一种基于精确反馈线性化的非线性鲁棒控制器

基于精确反馈线性化原理将非线性数学模型线性化，然后用闭环增益成形算法设计出鲁棒精确反馈线性化控制器，并将之用于船舶自动舵的航向保持方案中，用Matlab的Simulink进行了名义模型、摄动模型和不同海况干扰等多方面的仿真研究，最后将结果与基于LQR的精确反馈线性化控制器的仿真结果进行较，得出本研究具有设计简单、物理意义明确和控制器鲁棒性较强的优点。     

模型参数不确定的不完全驱动船舶航迹控制自适应反演设计(英文)

针对不完全驱动船舶航迹控制系统模型中存在的参数不确定性 ,基于重定义输出变量思想 ,利用自适应反演积分技术 ,提出了一种具有全局渐近稳定跟踪性能的非线性自适应控制律 ,该控制律能够使得处于不完全驱动状态下的偏航船舶在所有模型参数未知情况下 ,对一条直线参考轨迹进行全局渐近稳定的航迹跟踪。同时 ,通过严格的理论证明 ,该控制律还可以使得文中的重定义输出变量及其组成变量具有相同的收敛性。最后 ,以本校远洋实习船“育龙”号为例 ,利用Matlab软件进行了计算机仿真研究 ,对所提出的控制器进行了验证 ,所得结果比较理想     

高速水翼双体船波浪中运动建模与仿真

为了开发高速船航海模拟器的需要，对高速水翼双体船垂荡和纵摇运动的数学模型进行研究．该数学模型反映了波浪对高速水翼双体船运动的影响．为验证建模的正确性，并使该模型应用于模拟器，以一艘水翼双体船HC200B-A1为例，利用Matlab的Simulink工具箱，在6组实验波浪参数的条件下，进行了在迎浪海况下垂荡和纵摇的仿真研究．仿真结果与船模水池试验数据对比表明，笔者提出的高速水翼双体船在波浪中运动的数学模型是令人满意和可靠的．     

走锚船漂流方向概率密度函数的研究

利用ＭＭＧ模型建立锚泊船的船舶运动方程，采用蒙特卡罗方法，对走锚船的漂流运动进行了大量的计算机模拟，进而对模拟数据进行统计分析，得出了走锚漂流方向的概率密度函数。     

船舶靠离泊操纵数学模型的研究

提出了一种靠泊操纵的数学模型，该模型吸取了日本ＭＭＧ分离建模的思想，以船、桨、舵单独性能为基础，并考虑其各部分之间的相互干涉，同时考虑到靠离泊的运行为低速、大漂特点，对作用于船体上流体力及桨、舵力都提出了相应的算法，并且还给出了附属操纵设备－－拖轮力、缆绳及锚链张力的实用算法，该模型已成功地应用于基于电子海图的船舶模拟器，经有关船长、引水员及专家的验证，效果良好。     

基于灰色PSO-ANFIS模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。     

一类时变不确定线性系统的变结构鲁棒控制

针对一类不确定ＭＩＭＯ,提出用标称系统所对应的代数Ｒｉｃａｔｉ方得逞珠解来构造滑动模态超平面,进而给出了一种变结构鲁棒控制算不,并以文献「１」给出的一个飞机控制系统为例,进行了仿 研究,结果表明,所提出的变结构鲁控制逄法是有效的。     

克隆选择辨识的船舶航向自适应PD控制

为解决船舶营运中存在的模型参数摄动和外界干扰的不确定性问题,提出一种船舶航向自适应PD控制算法.采用免疫克隆选择算法进行在线船舶模型辨识,将存在不确定干扰和模型摄动的船舶作为一个"黑箱",将短时间内的船舶状态在线辨识为二阶线性模型,根据系统预定性能要求动态调整PD控制参数,使船舶获得理想输出.对抗体初始种群采用最优模型保留和随机初始化相结合的策略,提高了不确定性问题的在线优化效率.对一个三阶非线性货船的仿真试验表明,该算法有效提高了PD控制器的稳态性能.     

船舶减摇鳍系统的变结构自适应鲁棒控制

针对船舶减摇鳍控制系统,考虑到船舶在大风浪中运动时,系统不可避免地存在非线性和不确定性的影响。将作者提出的对于不确定非线性系统的变结构自适应鲁棒控制策略应用于船舶减摇鳍控制系统。经仿真试验表明。该控制策略对于船舶减摇鳍非线性控制系统是十分有效的,特别是鲁棒性能令人满意。     

一种搜索空间自适应变化的自适应粒子群算法

提出一种搜索空间自适应的自适应粒子群优化算法.该算法对不同等级的粒子适应值采取不同的惯性权重,并随着算法的迭代不断缩小粒子群的搜索空间.同时,选择当前代的较优部分粒子直接进入下一代,其他粒子通过在缩小的搜索空间内随机生成,加快了种群收敛速度,同时又能使种群不断跳出局部最优解.几种典型函数的仿真实验表明,该算法在收敛速度...