船舶航向智能PID控制算法研究

论文摘要

本文研究了面向船舶航向控制智能PID控制算法。论文的主要内容为：讨论了本文所用的船舶运动数学模型的建立方法,通过船舶操纵性试验对模型进行仿真验证；将神经网络算法引入PID控制,采用了BP神经网络整定PID的三个参数,在此基础上设计了多模态PID控制器并实现对船舶航向的控制；研究基于遗传算法整定PID控制系统的设计,将GAPID应用于船舶航向控制,通过仿真验证了遗传算法的全局搜索能力,对比常规PID控制器,体现出GAPID的优越性。研究船舶航向控制主要涉及船舶运动数学模型的建立和基于智能控制理论的船舶航向控制器的设计两个部分。本文研究的分离型模型主要包括以下几个部分,船体所受水动力及力矩模型,螺旋桨的推力及扭矩模型,舵的升力及阻力模型,干扰力及力矩模型,船桨舵的相互干涉。作者按照相应的方法建立了船舶运动数学模型,通过仿真实验数据与实船试验数据的比较验证模型的可用性。模糊逻辑、神经网络、遗传算法等智能算法的融合并与PID控制相结合,正在成为船舶航向控制中有希望的发展方向。论文设计了MCPID和GAPID,并把相应的控制器用于船舶航向控制,仿真计算结果初步说明了这些智能PID控制算法的有效性。另外作者认为由于金融危机对世界经济与贸易的影响,以及人们对环境保护和绿色经济的关注,低速航行可能成为我们这个时代船舶工业的新动向,探索将本文的智能PID控制算法应用于低速航行船舶的航向控制并研究其操纵性将是作者进一步的研究内容。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景及意义
• 1.2 智能PID的发展现状
• 1.2.1 基于模糊控制的智能PID控制器
• 1.2.2 基于神经网络的智能PID控制器
• 1.2.3 基于遗传算法的智能PID控制器
• 1.3 本文所做的工作
• 第2章 船舶运动数学模型的建立与仿真
• 2.1 船舶运动数学模型的建立
• 2.2 坐标系与船舶运动方程
• 2.3 船舶运动方程的建立
• 2.4 运动参量的无因次化
• 2.5 惯性类流体动力及力矩模型
• 2.6 粘性类流体动力及力矩模型
• 2.6.1 直航阻力系数的求取
• 2.6.2 其他纵向流体动力导数的求取
• 2.6.3 线性流体动力导数的近似估算公式
• 2.6.4 非线性流体动力导数的近似估算公式
• 2.7 螺旋桨及推进装置计算模型
• 2.7.1 螺旋桨推力及转矩计算模型
• 2.7.2 推进装置计算模型
• 2.8 作用在舵上的流体动力及力矩
• 2.9 主机特性计算模型
• 2.10 风力及力矩的计算模型
• 2.10.1 平均风力（力矩）
• 2.10.2 脉动风力（力矩）
• 2.11 流力（力矩）干扰
• 2.12 船舶运动控制系统的状态方程
• 2.13 模型验证与仿真
• 2.13.1 定速直航时的仿真
• 2.13.2 深水旋回仿真
• 2.13.3 Z形试验仿真
• 2.14 有风流时的旋回仿真
• 2.14.1 在BELNOR轮上的仿真结果
• 2.14.2 在YULONG上的仿真结果
• 2.15 小结
• 第3章 多模态BP-PID船舶航向控制
• 3.1 多模态智能控制
• 3.2 多模态智能PID控制器
• 3.2.1 PID控制的基本原理及各基本环节的作用
• 3.2.2 基于BP神经网络整定的PID控制
• 3.3 多模态BP-PID船舶航向控制仿真
• 3.4 总结
• 第4章 基于遗传算法的PID优化控制
• 4.1 遗传算法的基本原理
• 4.2 基本遗传算法的组成
• 4.2.1 编码
• 4.2.2 适应度函数
• 4.2.3 遗传算子
• 4.2.4 运行参数
• 4.3 用遗传算法整定PID的特点
• 4.4 遗传算法整定PID的具体步骤及流程
• 4.5 GAPID控制船舶航行的仿真
• 4.5.1 无风流下的仿真
• 4.5.2 有风流下的仿真
• 4.6 本章小结
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望与不足
• 参考文献
• 致谢