船舶航向智能控制算法研究及应用

摘要

船舶运动模型所具有的非线性、不确定性和外界环境干扰等未建模动态，使得船舶航向自动控制成为一个复杂的非线性控制问题，传统船舶航向控制器难以实现理想的控制效果。本文提出了一种基于T-S模糊模型的动态模糊神经神经网络算法，能够在线快速生成具有高精度的精简动态神经网络，用于实现模糊系统的自组织设计及参数辨识。进而，通过Hermite函数逼近、非线性动态系统辨识和Mackey-Glass混沌时间序列预测等仿真研究，验证该算法的有效性。最后将其应用于船舶智能航向控制器的设计，主要研究工作如下:
　　 首先，基于整体型模型和分离型模型的建模机理分析，得到了降阶简化的响应型野本模型，并对该模型进行了参数化处理，将其作为船舶航向智能控制器设计的模型基础。
　　 其次，提出了一种基于训练数据在线提取T-S模糊规则的自组织模糊神经网络学习算法。基于在线或离线训练数据，该算法结合修剪策略的生长规则用于学习模糊规则，使其限制性的增长，最后生成一个紧凑的网络结构。此外，采用线性最小二乘(LLS)进行参数辨识。为验证该算法的优越性，将其分别应用于静态函数逼近、非线性动态系统辨识和随机时间序列预测，并与其他著名的算法进行比较研究，仿真结果显示该算法具有快速的学习速度、高精度的逼近性能和精简的网络结构。
　　 最后，将提出的动态模糊神经网络算法应用于船舶智能航向控制器的设计，利用非线性PID船舶操纵控制器产生数据样本，用于在线或离线训练船舶智能操纵控制器;此外，船舶操纵预测和航向保持等性能通过一系列典型的操舵指令来验证。仿真研究验证了所设计船舶智能控制器的有效性和优越性。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景和意义

1．2 研究问题的提出

1．3 论文研究的主要内容

第2章 船舶运动数学建模

2．1 船舶运动的坐标系统和运动学

2．1．1 船舶运动的坐标系统

2．1．2 船舶在水平面内运动情况分析

2．2 船舶运动模型参数计算方法

2．3 船舶运动数学模型

2．3．1 整体型船舶运动数学模型

2．3．2 分离型船舶运动数学模型

2．3．3 响应型船舶运动数学模型

2．4 本章小结

第3章 船舶航向智能控制算法研究

3．1 智能控制理论

3．2 动态神经网络结构

3．3 动态模糊神经网络在线学习算法

3．3．1 生长准则

3．3．2 动态模糊神经网络整算法结构

3．4 动态模糊神经网络算法仿真

3．4．1 静态系统函数逼近

3．4．2 非线性动态系统辨识

3．4．3 Mackey-Glass时间序列预测

3．5 本章小结

第4章 船舶智能航向控制器设计及仿真研究

4．1 传统船舶航向控制器设计

4．1．1 最优控制理论

4．1．2 静态最优PID航向控制器

4．2 船舶航向动态PID控制器的设计

4．3 基于动态模糊神经网络的船舶航向智能控制器的设计

4．4 船舶航向智能控制器的仿真研究

4．4．1 船舶转向操纵性能仿真

4．4．2 船舶保航能力仿真

4．5 本章小结

第5章 总结与展望

参考文献

攻读学位期间公开发表论文

致谢