神经网络PID的船转首角速度保持控制仿真优化

发布时间：2021-07-13 11:27

　　船舶在水上航行时,除了会受到风荷载的作用之外,还会受到惯性力的影响,由此可能会导致船舶产生侧向漂移,容易使船舶偏离航迹。为此,需要对船舶转首角速度保持进行有效控制。神经网络PID具有较强的控制性能,可将之运用到船舶转艏角速度保持控制当中,从而确保船舶始终处于给定的航线内航行,保证航行安全。基于此,本文从神经网络PID的简要介绍入手,论述了基于神经网络PID的船转艏角速度保持控制仿真优化。 

【文章来源】：舰船科学技术. 2020,42(08)北大核心

【文章页数】：3 页

【部分图文】：

航向偏差Fig.1Headingdeviation

墒?稳态精度获得显著提升[4–5]。当通过神经网络PID算法对船转首角进行控制时，需要建立控制函数对整个过程进行优化，一般可以假设首角转向时间为T，转速为v，即可得到PID的控制闭环函数为：2vBTc1Bc2vT，上述的闭环控制函数经过神经网络算法优化为：χ(τ,fv)=√γs(t)s(γ(tτ))ej2πfdtdt2，γ=1+fd/fc式中，为控制系数。控制节点如图3所示。图1航向偏差Fig.1Headingdeviation图2反模糊化拟合曲线Fig.2Deblurringfitcurve图3船转首角控制节点Fig.3Shipturncornercontrolnode第42卷赵鹏，等：神经网络PID的船转首角速度保持控制仿真优化·29·

??PID算法对船转首角进行控制时，需要建立控制函数对整个过程进行优化，一般可以假设首角转向时间为T，转速为v，即可得到PID的控制闭环函数为：2vBTc1Bc2vT，上述的闭环控制函数经过神经网络算法优化为：χ(τ,fv)=√γs(t)s(γ(tτ))ej2πfdtdt2，γ=1+fd/fc式中，为控制系数。控制节点如图3所示。图1航向偏差Fig.1Headingdeviation图2反模糊化拟合曲线Fig.2Deblurringfitcurve图3船转首角控制节点Fig.3Shipturncornercontrolnode第42卷赵鹏，等：神经网络PID的船转首角速度保持控制仿真优化·29·

【参考文献】：
期刊论文
[1]基于循环神经网络的船舶航迹预测[J]. 胡玉可,夏维,胡笑旋,孙海权,王云辉.  系统工程与电子技术. 2020(04)
[2]基于回归深度卷积网络的船舶图像与视频检测[J]. 黄志坚,张成,王慰慈.  上海海事大学学报. 2019(04)
[3]基于改进BP神经网络的船舶轨迹识别方法[J]. 凡甲甲,祁云嵩,葛霓琳.  计算机工程与设计. 2019(12)
[4]基于神经网络PID的气垫船转艏角速度保持控制研究[J]. 魏健雄,万舟.  软件导刊. 2018(03)

硕士论文
[1]吊舱推进船舶运动数学模型与自抗扰控制研究[D]. 徐亮.大连海事大学 2016



本文编号：3281974