基于船舶预报模型的动态定位控制

根据船舶定位的原理和特点，设计了基于ANFIS自适应模糊神经网络预报模型的控制方法．该方法对影响船舶定位的各种无规律运动的海浪、风、水流等因素，通过MISO ANFIS模糊神经网络的结构，给出影响船舶定位的预报模型，从而建立船舶控制模型．以混合式的学习算法为基础，对条件参数采用反向传播算法，而结论参数采用线性最小二乘估计算法来调整参数．使控制快速准确，实现了船舶推进装置的最优控制，达到船舶精确定位的目的．     

船舶航向在线自学习智能控制方法

为更快更好地控制船舶在预定航线上航行,提出一种船舶航向在线自学习模糊神经网络智能控制方法.模糊子集处理船舶控制中的不确切信息,通过神经网络训练模糊推理系统中的参数,旨在把模糊推理和神经网络融合,使船舶航向智能控制器具有在线自学习功能.该方法能实时控制风流扰动下作为非线性时变系统的船舶而无须依赖船舶运动数学模型.模拟试验结果表明,即使在有环境扰动情况下,该方法也能很好地控制具有很大惯性船舶的航向.     

基于小生境免疫算法的船舶FNN自动舵设计

结合隔离小生境技术的特点和免疫遗传算法的全局收敛特性,提出一种基于小生境免疫遗传算法的模糊神经网络控制器优化设计方法,并将其用于船舶自动舵的设计.隔离小生境能有效解决局部和全局收敛的矛盾,可以解决船舶运动控制的FNN控制器难于设计以及传统BP学习算法易于陷入局部收敛的不足.将神经网络结构辨识器作为船舶的辨识模型,船舶运动模型采用二阶非线性方程,模糊神经网络控制器为主控制器,对船舶航向运动控制系统进行仿真研究.结果表明,在船舶无干扰和存在随机干扰的情况下,由此设计的船舶自动舵控制系统均能使船舶转向控制无超调,跟踪快,与BP学习算法相比控制效果更趋于为理想,可以进一步提高航行的性能.     

船舶避碰的自适应模糊专家系统研究

采用自适应模糊系统和神经网络方法,研究了基于模糊联想规则的避碰操纵知识表示,知识获取和自适应学习;建立了基于二值输入输出模糊联想系统的并行模糊推理机制,由此而建立的船舶避碰撞模糊专家系统具有自适应学习能力,能实现实时避碰导航。     

基于小波神经网络的船舶运动预报

利用残值学习算法进行小波节点的选择,利用Akaike 准则确定预测模型的结构,采用误差反传方法在线调整网络连接参数.通过建立的自适应神经网络模型有效辨识船舶操纵运动动态.船舶航向预报仿真结果显示,基于小波神经网络的船舶航向预测器可以较高精度预报船舶操纵运动过程中船舶航向的变化.     

船舶操纵的高斯势函数神经网络PID控制器研究

针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用高斯势函数神经网络的自适应PID控制系统,该系统由2个高斯势函数神经网络组成,其中一个用于船舶运动模型的辨识,另一个用于PID学习控制。文中还提出了广义递归最小二乘学习算法,以便加快网络训练速度。船舶操纵的仿真结果表明此法明显优于传统的PID控制器。     

基于深度学习的船舶横摇运动姿态控制研究综述

深度学习是人工智能领域的一个研究热点,在学术界、工业界以及政府部门均可发挥重要的作用。深度学习在船舶运动姿态领域的研究尚处于起步阶段,目前可查的研究成果甚少。该文首先概述了4种机器学习算法,包括监督学习、无监督学习、半监督学习和强化学习,介绍了几种重要的神经网络模型与常用大规模训练方案;其次分析几种常用的深度学习优化算法,并在此基础上,结合船舶横摇/艏摇运动模型,阐述了船舶横摇角和艏摇角的数据训练系统、数学模型和预测方法;最后总结了该领域存在的问题和发展前景。     

一种模糊神经网络的改进学习算法

针对前人（Ｃ．Ｔ．Ｌｉｎ， ｅｔ ａｌ． Ｉｎ ＩＥＥＥ Ｔｒａｎｓ ＯｎＣｏｍ ｐｕｔｅｒ， １９９１， Ｖｏｌ．４０， Ｎｏ．１２） 提出的模糊神经网络结构，改进了已有的学习算法，新算法更加简洁有效。利用新算法，可以自动获取模糊规则。通过函数模拟实验，验证了新算法的有效性。提出了网络的分解与综合方法，避免了模糊神经网络用于实际复杂问题时，模糊规则的组合爆炸问题。该模糊神经网络可应用于换热器受热面的结垢过程模拟。     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

基于误差反传神经网络的船舶横摇时间序列预报

给出了误差反传神经网络模型和学习型算法及其改进型学习算法，并将其应用于船舶横摇运动时间序列预报，取得了较好的效果。亦可用于纵摇、艏摇的时间序列预报。     

工业控制中Fuzzy—PID控制的策略与方法

从理论上分析了常规模糊控制器的局限性,在此基础上推导出模糊PID控制器消除稳态误差的原理,并以液位控制系统为例,介绍了模糊PID控制器的设计方法,并用MATLAB工具箱对系统进行仿真试验.通过对仿真结果的分析得出:模糊PID控制器既能消除稳态误差,又有很强的鲁棒性,对于此类非线性迟滞系统具有良好地控制性能.     

