应用自适应模糊控制实施船舶动力定位

在船舶动力定位中引入自适应模糊控制方法,即采用近似的线性模型通过Ｋａｌｍａｎ滤波得到船舶低频运动的状态估计值,模糊化后作为模糊控制器的输入实现定位控制。模糊控制器的核心为逢适应模糊逻辑系统,由于它具有任意的非线性映射能力,从而使控制器的参数能够在定位过程中不断调整,以适应外部环境变化。仿真结果表明,该方法在不同海况下均能达到很好的控制效果。     

动力定位船舶的非线性观测器设计

针对动力定位船舶设计了一个非线性观测器，该观测器的全局收敛性通过李亚普诺夫稳定性定理得到了证明。观测器的最大优点是可以省略采用Kalman滤波器时线性化船舶运动方程的过程。该非线性观测器可以从附有测量噪声的输出中估计到船舶低频位置和运动速度以及环境扰动作用力，同时也能从输出信号中滤除一级波浪引起的船舶高频运动。该非线性观测器的性能通过对一动力定位船舶模型的仿真得到了验证。     

Kalman滤波在WSN定位评估中的应用

针对无线传感器网络实际应用中定位信号的不稳定性,单纯从定位算法角度改进已很难使定位精度有一个新的突破.为此在节点测距过程中提出了改进的自适应对数正态阴影模型;在坐标评估过程中采用了Kalman滤波方法,并利用马尔可夫过程建立移动节点的状态方程,结合未知节点状态数据的测量值估计出坐标位置的最优值.最后将上述两个过程的改进引入到现有的三角形定位算法中,进行引入前后性能对比.实验结果证明,改进的自适应对数阴影模型提高了测距模型的自适应性及测距精度,Kalman滤波和马尔可夫过程的引入减小了移动节点的定位误差.     

动力定位船舶的波浪扰动建模与仿真

为有效量化波浪对动力定位船舶的作用,建立波浪扰动的数学模型,进而基于Matlab/Simulink建立波浪扰动的仿真平台,计算任意浪高和浪向条件下的海洋环境对动力定位船舶的波浪扰动力和力矩.以一艘供给船为例,设定不同的浪高、浪向,预报波浪扰动作用力和力矩对船舶的影响,仿真结果证明了该波浪扰动数学模型的有效性.该仿真平台可用于船舶动力定位系统控制器设计的验证,以提高船舶动力定位控制系统在恶劣环境下的可靠性和鲁棒性.     

遗传算法在船舶动力定位系统中的应用

针对船舶动力定位系统提出了一种基于神经网络的模糊控制模型,它通过神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程,并且采用遗传算法进行网络学习;在此基础上针对船舶的纵向运动进行了仿真实验,结果表明,这种模糊神经网络结构及算法对船舶的动力定位实施具有可行性以及有效性.     

动力定位自动区域保持控制策略控制

根据动力定位自动区域保持控制系统的要求，设计了多种控制方案，以能量为指标函数进行比较。仿真结果表明，在海况不高的情况下，采用一种间断控制纵向、横向、始终保持平均最优艏向的控制方法相对最节省能量。     

变分配系数联邦Kalman滤波在塔机定位中的应用

鉴于塔机的复杂结构,建立了应用联邦Kalman滤波算法的塔机定位系统,并提出了改进的变分配系数联邦Kalman滤波方法,在联邦Kalman滤波系统的循环滤波过程中,分配系数随噪声的不断变化而不断调整.此联邦Kalman滤波方法适用于复杂的、大噪声的信息融合系统,对目标状态估计更为精确有效,可以有效提高塔机系统的定位精度,实现塔机的精确定位.仿真结果表明其正确性与有效性.     

基于BP网络的Kalman滤波在GPS导航中的应用

卡尔曼滤波是导航系统中最常用的数据处理方法。由于传统卡尔曼滤波导航定位的方法定位精度不高,针对导航系统中存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。提出了将BP神经网络嵌入到该滤波器中的方法。通过实测数据计算结果表明该算法能够真实反映载体运动轨迹,具有良好的精度和可靠性。