船舶航向智能控制算法研究及應用.pdf

1、船舶運動模型所具有的非線性、不確定性和外界環(huán)境干擾等未建模動態(tài)，使得船舶航向自動控制成為一個復雜的非線性控制問題，傳統(tǒng)船舶航向控制器難以實現(xiàn)理想的控制效果。本文提出了一種基于T-S模糊模型的動態(tài)模糊神經神經網絡算法，能夠在線快速生成具有高精度的精簡動態(tài)神經網絡，用于實現(xiàn)模糊系統(tǒng)的自組織設計及參數(shù)辨識。進而，通過Hermite函數(shù)逼近、非線性動態(tài)系統(tǒng)辨識和Mackey-Glass混沌時間序列預測等仿真研究，驗證該算法的有效性。最后將其應用

2、于船舶智能航向控制器的設計，主要研究工作如下:
　　 首先，基于整體型模型和分離型模型的建模機理分析，得到了降階簡化的響應型野本模型，并對該模型進行了參數(shù)化處理，將其作為船舶航向智能控制器設計的模型基礎。
　　 其次，提出了一種基于訓練數(shù)據(jù)在線提取T-S模糊規(guī)則的自組織模糊神經網絡學習算法。基于在線或離線訓練數(shù)據(jù)，該算法結合修剪策略的生長規(guī)則用于學習模糊規(guī)則，使其限制性的增長，最后生成一個緊湊的網絡結構。此外，采用線性最

3、小二乘(LLS)進行參數(shù)辨識。為驗證該算法的優(yōu)越性，將其分別應用于靜態(tài)函數(shù)逼近、非線性動態(tài)系統(tǒng)辨識和隨機時間序列預測，并與其他著名的算法進行比較研究，仿真結果顯示該算法具有快速的學習速度、高精度的逼近性能和精簡的網絡結構。
　　 最后，將提出的動態(tài)模糊神經網絡算法應用于船舶智能航向控制器的設計，利用非線性PID船舶操縱控制器產生數(shù)據(jù)樣本，用于在線或離線訓練船舶智能操縱控制器;此外，船舶操縱預測和航向保持等性能通過一系列典型的操舵