网络化控制系统的随机最优控制

对于网络诱发延迟大于一个采样周期的网络化控制系统,该文研究了该系统的线性二次Gauss(LQG)随机最优控制问题,提出了一种新的分时控制模式.这种控制模式充分利用了系统信息并能改善系统的性能.在该控制模式下建立了网络化控制系统的随机数学模型.该文还讨论了网络化控制系统中传输延迟的Markov特性,基于这种Markov链理论,设计了具有完全状态信息的系统线性二次Gauss随机最优控制器.仿真结果验证了该分时控制模式比没考虑延迟的优化控制和没充分利用控制量的控制模式有更好的控制效果.     

基于切换控制的均匀液位控制

过程工业中常常提出均匀液位控制问题,即在保证液位不出界的前提下,使输出流量尽可能平缓.对于此类受限控制问题,模型预测控制可以取得满意效果,但在线优化的复杂性又阻碍了算法在实际中的推广.基于模型预测控制,提出了一种通过调整预测时间域长度来处理液位约束的方法,加上对未知扰动的估计算法,最终推出切换PI控制律.该方法既简化了在线优化过程,又增强了对随机扰动的适应性,已成功地应用于甘肃金川集团公司6 kt磨浮系统中.     

网络控制系统的输出反馈控制

将网络控制系统描述为具有输入延迟和测量输出延迟系统,给出了系统渐近稳定的定义.提出了零输入系统渐近稳定存在的充分条件,并基于一个李雅普诺夫泛函,提出了输出反馈镇定控制器存在的充分条件,通过输出反馈控制使闭环系统达到二次稳定.采用锥面互补方法,将不具有严格线性矩阵不等式(LMI)条件的非凸可行解问题转化为具有严格LMI条件的非线性最小化问题,得到了求解输出反馈控制器增益参数的静态输出反馈镇定(SOFS)算法.通过一个仿真实例,验证了该算法的有效性.     

模糊控制在控制系统中的应用

针对不同的典型被控对象,介绍了采用比例积分微分控制和模糊控制两种控制方法.通过仿真实验证明,Fuzzy控制对被控对象参数和模型结构的变化,能获得较好的控制效果.     

模糊控制在控制系统中的应用

针对不同的典型被控对象，介绍了采用比例积分微分控制和模糊控制两种控制方法。通过仿真实验证明，Fuzzy控制对被控对象参数和模型结构的变化，能获得较好的控制效果。     

MIMO多输入输出网络控制系统的容错控制

针对被控对象为具有不确定因素的多输入多输出网络控制系统,设传感器与控制器均为时间驱动,执行器为事件驱动,网络诱导时延小于采样周期,将未能成功传输数据的传感器节点视为暂时失效,把具有传感器故障的网络控制系统建模为一类带有不确定因素的离散模型,借助Lyapunov定理给出了系统渐近稳定的充分条件,基于LMI方法得出观测器和控制器的分离设计方法,实现了MIMO网络控制系统的容错控制。     

网络控制系统保性能控制

针对网络控制系统中时延不确定因素,将时延的不确定性转换为系统状态方程系数矩阵的不确定性,网络控制系统对象模型为具有时滞的不确定离散模型.在此模型的基础上,将网络控制系统的保性能控制问题转化为研究时滞的不确定离散系统的鲁棒保性能控制问题.利用Lya-punov理论及线性矩阵不等式(LMI)方法,证明了通过状态反馈控制,使网络控制系统保性能控制的充分条件等价于求解LMI.仿真示例验证了该控制方法的有效性.     

一种串级调速的闭环控制系统

介绍了一种双闭环控制的串级调速系统，对系统的工作原理、组成及动态结构作了较为详细的论述，并解答了该系统在实际应用中出现的主要问题。     

NOUS控制和PID控制的直流降压变压器控制性能对比

为了寻求更加优化的直流降压变压器控制系统,搭建了一台直流降压变压器并根据其参数建模,在此基础上分别设计了一种基于NOUS算法的状态空间控制系统、使用观测器的NOUS算法控制系统和PID控制系统。用示波器展示变压器在这3种控制系统下的阶跃响应输出和负载发生突变时的瞬态响应,以对比它们的控制性能。结果表明,基于NOUS算法的状态空间控制系统具有更好的瞬态响应和控制精确度,而PID控制系统在鲁棒性方面具有优势,使用观测器的NOUS算法控制系统仍保留了收敛速度快的优点,但会导致控制系统建模中的误差被放大,影响输出结果。