船舶航向的神经网络二阶导数多步预测模糊自适应控制

针对大型船舶控制特性,设计了船舶航向的神经网络二阶导数多步预测模型及其辨识和预测算法,提出基于径向基函数神经网络多步预测模型和模糊小脑模型关节神经网络控制器的大时滞船舶航向模糊控制自动舵方案,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对具有大时滞、不确定非线性特性的大型船舶实现高精度输出跟踪控制.仿真结果表明对设定航向具有精确的跟踪控制效果.     

船舶直线控制反步自适应神经网络算法

为了解决控制模型完全未知情况下非线性系统的控制问题,该文以船舶航向为控制对象,研究了径向基神经网络(RBFNN)方法.建立参数不确定的船舶运动的三阶非线性模型,针对系统的参数的不确定问题,提出了基于RBFNN估计的控制设计策略.利用神经网络对非线性参数不确定性进行了在线估计,然后利用反步法进行了控制器设计.RBFNN方法对于非线性系统提供了一种有效的解决方法,仿真结果证明了该方法的有效性.     

水面无人艇模糊神经网络航向控制器设计

针对常规PID控制器在无人艇航向控制系统中表现出抗干扰能力弱,控制精度低等问题,本文提出了一种应用模糊神经网络算法的航向控制器设计方法.首先通过神经网络分类回归确定隶属度函数,然后经由模糊控制在线整定PID控制器KP、KI、KD三个参数,确保对无人艇航向的实时控制.仿真结果表明,该控制器满足航向控制所需的实时性,具有控制精度高和鲁棒性好的特点,并且提高了无人艇在复杂环境中的自适应能力.     

关于PID自动舵神经网络控制的研究

提出一种基于神经网络的PID自动舵控制方法。该方法能实时精确地辨识船舶数学模型参数,自动调节PID参数,提高船舶航向保持性能。     

船舶航向非线性系统自适应模糊补偿控制

摘要： 研究了船舶直航和谐波航向控制问题.基于Lyapunov稳定性理论,将自适应模糊补偿技术应用到船舶航向非线性响应模型中,利用万能逼近定理构造模糊系统逼近系统中的未知非线性,提出了一种基于自适应模糊补偿且带有物理约束二阶滤波器的鲁棒跟踪控制器.运动响应模型考虑了建模误差和外界干扰,模糊系统能有效地逼近非线性系统,控制器能够准确地跟踪预设航向和转首角速度.舵角控制结合舵机伺服系统模型,操舵情况符合物理现实. 数值仿真在相同控制参数下与传统比例 微分(PD)控制作比较,结果验证了自适应模糊控制器的有效性和优越性.     

基于自适应模糊神经网络的机器人路径规划方法

为了解决传统反应式导航中的复杂陷阱问题,优化导航控制,减少计算复杂度,提出了基于自适应模糊神经网络的机器人导航控制及改进型虚目标路径规划方法.首先根据移动机器人运动学模型,融合神经网络的自主学习功能与模糊控制的模糊推理能力,提出了基于自适应模糊神经网络的机器人导航控制器,将生成的Takagi-Sugeno型模糊推理系统作为机器人局部反应控制的参考模型.该自适应模糊神经网络控制器实时输出扰动角度,在线调整移动机器人的预瞄准方向,使移动机器人能够无碰撞趋向目标.然后,提出了一种改进型虚目标方法,优先选择机器人可能逃脱陷阱状态的路径,简化了设计难度,改变了虚目标切换方式,避免了大量复杂计算.实验结果表明,提出的方法可以帮助机器人在全局信息未知的复杂环境中导航,在趋近目标点的过程中能有效避障,无冗余路径产生,且轨迹平滑.     

板坯连铸二冷水智能控制及仿真研究

基于传统板坯连铸二冷水控制方法,提出用自适应模糊神经网络推理系统实现板坯连铸二冷水智能控制,建立了基于自适应模糊神经网络推理系统的板坯连铸二冷水智能控制系统模型,并对该控制系统进行了计算机仿真,结果表明系统较好地实现了板坯表面的温度控制,且具有良好的自适应和自学习能力.     

船舶航迹保持的神经网络控制器研究

提出一种船舶航迹保持在线神经网络控制器。该控制器能解决精确的船舶动态模型难以建立的问题,能用舵角同时控制航迹偏差和航向偏差,能通过对控制精度的直接计算来自动地在线训练学习而不需离线训练学习过程。计算机仿真结果表明了该控制器训练方法的有效性和控制的鲁棒性。     

基于自适应学习速率法的补偿模糊神经网络

为克服常规网络收敛速度慢、无法结合专家知识等缺点,引入补偿模糊神经元,结合模糊系统强大的知识表达能力和神经网络优秀的自学习能力,并利用自适应学习速率法动态地改变学习率.提出了一种新型的基于自适应学习速率法的补偿模糊神经网络,并将其应用到实际例子中.结果证明,它不仅能在线适当调整参数,还能动态地优化相应的模糊推理,加快训练速度.     

