的研究,却鲜有成果。本文针对船舶航向控制非线性系统具有的舵角输入饱和限制问题,分别考虑了系统已知、带有参数不确定以及含有任意不确定性的情况,提出了三种考虑输入饱和的船舶航向自动舵控制算法。首先,针对船舶航向非线性系统已知的情况,通过引进一种饱和辅助设计系统对控制器进行直接地内补偿,提出了一种考虑输入饱和的船舶航向自动舵控制算法,保证了系统的稳定性,得到了良好的控制性能；其次,在考虑输入饱和基础上,针对船舶航向系统带有参数不确定和未知外界干扰的情况,采取基于李雅普诺夫定理的后推(Backstepping)设计方法以及自适应控制技术,提出了一种考虑输入饱和的鲁棒自适应船舶航向自动舵控制算法；最后,针对一类考虑输入饱和及未知外界干扰的通用高阶严格反馈不确定非线性系统,采用神经网络逼近技术处理任意不确定性,提出了一种考虑输入饱和的直接自适应神经网络动态面控制(Dynamic Surface Control; DSC)算法,并用于船舶航向自动舵控制算法设计。针对传统后推方法中易产生“计算量膨胀”问题,本文引进了动态面控制技术,从而大大降低了控制器的复杂性,使之易于工程实现。另外,在对不确定非线性系统控制设计中,利用系统仿射项的特性和直接自适应技术,避免了控制器奇异值问题。同时,保证了闭环系统是最终一致有界的。本文所提出的控制算法能够保证闭环系统的稳定性,并且使得航向跟踪误差任意小。最后,利用MATLAB进行计算机仿真研究,分别验证了上述三种控制器的有效性。
刘晓明[10]2002年在《船舶航向模糊自适应控制研究》文中提出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提出一种控制效能智能控制自动舵，其目标为改善基于经典控制理论的PID自动舵的控制效果。在智能控制自动舵的研究当中，本文运用了模糊自整定PID参数的方法，在自动舵的设计方面作了一些有益的探索，并做了仿真研究，获得了理想的控制效果。 本文研究是从以下几个方面着手： 1．在论文的开始，根据相关的资料所提供的实船参数，设计了PID自动舵，以此作为后期研究的比较的对象。 2．运用模糊控制的方法，对同一个实船对象设计出一个模糊控制器，观察其仿真结果。 3．总结前面两章的设计方法，结合PID控制高稳态精度的优点和模糊控制器的鲁棒性强且响应速度快的特点设计出模糊整定PD两个参数的控制器。并在仿真中得到较好的结果。在设计船舶航向模糊参数自整定控制器时由于没有现成的控制规则可供借鉴，本论文借鉴了运用在其他工业控制领域的模糊自整定控制器的模糊规则，并根据实际控制效果做出相应的规则调整。 4．模糊控制所整定的两个参数论域无成熟例子的可以借鉴，本文提出基于实船设计的PID控制器的参数调整，使控制参数分布于一个正态曲线上，再适当扩大论域范围，作为设计整定对象的模糊控制论域。在仿真试验的结果中证明了设想的合理性。 5．论文的最后运用MATLAB软件所提供的SIMULINK工具箱对所做的三个控制器做出仿真结果，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，并给出了相应的分析结果。 最终的仿真结果表明，智能控制在船舶航向控制方面其优越性大大超过了传统控制方法的自动舵，其应用和发展前景是广阔的。 由于智能控制理论自身发展仍在不断完善和发展，因此应用于实际还需要做更深入的研究。这也是相关领域今后研究的重要方向之一。
参考文献：
[1]. 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
[2]. 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
[3]. 船舶航向非线性系统的模型参考神经网络自适应控制[D]. 臧胜永. 大连海事大学. 2005
[4]. 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
[5]. 船舶航迹保持算法的研究与实现[D]. 王艳. 哈尔滨工程大学. 2008
[6]. 神经网络与自动舵设计研究[D]. 杨鸿. 大连海事大学. 2000
[7]. 船舶航迹舵控制技术研究与设计[D]. 鞠世琼. 哈尔滨工程大学. 2007
[8]. 基于自适应神经模糊系统的船舶航向控制[D]. 秦永祥. 大连海事大学. 2007
[9]. 考虑输入饱和的船舶航向自动舵设计[D]. 李俊方. 大连海事大学. 2012
[10]. 船舶航向模糊自适应控制研究[D]. 刘晓明. 上海海运学院. 2002
标签：自动化技术论文; 自适应论文; 模糊神经网络论文; 自动化控制论文; 仿真软件论文; 线性系统论文; 自适应控制论文; 模糊算法论文; 模糊理论论文; 人工智能论文; 船舶类型论文; 非线性论文; pid控制器论文;