船舶航向保持的鲁棒神经网络控制

论文摘要

船舶运动具有大惯性特点,时间常数为几十秒,甚至可达几百秒,动舵响应缓慢;船舶运动还具有本质非线性和时变性的特点,执行运动控制的舵机也存在死区和饱和等非线性特性;船舶参数变化会引起模型摄动;并且具有运行环境复杂的客观条件。这些因素都会影响船舶并使之偏离航向。航向保持不但是船舶安全到达目的地的保证,而且也是航迹跟踪、动力定位和自动避碰等问题的基础。为解决上述问题,采用鲁棒神经网络进行船舶航向保持具有很重要的理论和现实意义。本文采用鲁棒控制和神经网络控制相结合的控制算法。使用神经网络直接控制算法训练模型的逆,与被控对象组成广义被控对象,再用闭环增益成形算法对一个近似于单位阵的系统设计鲁棒控制器。神经网络可以解决被控对象的非线性和时变性;鲁棒控制器可以保证系统的鲁棒性。神经网络采用5层BP神经网络结构。用共轭梯度法改善神经网络的收敛速率;把强化训练和适度训练相结合,提高训练效率,加快收敛时间。对于误差经被控对象回传到神经网络进行参数调整的过程,采用符号函数法进行近似处理,在保证了输入和输出的因果关系的基础上,取得了较好的控制效果。鲁棒控制器采用闭环增益成形算法进行设计,具有设计过程简单、物理意义明显的优点。在VC6.0环境下,采用C语言对“阳澄湖”号数据进行仿真实验。对于名义模型可以无超调保持设定航向。在恶劣海况下和±15%的模型摄动下,航向超调控制在5%以内,并且可以无静差地保持设定航向,调节时间在300s左右。本文采用鲁棒神经网络控制算法,通过直接控制方案,可以实现各种环境下的航向保持能力,控制器显现出较好的适应性和鲁棒性。并且采用C语言进行模块化设计,对于算法改进、功能添加十分便利,有利于理论向应用转化,为实现高性能的船舶自动舵样机打下基础。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究课题的背景
• 1.1.1 船舶运动控制的发展及研究现状
• 1.1.2 神经网络的发展及研究现状
• ∞鲁棒控制的发展及研究现状'>1.1.3 H_∞鲁棒控制的发展及研究现状
• 1.2 研究课题的提出及研究的现实意义
• 1.3 论文的结构
• 1.3.1 实现构想
• 1.3.2 实现方法
• 第2章 基础理论
• 2.1 船舶平面运动数学模型
• 2.1.1 船舶运动学方程
• 2.1.2 船舶流体动力导数的无量纲化
• 2.1.3 船舶流体动力导数的估算公式
• 2.1.4 状态空间型船舶运动数学模型
• 2.1.5 非线性船舶运动数学模型
• 2.2 神经网络基础
• 2.2.1 人工神经网络原理
• 2.2.2 神经网络控制方案
• 2.3 BP网络参数优化
• 2.3.1 最速下降法
• 2.3.2 线性搜索
• 2.3.3 共轭梯度法
• 2.4 闭环增益成形算法
• 第3章 设计与实现
• 3.1 航向保持控制原理
• 3.1.1 船舶运动特点
• 3.1.2 航向保持原理
• 3.1.3 控制要求
• 3.1.4 系统方案
• 3.1.5 龙格-库塔法
• 3.1.6 双线性变换法
• 3.2 船舶运动数学模型的实现
• 3.3 神经网络的实现
• 3.3.1 神经网络结构实现
• 3.3.2 神经网络计算
• 3.4 神经网络和船舶模型结合
• 3.4.1 控制方案
• 3.4.2 性能函数
• 3.4.3 误差回传方案
• 3.4.4 训练方案
• 3.4.5 神经网络结构确定
• 3.4.6 实验方案
• 3.5 神经网络的改进措施
• 3.5.1 参数初始化
• 3.5.2 动量方法
• 3.5.3 可变的学习速度
• 3.5.4 最速下降法的综合实验
• 3.5 共轭梯度法
• 3.6 鲁棒控制器的实现
• 3.7 系统总体测试
• 3.8 小结
• 第4章 结论
• 参考文献
• 附录: 神经网络参数表
• 致谢
• 研究生履历