船舶运动的混合智能控制

将混合智能算法应用于船舶航向，转向控制，充分发挥了模糊逻辑，神经网络和遗传算法各自的优势采用GA发优与BP算法学习模糊神经网络参数，通过竞争学习算法从样本数据中获得取模糊控制规则，并与专家经验有机结合，弥补了各自的不足，仿真表明上述算法为改进船舶运动提供了一个有效途径。     

车间生产作业计划再生的模糊神经网络方法

研究了将模糊神经网络用于生产作业计划实际执行中遇到干扰时的再生方法．针对模糊的、难以表述和处理的干扰,设计了一个模糊神经网络,包括模糊子网和主体网络,前者根据隶属函数,将定性的模糊“干扰”量化后,参与网络的运算;后者根据模糊规则,将“干扰”定义为网络部分结点的作用函数．较好地解决了“干扰”知识的获取与处理问题．     

基于递归函数链模糊神经网络的永磁直线同步电动机位置控制

针对高精度永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)存在参数变化、负载扰动、摩擦力等不确定性因素而影响电机伺服性能的问题,提出递归函数链模糊神经网络控制(RFLFNN)保证系统的伺服性能。首先在磁场定向控制下建立PMLSM伺服系统动态数学模型。其次,将函数链神经网络(FLNN)和递归模糊神经网络(RFNN)相结合设计RFLFNN控制策略,利用FLNN实现神经网络的函数扩展,提高系统的非线性逼近能力并对系统参数进行辨识; RFNN采用反向传播算法实时更新并调整神经网络的参数值,对系统中存在的不确定性因素进行估计以抑制不确定性因素对系统的影响。最后,通过系统实验证明所提方法的有效性,实验结果表明,与RFNN相比,该方法极大地改善了PMLSM伺服系统的位置跟踪性能。     

人船一体系统模型复合控制的研究

为减少由于人的决策失误导致的海难事故,提高船舶操纵质量,提出应用于动态不确定性船舶运动的人船一体系统模型(ISSM).建立了ISSM的结构形式,给出了相关参考数据.依据驾驶员的学习和辨识能力,使ISSM适应船舶特性的变化,利用最陡下降法使ISSM误差平方和达到最小.对船舶航向控制的仿真结果表明,该模型可使船舶运动跟踪理想的航迹,最大限度地发挥船舶操纵的技术性能,从而获得优良的船舶操纵品质.     

基于自适应输出反馈的船舶航向控制

针对复杂海情下的航向跟踪问题,提出基于神经网络的自适应输出反馈控制方法.利用Lyapunov稳定性理论,证明了该控制设计方法的稳定性.为克服航向角速度难以测量的问题,应用线性观测器进行状态估计,并结合神经网络拟合了复杂海况下的水动力不确定参数.为增强控制器的鲁棒性,对所设计的控制器进行了重新修正,使其具有更好的抗干扰能力.以一艘货船为例,进行了航向在10°和—10°间连续改变的仿真实验,结果表明设计的控制器具有船舶操纵的良好动态性能,且具有无超调、鲁棒性强的优点.     

非线性船舶的多模型智能控制

针对非线性船舶控制的困难,提出采用多模型智能控制的思想方法.非线性船舶模型可以在其关键工作点线性化,例如:N个工作点.这样就得到N个简单的线性模型.这N个线性模型能够很好地近似原非线性模型.辨识非线性系统的真实工作点是多模型智能控制的第一步,也就是选择正确模型.根据选定的正确模型,模仿专家控制实施一种次优化控制策略.同时,针对舵机和船舶航向控制节能的实际需求,还提出次优化控制策略的性能指标.对多模型智能控制的第一步进行了仿真研究.结果表明该方法不仅可应用于船舶控制,而且,还适用于很多工业过程控制系统.     

大型工业传输设备恒流输送PID模糊控制研究

为了有效实现大型工业传输设备恒流输送的控制,提出一种PID模糊控制方法,将其应用于设备恒流输送的控制中。给出了PID模糊控制器结构,分析了PID模糊控制器参数调整原则,制定了模糊控制规则,通过模糊推理方法对PID参数进行在线调整使大型工业传输设备实现恒流输送。搭建了大型工业传输设备实验系统,给出了相关参数,将神经网络控制方法作为对比进行实验。通过启动控制实验、负载突变控制实验和输送电流波形畸变度实验对PID模糊控制方法的恒流输送控制效果进行分析。分析结论如下:神经网络方法控制下的输送电流不稳定,方法能够有效实现系统的跟踪控制;方法的响应速度快,对负载扰动及突变较神经网络方法具有更好的抑制能力;方法能够保证设备的开关损耗和电磁干扰均保持在较低的水平。     

汽车ABS模糊神经网络控制系统

针对汽车的防抱死制动系统（ＡＢＳ）工作特点和性能要求，在模糊自适应控制（ＦＡＣ）和神经网络控制的基础上，采用模糊神经网络控制（ＦＮＣ）方案对汽车ＡＢＳ控制系统进行了研究，比较了ＦＡＣ和ＦＮＣ方案．结果显示，汽车ＡＢＳ的ＦＮＣ是成功有效的．且在设计模糊控制器时采用了本文提出的推理轨迹的方法，使模糊控制系统的优化设计更为便捷有效．     

二级倒立摆的TS型逐级模糊神经网络控制

提出了一种逐级模糊神经网络控制法．该控制法通过采用Takagi-Sugeno型模糊神经网络控制器和逐级模糊控制规则,实现了二级倒立摆系统的稳定控制．模糊神经网络控制器的参数采用遗传算法分4步进行优化．实验结果表明,采用逐级模糊神经网络控制法,用20条模糊规则就可以实现二级倒立摆系统的稳定控制,并且控制效果佳,系统鲁棒性强。