基于单神经元的船舶航向保持自适应PID控制

发布时间：2020-04-06 10:20

【摘要】：船舶航向保持控制是船舶运动控制研究中的一个重要部分,也是提高船舶自动化水平的重要方面。由于PID控制器具有优异的稳定性,因此它在船舶实际航行中被广泛使用。但船舶运动不仅是十分复杂的运动,而且不可避免的受到模型摄动、不确定干扰等因素的影响,严重减弱PID控制器的控制效果。智能控制中的单神经元作为构成神经网络的基本单位,具有自适应和自学习能力,而且结构简单便于计算。若将这两者结合,不仅可以在一定程度上解决常规PID控制器不易在线实时整定参数、难于对一些复杂过程和参数慢时变系统进行有效控制的问题,而且保留了控制器结构简单便于计算的优点。论文针对船舶运动数学模型及其本身的特殊性质(外界环境影响、船舶惯性大等),在保持PID控制器结构简单、易于实现、稳定性高等特点的基础上,引入同样结构简单的单神经元控制器,同时也能保证所构成的控制器具有自适应性和较强的鲁棒性。论文首先搭建了船舶运动数学模型K、T指数计算平台,能够根据船舶参数迅速建立船舶Nomoto模型。然后在介绍神经网络基础知识后,设计了在无/有监督学习下的基于单神经元的船舶航向保持PID控制器,其兼备神经网络和常规PID控制的优点,最后给出了修正基于单神经元的船舶航向保持PID控制器算法中的权重系数以及引入误差非线性反馈后的改进的基于单神经元的船舶航向保持PID控制器。论文还以“育鲲”轮为被控对象,对构建的控制器进行船舶航向保持仿真研究,并与常规PID控制器进行对比分析。仿真研究表明,尽管改进型的基于单神经元的船舶航向保持PID控制器的性能并不是所有设计控制器中最理想的,但其鲁棒性和抗干扰能力都非常出色,而且最节约能量。基于单神经元的船舶航向保持PID控制器比常规PID控制器的控制性能要好很多,而且如若不一味追求性能,从系统响应动态、抗干扰能力、鲁棒性以及绿色经济这些方面来看,改进型的基于单神经元的船舶航向保持PID控制器是在追求绿色经济的大环境下更符合当代需求的控制器。
【图文】：

参数学习,方案,神经元

竞争学习规则来解决这类非监督网络学习问题。(a)监督学习 (b)非监督学习 (c)强化学习图3.2 参数学习方案Fig. 3.2 Parametric learning schemes3.4 神经网络的学习规则神经网络的重要性质是具有自适应和自学习能力，并掌握一定的学习规则。1949年心理学家 Hebb 在前期研究的基础上提出了学习突触联系和神经群理论，随后用数学形式进行了表达，成为 Hebb 规则。如图 3.3 所示，从神经元ju 到神经元iu 的连接强度，即权重变化ij w 可用以下式子表达：( ( ) , ( )) ( ( ),)ij i i j ij= w G a t s t H y t w(3-3)其中 ( )is t 为神经元iu 的教师信号，函数 G 是教师信号 ( )is t 与神经元iu 的活性度( )ia t 的函数， H 是神经元ju 的输出 ( )jy t 与联接权重ijw 的函数。输出 ( )jy t 与活性度 ( )ja t 之间满足 ( ) ( ( ))j j jy t = f a t。由于在图 3.3 中存在教室信号 ( )is t

学习规则

重要性质是具有自适应和自学习能力，并掌握一定的b 在前期研究的基础上提出了学习突触联系和神经群理，成为 Hebb 规则。如图 3.3 所示，从神经元ju 到神经可用以下式子表达：( ( ) , ( )) ( ( ),)ij i i j ij= w G a t s t H y t w元iu 的教师信号，函数 G 是教师信号 ( )is t 与神经元iu 的ju 的输出 ( )jy t 与联接权重ijw 的函数。输出 ( )jy t 与活 ))t。.3 中存在教室信号 ( )is t ，因此这属于监督学习下的 H下时，即上述的教师信号 ( )is t 没有给出，且函数 H 又-3)可变为ij i j w =ηa y，其中η 是学习效率，是正实数。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U664.82

【参考文献】