RBF神经网络优化自抗扰在船舶航迹控制中的应用

发布时间:2021-08-05 14:22
  为了解决非线性自抗扰控制器(NLADRC)参数在线整定问题,提高船舶在海上航行的安全性和经济性,针对船舶的航迹控制,本文采用径向基函数(RBF)神经网络优化的自抗扰控制方法。自抗扰控制技术是对PID控制技术进行改进后发展起来的现代控制技术,人工智能算法的发展为自抗扰控制算法提供了新的思路。通过仿真验证,本文设计的控制器提高了船舶航迹控制效果。本文采用了船舶运动分离型模型-MMG模型,对模型中的各种流体动力和干扰力进行了逐个详细分析,通过仿真试验验证了模型的误差在允许的范围之内。对没有横向动力装置的欠驱动船舶航迹控制问题,利用双曲正切函数构造期望船首向角方程,将航迹控制问题转化为航向的保持控制问题。常规的非线性自抗扰控制器参数众多整定困难,抗干扰能力差,本文受神经网络整定PID控制器参数的启发,将RBF神经网络与自抗扰控制器相结合,设计了 RBF神经网络优化的船舶航迹自抗扰控制器,将控制量和系统输出作为神经网络的输入,使网络输出逼近系统输出,对非线性自抗扰控制器中相当于PID控制算法中的比例增益和微分增益的两个参数进行在线整定。最后以SHANG HAI号集装箱船为仿真对象,利用Matla... 

【文章来源】:大连海事大学辽宁省 211工程院校

【文章页数】:52 页

【学位级别】:硕士

【部分图文】:

RBF神经网络优化自抗扰在船舶航迹控制中的应用


图2.?1空间固定坐标系和随船运动坐标系??Fig.?2.1?Space-fixed?and?body-fixed?coordinate?systems??

船舶,平面运动,运动参数,位置


?RBF神经网络优化自抗扰在船舶航迹控制中的应用???随船运动坐标系还被称为附体坐标系,用表示,其原点通常选择船舶重心??并与船体位置一同改变,轴朝向船首的方向规定是正方向,轴朝向船舶右舷??的方向规定是正方向,Of。轴与水线面垂直朝向龙骨的方向规定是正方向。??船舶在水中沿着通过重心的x〇、yQ、轴运动,一般包括6个自由度,即沿<9();^轴、??凡轴、轴的直线运动和围绕三个坐标轴的转动。具体如表2.1所示。??表2.1各运动形态物理量表示???Tab.?2.1?Physical?quantity?representation?of?each?motion???运动形态?线速度或角速度?力或力矩?位置或欧拉角??纵荡?w?x??横荡?v?r??垂荡?w?z?z??横摇?p?K?<P??纵摇?q?M?6??艏摇?r?N?¥??2.?2船舶运动方程??2.?2.?1船舶运动模型的建立??对于常规船舶的运动控制研究,主要考虑船舶在水平面的运动,由于纵摇运动、横??摇运动和垂荡运动对水平面内的运动影响很小,所以通常不考虑,只分析纵荡、横荡和??艏摇运动,这样便将船舶运动从6个自由度降到了?3个[57],即沿着xQ、y()轴的直线运动??和绕%轴的旋转运动,简化后见图2.2。??N?‘??^^??图2.?2船舶平面运动位置与运动参数??Fig.?2.2?Ship's?planimetric?position?and?motion?parameter??-8-??

左旋,船舶


,大部分情况为航向角变化180°时船舶??重心横向运动的距离,可作为船舶旋回过程中横向所需海域面积的评判标准,横距大则??船舶的旋回性差。对旋回初径的要求一般在2.8?5.0Lpp之间。??为了使试验结果具有普遍意义,IMO安全委员会在MSC/Circ.644中对试验条件作??了明确规定,应尽可能在平静的水域进行船舶操纵性试验,所以本文在理想海况下进行??左旋回试验,左满舵5?=?-35°,平吃水7.155m,船舶初始速度V〇?=?24kn,主机转速??n=85r/min,仿真图像如图2.3所示。??1000?I?I?I?I?I?I??800?■?.??????-??600?-?■???jr?■??????;??400?-?k?\??,-々?...:..........)^??〇_?V.丨?:少乂…??-200?-??-400??'?'?'?'?'?'???-1400?-1200?-1000?-800?-600?-400?-200?0??y/m??图2.?3左旋回试验仿真图??Fig.?2.3?Simulation?result?of?left?turning?test??由仿真得到:进距=?3.52Lpp(940m),而实船试验进距=?3.S8Lpp,相差0.?06Lpp;??旋回初径=?S.09Lpp?(1360m),而实船试验的旋回初径仏=5.03Lpp,相差0.?06Lpp。??-16-??

【参考文献】:
期刊论文
[1]航运业高质量发展的两大驱动层面[J]. 许立荣.  中国水运. 2019(08)
[2]基于模糊RBF神经网络的PID控制方法及应用[J]. 潘玉成,林鹤之,陈小利,吕仙银.  机械制造与自动化. 2019(03)
[3]基于在线学习的机载光电系统扩张状态观测器参数整定研究[J]. 周德召,刘晓东,李佳庆,王合龙.  电光与控制. 2019(08)
[4]基于改进PID控制的船舶航迹跟踪研究[J]. 沙春,罗霁,钱黎明.  舰船科学技术. 2018(22)
[5]Backstepping sliding mode control for uncertain strict-feedback nonlinear systems using neural-network-based adaptive gain scheduling[J]. YANG Yueneng,YAN Ye.  Journal of Systems Engineering and Electronics. 2018(03)
[6]PID控制器优化的船舶航迹跟踪控制[J]. 傅康,桑华希.  舰船科学技术. 2017(24)
[7]基于线性自抗扰控制的船舶航迹积分滑模控制器[J]. 邱峰,李伟,宁君.  上海海事大学学报. 2017(03)
[8]欠驱动水面船舶的有限时间航迹跟踪控制[J]. 王昱棋,李铁山.  哈尔滨工程大学学报. 2017(05)
[9]基于RBF神经网络自适应PID四旋翼飞行器控制[J]. 李砚浓,李汀兰,姜艺,范家璐.  控制工程. 2016(03)
[10]基于高增益观测器的船舶航迹鲁棒跟踪控制[J]. 王虎军,王璐.  中国造船. 2015(03)

博士论文
[1]基于人工神经智能的船舶航迹保持控制及通航安全应用研究[D]. 李伟.大连海事大学 2014
[2]欠驱动水面船舶航迹自抗扰控制研究[D]. 李荣辉.大连海事大学 2013
[3]欠驱动水面船舶航向、航迹非线性鲁棒控制研究[D]. 刘文江.山东大学 2012

硕士论文
[1]基于高阶滑模的船舶直线航迹控制[D]. 蔡成.大连海事大学 2017
[2]航线优化对于风翼助航船舶节能的影响研究[D]. 傅超.大连海事大学 2017
[3]相对漂浮船舶动力定位的跟踪控制方法研究[D]. 王仲.哈尔滨工程大学 2008



本文编号:3323910

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/3323910.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户088a7***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com