BP神经网络PID控制在船舶动力定位系统中的应用

发布时间：2017-10-09 18:37

  本文关键词：BP神经网络PID控制在船舶动力定位系统中的应用

  更多相关文章： 动力定位 PID控制 BP神经网络 推力分配 仿真

【摘要】：海洋中蕴藏着丰富的资源,各国对海洋资源开发利用的步伐在逐步加快。在对海洋的不断探索中,海洋工程设施的应用越加广泛。动力定位技术是深海工程领域中保持海洋工程设施位置的关键技术。从整体上看,动力定位系统包含三个子系统,即位置测量系统、控制系统和动力推进系统。控制系统是整个动力定位系统的核心,本文主要对动力定位系统的控制系统进行研究。船舶动力定位系统的研究要以特定的海洋环境为基础,因此本文在建立了船舶模型的同时也建立了海洋环境的基本模型。本文在横荡、纵荡和艏摇三个自由度上建立了船舶模型同时构建了海洋环境模型,其主要包括风、浪模型。为验证船舶模型的准确,本文在MATLAB/Simulink的仿真环境里进行了验证,证实了模型是准确的。针对动力定位系统的控制,本文采用以经典PID控制为基础,利用神经网络在线调整PID参数的方法对控制系统进行设计。PID控制经过长时间的实践检验,已经成为较为成熟可靠的控制方法。神经网络具有强大的信息处理能力,尤其是在处理非线性问题上具有很大优势,将PID与神经网络相结合,增强了控制器对外界干扰及不同海况条件的适应性。神经网络控制可以采用多种算法,本文采用的是较为成熟的BP算法,它是应用于神经网络最为广泛的算法之一,主要由信息的正向传播和误差的反向传播两个过程组成。将BP神经网络与增量式PID控制规律相结合,得到BP神经网络在线调整PID参数的控制规律。为验证控制律的可行性与稳定性,应用MATLAB/Simulink仿真程序,对所设计的控制器进行了仿真实验。利用序列二次规划方法,对动力定位船舶的推力分配问题进行了优化,最后进行了整个系统的仿真,仿真结果表明,本文设计的控制器能够较好的实现对动力定位系统的控制。
【关键词】：动力定位 PID控制 BP神经网络 推力分配 仿真
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U664.82
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-18
• 1.1 选题的背景及意义10-13
• 1.2 动力定位系统发展概况13-14
• 1.3 动力定位系统的组成和工作原理14-16
• 1.4 本文主要内容16-18
• 第2章 动力定位船舶的数学模型18-25
• 2.1 坐标系和常用符号18-19
• 2.2 船舶运动学模型19-20
• 2.3 船舶动力学模型20-23
• 2.3.1 惯性力20-21
• 2.3.2 科氏向心力21
• 2.3.3 阻尼力21-22
• 2.3.4 环境扰动22-23
• 2.4 动力定位船舶的数学模型及验证23-24
• 2.4.1 动力定位船舶的数学模型23
• 2.4.2 动力定位船舶模型仿真23-24
• 2.5 本章小结24-25
• 第3章 神经网络的基础理论25-38
• 3.1 神经网络的要素26-29
• 3.1.1 神经元模型26
• 3.1.2 激活函数26-27
• 3.1.3 神经网络的结构27-28
• 3.1.4 神经网络的学习方法28-29
• 3.2 感知器29-31
• 3.3 BP神经网络31-37
• 3.3.1 BP神经网络的结构31-32
• 3.3.2 BP学习算法32-36
• 3.3.3 BP算法的改进36-37
• 3.4 本章小结37-38
• 第4章 BP神经网络PID控制器的设计38-53
• 4.1 BP神经网络的设计38-40
• 4.1.1 BP网络结构的确定38
• 4.1.2 初始权值的选取38-39
• 4.1.3 激活函数的选取39-40
• 4.1.4 非线性误差函数的选择40
• 4.2 BP神经网络PID控制器的原理与算法40-43
• 4.3 仿真分析43-45
• 4.4 动力定位船舶推力分配的优化45-52
• 4.4.1 推力分配问题描述45-48
• 4.4.2 序列二次规划法48-52
• 4.5 本章小结52-53
• 第5章 BP神经网络PID控制的应用仿真53-64
• 5.1 船舶动力定位系统仿真53-63
• 5.1.1 静水环境下的仿真54-57
• 5.1.2 海上风浪条件下的仿真57-63
• 5.2 本章小结63-64
• 第6章 结论与展望64-65
• 参考文献65-69
• 致谢69

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺，

本文编号：1001794