船舶运动模糊神经网络控制系统的研究

论文摘要

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三自由度的运动模型，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，

论文目录

• 摘要
• Abstract
• 引言
• 1.问题的提出及研究的意义
• 2.船舶运动控制技术的发展及研究现状
• 3.论文的主要工作
• 第1章 船舶运动和干扰数学模型
• 1.1 状态空间型船舶运动模型
• 1.1.1 船舶运动的Abkowitz非线性模型
• 1.1.2 流体动力导数的无量纲化
• 1.1.3 船舶运动的线性模型
• 1.2 响应型船舶运动模型
• 1.2.1 船舶运动的线性响应型模型
• 1.2.2 船舶运动的非线性响应型模型
• 1.3 船舶操舵伺服装置数学模型
• 1.4 船舶运动干扰模型
• 1.5 基于SIMULINK的ABKOWITZ船舶运动模型仿真
• 1.6 本章小结
• 第2章 模糊控制理论概述
• 2.1 模糊集合与模糊关系
• 2.1.1 模糊集合的定义
• 2.1.2 模糊集合的隶属函数
• 2.1.3 模糊集合的性质和运算
• 2.1.4 模糊关系
• 2.2 模糊逻辑与模糊推理
• 2.3 模糊逻辑控制系统
• 2.3.1 模糊控制器的结构
• 2.3.2 离散型模糊控制器
• 2.3.3 连续型模糊控制器
• 2.4 小结
• 第3章 船舶运动模糊逻辑控制系统研究
• 3.1 船舶运动控制概述
• 3.1.1 船舶运动的控制方式
• 3.1.2 船舶自动操舵仪
• 3.2 船舶航向模糊控制系统设计
• 3.2.1 船舶航向模糊控制器的结构设计
• 3.2.2 航向改变模糊控制器的设计
• 3.2.3 船舶航向保持模糊控制器的设计
• 3.2.4 模糊切换规则设计
• 3.3 船舶航向模糊控制系统的仿真研究
• 3.4 小结
• 第4章 船舶运动神经网络模糊控制系统研究
• 4.1 神经网络概述
• 4.1.1 人工神经元与神经网络
• 4.1.2 多层前馈神经网络及其BP算法
• 4.1.3 径向基函数神经网络
• 4.2 基于神经网络的模糊系统
• 4.2.1 Mamdani型神经网络模糊系统
• 4.2.2 T-S模型神经网络模糊系统
• 4.2.3 神经网络模糊系统的函数逼近能力
• 4.2.4 与模糊系统相等价的RBF神经网络
• 4.3 基于RBF神经网络的船舶航向模糊控制
• 4.4 RBF模糊神经网络航向模糊控制器的遗传优化方法
• 4.5 船舶航向神经网络模糊控制系统的仿真研究
• 4.6 小结
• 第5章 船舶操纵控制海上试验研究
• 结论
• 参考文献
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历