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.     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。     

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.     

基于积分Backstepping的船舶航向非线性滑模控制

设计一种基于积分Backstepping的船舶航向非线性滑模控制器,实现船舶在大幅度改向操纵运动中航向准确快速跟踪控制.在采用Bech船舶操纵运动数学模型精确描述船舶大幅度改向运动性能的基础上,利用反演法设计航向改变控制算法,引入积分控制环节消除模型参数不确定性和风、浪、流等干扰影响,借助Lyapunov稳定性定理证明控制系统渐近稳定.对实船的仿真对比可知,本文设计的船舶航向控制器性能优越,控制舵角合理,控制输出航向对本船参数摄动及外界干扰不敏感,具有较强的鲁棒性.     

基于大时滞特性预估补偿的模型辨识及模糊控制方法

对具有大迟延特性的对象采用径向基神经网络辨识其预测控制模型,在不需要知道被控对象的精确物理解析数学模型,也不需要知道对象的脉冲激励响应模型和阶跃激励响应模型的情况下,可以实现对系统响应特性的在线辨识.采用分级模糊建模的思想,设计一种分级模糊控制器,可以极大地减小模糊规则基的规模,在分级模糊控制器的设计中,采用共生进化遗传算法对参数寻优,提高了进化速度.仿真试验证明,该方法的效果很好.     

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.     

欠驱动船舶RBF神经网络路径自适应跟踪控制

针对模型参数未知和存在外界干扰的三自由度欠驱动水面船舶路径跟踪控制问题,提出一种RBF神经网络控制器.该算法利用神经网络的函数逼近特性对船舶模型未知的非线性部分在线逼近并与反步法相结合进行设计,同时实现前进速度在线可调.通过Lyapunov稳定性方法分析验证了闭环系统的稳定性.仿真计算验证了该控制策略的有效性.     

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.     

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.     

基于DRNN的机器人轨迹跟踪自适应控制

针对模型未知和动力学非线性机器人轨迹跟踪,提出了一种基于分布式动态回归神经网络（ＤＲＮＮ）的自适应控制方法．该方法在ＰＤ动态反馈控制的基础上,引入神经网络辨识器（ＮＮＩ）在线逼近对象的非线性动力学,并设计出神经网络自适应控制器（ＮＮＣ）来补偿机器人动力学非线性造成的误差．仿真结果表明该控制方案具有良好的跟踪性能和较强的鲁棒性．     

大滞后网络拥塞的智能前馈组合控制系统

在基于速率反馈的网络流量控制系统中，信元在网络中的传播时延，特别是网络流量控制中的非线性大滞后，会带来极大的网络拥塞和数据丢失。针对流量控制系统中存在的非线性大滞后和不确定性，提出了一种新的基于智能前馈控制策略的组合控制器。前馈控制部分由两个神经网络分别实现逆模型辩识与直接逆控制，可以在线调整网络权值；基本控制器由PID和Fuzzy PID实现分段控制，根据不同误差变化范围调整控制组合。仿真表明本方案能使信元发送速率快速响应网络变化，特别对于大滞后对象，控制的适应性和鲁棒性更好。     

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.     

内模原理在肢体平衡中的模型及应用

为了解决肢体平衡问题时可以保证系统在运动控制过程中的精确性和稳定性,该文在内模原理思想的基础上提出了一种基于预估器的小脑模型(KECFEL)。这种模型由前馈神经网络控制器构成;训练前馈模型中神经网络的教师信号由预估器以及反馈控制器(CFC)的输出来提供,并采用在线学习对网络进行权值更新与网络训练;同时采用比例微分控制器(PDC)作为反馈控制器以确保全局稳定性。通过该模型对倒立摆的仿真实验验证该模型对肢体平衡控制的有效性。     

基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器 ,该控制器能通过自学习不断进行适应性控制 ,且结构简单 ,易于实现 .其主要特点是能够提供一个跟踪网络来辩识系统模型 ,进而确定控制器的网络参数 ,实现间接自适应神经网络控制 .经过对大量非线性系统的仿真研究 ,证明其具有良好的控制性能 .     

模糊神经网络在冷连轧厚度控制中的应用

由于冷连轧厚度控制系统具有非线性、大时滞的特点,在冷连轧厚度的常规 PID 控制中,PID 控制器的参数往往针对某一种情况进行整定,很难控制冷连轧厚度始终处于一个好的状态.为此,在分析了厚度控制原理的基础上,设计了用一个2-5-1结构的 BP 网络实现的模糊神经网络控制器(FNNC),并将该 FNNC 控制器与积分作用相结合构成一个 FNNC-I 控制器.仿真结果表明,该 FNNC-I 控制器提高了系统的动态和稳态性能、抗干扰性以及鲁棒性,其控制效果优于常规 PID 控制器.     

A Self-Adaptive Control Method for Uncertainty Systems Based on ANN with AEP

A self-adaptive control method is proposed basedon an artificial neural network(ANN) with acceleratedevolutionary programming(AEP.) algorithm. The neuralnetwork is used to model the uncertainty process, fromwhich the teacher signals are produced online to regulate theparameters of the controller. The accelerated evolutionaryprogramming is used to train the neural network. Theexperiment results show that the method can obviouslyimprove the dynamic performance of uncertainty systems.     

电液负载模拟器神经网络辨识器及控制器设计

针对传统控制方法无法解决飞机舵机电液负载模拟器受多余力等非线性因素严重干扰的问题,给出了一种基于神经网络辨识器及控制器的复合控制结构,结合了神经网络系统辨识与自适应实时控制的工作特点。根据电液负载模拟器控制结构及工作原理,采用BP神经网络辨识器在线辨识,获得系统辨识模型以替代理论数学模型。然后,采用Adaline神经网络控制器实时控制,利用系统误差信号与BP神经网络反向递归计算Adaline网络权值调整信息,获得系统控制参数,实现复合控制器的有效监督与智能控制。最后利用MATLAB进行实验验证,仿真结果表明：该方法能够提高系统控制精度,多余力消扰率达92%;并且可以有效模拟飞机舵机所受力载荷的变化情况,实现系统指令信号快速、准确、稳定的加载。