基于粒子群优化算法的船舶航向PID控制

摘要

本论文通过对PID控制、粒子群优化算法、船舶运动数学模型的研究,将其进行有机的结合运用于船舶航向控制。
　　 通过对粒子群优化算法原理的分析,本文提出了一种搜索空间自适应的自适应粒子群优化算法。该算法对不同等级的粒子适应值采取不同的惯性权重,并随着算法的迭代不断地缩小粒子群的搜索空间,同时选择当前代的较优部分粒子直接进入下一代,其他粒子通过在缩小的搜索空间内随机生成。通过对一系列标准函数的测试证明了本文提出的粒子群优化算法提高了算法的收敛速度及收敛精度。
　　 将改进的粒子群优化算法运用于PID控制设计,使用改进的粒子群优化算法离线整定PID控制器的三个参数,并以小车倒立摆模型为例进行仿真对比实验,通过仿真对比实验证明了基于改进的粒子群优化算法的小车倒立摆PID控制稳定时间更短,其控制性能也更稳定。
　　 最后将提出的粒子群优化算法运用于船舶航向PID控制中,使用改进的粒子群优化算法离线整定船舶航向PID控制器的三个参数,并与使用遗传算法进行参数整定的PID控制器进行比较,通过仿真实验证明经改进粒子群算法优化后的船舶航向PID自动舵性能有了较大的提升,系统无超调,上升快,工作稳定,具有较强的鲁棒性能。

目录

文摘

英文文摘

第1章 绪论

1.1 课题研究的意义

1.2 国内外研究历史和现状

1.2.1 粒子群优化算法的研究历史和现状

1.2.2 船舶航向自适应控制的研究历史和现状

1.3 本文主要工作

第2章 搜索空间自适应的自适应粒子群优化算法

2.1 标准PSO算法

2.2 搜索空间自适应的自适应粒子群优化算法(APSO-AS)

2.2.1 适应值函数求取

2.2.2 种群初始化和种群进化

2.2.3 种群分解及惯性权重的自适应调整

2.2.4 搜索空间的自适应调整

2.2.5 种群选择

2.2.6 APSO-AS算法的程序运行步骤

2.3 仿真研究及其结果分析

2.4 本章小结

第3章 基于APSO-AS算法的PID控制设计

3.1 引言

3.2 PID控制

3.3 基于APSO-AS算法的PID控制设计

3.3.1 待寻优参数

3.3.2 适应值函数

3.3.3 初始种群

3.3.4 程序运行步骤

3.4 仿真结果与分析

3.6 本章小结

第4章 基于APSO-AS算法的船舶航向PID控制

4.1 引言

4.2 基于APSO-AS算法的船舶航向PID控制

4.2.1 船舶运动数学模型

4.2.2 基于APSO-AS算法的船舶航向PID控制

4.2.3 待寻优参数

4.2.4 适应值函数

4.2.5 初始种群

4.2.6 程序运行步骤

4.3 仿真研究及其结果分析

4.4 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

攻读学位期间公开发表的论文

致谢