基于模块化神经网络的船舶航迹航速预测

为提高船舶航迹航速预测精度,提出一种模块化神经网络MNN(modular neural network)船舶航迹航速预测方法。首先,利用归一化互信息与专家知识确定预测目标的辅助变量从而分解任务;然后,将RBF(radial basis function)神经网络和Elman神经网络用于子网络搭建,使用减法聚类算法确定初始子网络结构,在此基础上提出误差反馈方法将RBF神经网络训练的最大误差所对应的样本作为隐含层新增神经元并通过粒子群算法PSO(particle swarm optimization)优化RBF神经网络学习参数,运用性能函数动态调整Elman神经网络隐含层神经元数目以此构造模块化神经网络对目标进行预测;最后,实验结果表明模块化神经网络预测精度与网络结构均优于传统BP与RBF神经网络,证明了所提方法的有效性。     

海上舷梯末端点位置终端滑模镇定控制

针对海上舷梯末端点位置镇定控制问题，通过运动学反解，计算出补偿海浪引起的船舶摇荡运动对舷梯末端点位置的扰动，保证舷梯末端点位置在惯性坐标系下保持不变的舷梯关节期望位置；综合考虑舷梯动力学模型参数不确定及海浪引起的船舶摇荡运动对舷梯的扰动力，构造扩张状态观测器(ESO),估计由参数不确定及海浪引起的船舶摇荡运动对舷梯的扰动力组成的总扰动；进一步，设计基于ESO的终端滑模关节位置跟踪控制律，保证舷梯的关节位置跟踪其期望位置。理论分析证明了所构造的ESO的状态估计误差有界和所设计的基于ESO的终端滑模控制律使舷梯的关节位置跟踪误差在有限时间内收敛至零，从而保证舷梯末端点位置在惯性坐标系下保持不变。仿真结果验证了设计控制律的有效性。