递归神经网络的动态系统辨识及其在船舶运动控制中的应用研究

摘要

船舶正朝着大型化、高速化、智能化方向发展，同时船舶航行的密度越来越大，对船舶的操纵性能提出了更高的要求。因而有必要采用新的理论和技术，研究性能更好的船舶操纵控制策略。将神经网络辨识技术应用于船舶运动控制成为近年来研究的一个重要方向。本文对递归神经网络辨识技术进行研究，提出了两种新的递归神经网络学习算法，并对递归神经网络辨识技术在船舶操纵运动控制中的应用进行了探讨。 Elman神经网络在系统辨识中得到了广泛的应用。本文对Elman神经网络进行改进，将径向基函数神经网络与Elman神经网络结合构成RBF-Elman神经网络，并将网络输出的延迟信息反馈加入到输入层，构造出基于输出反馈的RBF-Elman递归神经网络。该网络对于时变动态系统具有良好的辨识能力，并且通过对输入层和输出层进行线性连接提高了网络的学习速度。通过对时变系统的辨识验证了该网络的自适应性。 根据控制系统对于神经网络在线应用的要求，提出了一种神经网络的序贯学习算法——动态跟踪模型选择算法，得到的径向基函数神经网络具有良好的泛化性能。通过将系统的输出信息进行反馈引入到输入层，构成的递归网络具有良好的动态辨识性能。通过对混沌时间序列的辨识算例验证了其动态适应性能。该算法同时具有调节参数少以及对参数变化鲁棒性好等特点。 本文从工程实现控制的角度出发，针对船舶运动非线性和动态时变的特点，提出了基于递归神经网络在线辨识的控制方案。该方案利用递归神经网络学习算法建立的神经网络进行在线系统辨识，有效地跟踪船舶运动的动态特性，并通过辨识信息调整控制参数。本文最后将该控制方案应用于船舶航向跟踪控制，并取得了良好的仿真效果。

目录

文摘

英文文摘

声明

创新点摘要

第1章绪论

1.1研究的目的和意义

1.2国内外相关领域的研究现状

1.2.1系统辨识理论研究现状

1.2.2神经网络非线性辨识的研究现状

1.2.3船舶运动智能控制的研究现状

1.3论文的主要工作和贡献

1.4论文内容及结构安排

第2章神经网络系统辨识

2.1系统辨识简介

2.1.1系统辨识的用途

2.1.2系统辨识的定义

2.1.3系统辨识的基本原理

2.1.4系统辨识的基本方法

2.2人工神经网络简介

2.2.1人工神经网络的基本原理

2.2.2人工神经网络的研究现状

2.3神经网络系统辨识

2.3.1神经网络系统辨识的步骤

2.3.2神经网络系统辨识的特点

2.3.3神经网络辨识模型结构

2.3.4递归神经网络与前向神经网络比较

第3章带输出反馈的RBF-Elman神经网络

3.1递归神经网络的类型与结构

3.2一种基于输出反馈的RBF-Elman网络

3.2.1 Elman网络原理

3.2.2 OFRBF-Elman神经网络

3.3混沌序列辨识算例研究

3.4本章小结

第4章动态跟踪模型选择算法

4.1径向基函数神经网络简介

4.1.1径向基函数神经网络的结构

4.1.2 RBF神经网络常用学习算法

4.2动态跟踪模型选择算法

4.2.1算法原理

4.2.2算法特点

4.3混沌序列辨识算例讨论

4.4本章小结

第5章基于递归神经网络辨识的船舶运动PID控制

5.1船舶运动及干扰的数学模型

5.1.1船舶操纵运动方程

5.1.2干扰的数学模型

5.2基于神经网络辨识的PID控制

5.2.1基于神经网络辨识的PID控制综述

5.2.2基于神经网络辨识的PID控制器

5.3基于递归神经网络辨识的船舶航向跟踪PID控制仿真

5.4本章小结

第6章结束语

6.1全文总结

6.2工作展望

参考文献

攻读学位期间公开发表论文

致 谢