基于模糊神经网络PID的无人艇航向控制器研究

针对常规比例、积分和微分(proportional integral derivative, PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation, BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。     

基于双体结构的无人测绘艇航向控制

无人艇在海洋测绘中的应用越来越广泛,而航向稳定性是实现其自主航行的重要基础。设计了一种双体结构的无人测绘艇,用于搭载测量设备并实现测绘功能。为了实现无人艇的航向控制,将RBF(radial basis function)神经网络与PID(proportion integration differentiation)算法相结合,利用RBF神经网络的自学习能力实现对PID控制器参数的整定。在仿真过程中,将RBF-PID自适应模型、单一PID模型以及作为对照组引入的BP-PID自适应模型分别仿真,并在同一时刻加入随机扰动,观察系统响应效果。结果表明,基于RBF-PID算法的无人艇航向控制器的超调量为零、稳态时间最短,同时能够及时有效地纠正随机扰动的影响,保障无人测绘艇的航向稳定性。     

无人水面艇直线航迹跟踪控制器的设计与验证

针对欠驱动无人水面艇航迹跟踪控制问题,设计一种直线航迹跟踪控制器.该控制器由导引算法和航向控制器两部分组成.导引算法基于LOS导引原理,根据给定航迹得出无人艇的期望航向;航向控制器采用抗饱和PID控制方法,通过负反馈防止积分器饱和,解决了传统PID控制器的航向超调和振荡问题.该航迹跟踪控制方法在DH-01小型欠驱动无人水面艇上得到验证.试验结果表明,航迹跟踪误差小于0.05 m.     

无人水面艇航向跟踪控制器的设计与验证

为解决"蓝信"号无人水面艇的航向跟踪控制问题,设计并实现了一种基于模糊自适应PID的无人水面艇航向跟踪控制器.首先,建立"蓝信"号无人水面艇的数学模型,利用实船操纵数据对其参数进行辨识;其次,在辨识的USV模型基础上,设计一种模糊自适应PID航向跟踪控制器并在干扰环境下进行仿真;最后,采用卡尔曼滤波算法对USV的姿态数据进行融合,设计并实现了"蓝信"号无人水面艇嵌入式航向跟踪控制系统的软硬件.实船验证结果表明,在实际的海洋环境干扰条件下,该航向跟踪控制器具有良好的动静态控制性能和抗干扰能力,可用于"蓝信"号无人水面艇精确和快速的航向跟踪控制.     

水面无人艇远程控制系统设计与实验

针对海上复杂环境对水面无人艇操纵性能的影响,在风、浪等环境因素干扰下研究基于模糊PID （proportional integral differential）的无人艇航向偏差控制,开发以DSP (digital signal processing) 结合ARM为核心控制器的艇载运动控制系统,采用阿里云服务器、Web服务器、Apache服务器及MySQL数据库,研发无人艇远程控制系统,并集成研发了样船。实验表明,所研发的无人艇远程控制系统具有远程通信、运动控制、状态监测、数据存储和数据共享的功能,能够满足远程通信实时性、运动控制灵活性精确性的设计要求,进一步提高对无人艇航迹控制精度,为近海小型智能船舶的研发奠定基础。     

无人艇航迹跟踪控制系统设计与验证

针对复杂湖面环境干扰下的无人艇自主航行控制问题,设计了一种有效的无人艇航迹跟踪控制系统。该系统从航迹跟踪控制算法、数据融合处理、上位机监控三个部分展开设计。在算法设计层面,将航迹跟踪控制问题分为外环和内环两部分,外环部分提出了一种自适应视线(Line of sight,LOS）制导算法,以求解目标航向角作为航向控制器的输入;内环部分设计了无模型自适应PID航向控制器,以实现无人艇稳定的航行。在数据处理层面,采用卡尔曼滤波算法对传感器信息进行融合,实现了对无人艇位置和姿态信息的准确估计。在监控层面,设计了一种可视化上位机软件,实时监测无人艇航行状态,保证航行安全。最后,利用实艇进行湖测实验,验证了该控制系统的有效性,结果表明该系统具备在内湖执行任务的能力以及应对复杂环境干扰的能力。     

网络环境下基于观测器的无人水面艇航向控制研究

控制中心-执行器网络通道中存在的网络诱导时延、数据丢包等网络诱导特性以及外部环境干扰均会对无人艇的水面航行产生影响,进而使系统性能显著降低,航向控制系统稳定性受到影响,提出一种基于观测器的无人艇航向控制准则,以使无人艇在既定航向上快速、稳定地航行。在建立基于网络的无人艇航向控制系统模型的基础上,采用Lyapunov稳定性原理和凸分析方法,对能使网络环境下基于观测器的无人水面艇航向控制系统渐进稳定的控制准则进行推导,设计出基于网络的航向控制器和观测器。仿真实验表明了所提出方法以及设计的控制器、观测器具有较好的性能。     

基于航向约束的无人艇位姿保持制导策略

针对欠驱动无人艇位姿保持控制中无法同时兼顾位置和首向角约束的问题,提出了基于航向约束的位姿保持制导策略.首先建立了以无人艇期望位姿为原点的固定坐标系,并将坐标系划分为3个区域:可到达区域A、B和不可到达区域C.在可到达区域内无人艇可依靠前向运动和转首运动回到期望位姿,避免因无法直接产生侧向运动导致首向角变化过大的问题.其次在不同的区域执行不同的制导策略,在制导过程中严格约束无人艇期望航向.最后由制导策略生成的期望速度和期望航向,经由控制器生成执行量,无人艇快速回到期望位姿.基于航向约束的位姿保持制导策略将航向约束由内环控制纳入外环制导,无人艇在不同区域执行不同的制导策略,生成的位姿期望与内环控制相结合,实现了无人艇的位姿保持.外环制导和内环控制约束相结合以兼顾无人艇欠驱动特性,同时简化了控制器设计.仿真实验证明了该制导策略的可行性和有效性.     

小型吊舱式无人艇航向控制

针对小型吊舱式无人艇航向控制系统精度问题,考虑模型中的不确定性和风、浪干扰等未知项,设计一种基于RBF神经网络和迭代滑模算法的自适应控制器.在建立吊舱式无人艇运动数学模型基础上,采用迭代滑模算法提高收敛时间,并通过RBF神经网络权值逼近模型参数不确定项和未知扰动,最终将该算法与迭代滑模算法进行仿真比较.结果表明,所提出...     

基于STM32的无人艇自主导航控制系统的设计

针对无人艇远程操控和自主导航问题,设计了基于STM32的无人艇自主导航控制系统.船载系统以STM32微控制器为核心控制单元,采用互补滤波算法完成了无人艇陀螺仪角速度数据、加速度数据和磁力计数据的解算,并通过串级PID算法对航向角进行闭环控制,最后通过LABVIEW软件平台设计开发出地面站控制系统,实现了对无人艇的远程操控和自主导航功能.     

改进BP神经网络的并网逆变器分数阶比例-积分-微分控制策略

传统PID控制技术在电网产生扰动时无法兼顾快速性和鲁棒性,易造成系统不稳定失衡,向电网注入大量的谐波。对此现象,提出了一种改进BP神经网络的分数阶PID控制器来提高电网的鲁棒性和对响应的快速性。该算法采用分数阶PID控制器跟踪电流外环的参考电流,并针对分数阶PID控制器的五个参数采用BP神经网络实时在线整定。消除了人为调参所带来的不确定性。对于BP神经网络在整定参数过程中无法整定得到最优解,引入变化的惯性因子和学习率,提高了BP神经网络的求解效率。仿真结果验证,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。     

神经网络监督控制在船用一体化压水堆功率控制中的应用

设计了一种船用一体化压水堆功率控制的神经网络监督控制系统,在系统中神经网络作为前馈控制器,PID控制器作为反馈控制器.对压水堆功率控制过程进行了计算机仿真,仿真结果表明,与传统的PID控制相比,神经网络监督控制具有较强的自适应能力和鲁棒性,有效地提高了控制系统的精度.     

基于单神经元PID控制器的闭环控制系统

目的 解决传统PID控制器对时变系统控制能力不强的弊病。方法 利用神经网络理论与传统PID控制理论相结合。结果 设计了一种单神经元PID控制器，将其应用于被控制对象是快时变和慢时变的两类闭环控制系统。结论 实验证明这种单神经元PID控制器通过在线边学习边控制的方式，实现了实时控制。     

基于参数自整定PID的水下滑翔机航向控制方法

水下滑翔机航向控制的精度对海洋目标观探测具有重要意义。现有的水下滑翔机航向控制技术以比例积分微分（proportional-integral-derivative,PID）为主。为保证水下滑翔机按照预期轨迹运动,PID控制器参数需要反复设定和调整,很难达到快速准确的控制效果。针对该问题,提出了一种基于径向基函数（radial basis function,RBF）神经网络的参数自整定PID航向控制方法。首先建立水下滑翔机水平面内运动模型,然后构建了RBF神经网络结构,并通过梯度下降法给出了神经网络参数以及PID参数的迭代公式。仿真结果表明,该方法相较于常规PID控制方法能在较短的时间内收敛,控制系统精度较高,同时控制器参数能够快速自整定。为今后的水下滑翔机航向控制器提供了设计参考。     

一种时变非线性对象神经网络PID控制的仿真

利用BP神经网络对被控对象进行了控制和辨识,提出了一种基于BP神经网络的PID控制器;给出了相应的控制算法;并对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明,同传统PID控制器相比,神经网络PID控制器对于模型、环境具有较好的适应能力与较强的鲁棒性,证明了神经网络控制的优越性。     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

一类基于Levenberg—Marquardt算法的神经PID控制研究

传统的比例积分控制器具有一定的局限性,尤其是当被控对象会有非线性、不确定性和时变特性,常规的PID控制器往往难以发挥作用,甚至会失稳．利用神经网络进行复杂过程的PID控制可以很好地解决上述问题．Levenberg—Marquadt（LM）算法是梯度下降法与高斯一牛顿法的结合,就训练次数与精度而言,它明显优于共轭梯度法及变学习率的BP算法,适用于PID控制．得到了在线自适应神经网络PID控制算法,该算法改善了传统BP算法,实现了现有PID控制器控制方法．     

水泥配料计算机控制系统

介绍一种利用工业控制计算机实现水泥配料的自动控制系统。该系统由工控机、单片机控制器、震动机和传送系统等组成 ,完成对各种原料的比例配送、检测、管理与自动控制 ;采用模糊控制与神经网络相结合的控制算法 ,使系统与PID控制相比具有响应快、控制精度高的特点。