舵鳍联合控制参数优化及仿真

船舶上装置的舵和减摇鳍系统分别完成航向和横摇减摇控制,但是两者之间存在着耦合,因此提出了舵鳍联合控制,实现多翼面的协调控制.建立船舶运动系统横荡、艏摇和横摇的三自由度运动、舵和减摇鳍的驱动控制、海浪干扰等数学模型,构建仿真环境.利用线性二次型最优控制理论设计舵和减摇鳍的联合控制器,并采用多目标优化手段确定舵速和鳍速参数,仿真表明,在不同的海况,以及船体不同航行状态下,都取得了显著的减摇效率,效果较减摇鳍单独减摇效果更佳,且能够保证良好的航向控制精度,说明舵鳍联合减摇有效地协调舵和鳍控制水翼的控制力和控制力矩.     

约束条件下的舵鳍联合减摇控制研究

舵鳍联合减摇是一种新型减摇方法。在已有研究文献的基础上,基于输入输出线性化的鲁棒控制器设计方法,针对某集装箱船设计舵鳍联合减摇控制器,并重点研究舵速、鳍速限制对减摇效果与航向保持效果的影响,探讨舵速与鳍速之间的制约关系。仿真结果表明鳍速越低、舵速越高则减摇效果越好,但舵速、鳍速均有一上限值,超过上限值后,舵速、鳍速变化对减摇效果及航向保持效果的进一步改善不再明显。     

船舶鳍/翼鳍减横摇弹性H_∞控制研究

针对船舶鳍/翼鳍减摇系统中存在的海浪干扰、未建模动态和模型参数不确定性,同时控制器存在摄动的控制问题,采用Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,给出了不确定系统存在弹性H_∞状态反馈控制器的充分必要条件。并通过仿真验证了该方法的可行性,使得船舶鳍/翼鳍减摇系统不但有效地减小了船舶横摇,而且具有很好的鲁棒稳定性。     

舵减摇控制系统的开环增益成形设计

针对船舶航向/舵减横摇控制系统的特点,提出了一种新的设计方案.对舵减横摇控制回路,基于开环增益成形的思想,通过指定闭环灵敏度函数的幅频特性形状,得到相应的舵减横摇控制器.在设计过程中不但考虑了对象的非最小相位特性,还分析了Bode积分定理对性能的约束条件,在系统的性能和控制输出之间进行了折衷,给出了一组优化设计结果.对航向控制回路,应用混合灵敏度问题设计了H∞航向控制器.设计指标是在保证船舶能很好的跟踪航向指令的前提下尽可能的减小艏摇控制回路和横摇控制回路之间的耦合作用.仿真结果表明,所设计的舵减摇控制系统满足性能要求,取得了较高的减摇率,而且横摇运动对航向的影响很小.通过对摄动后的对象进行仿真,进一步验证了系统具有很好的鲁棒性.     

舵/鳍联合减摇的H∞控制方法

针对舵/鳍联合减摇控制系统的特点,提出了一种新的基于正实性设计思想的H∞控制方案,并根据设计结果对控制器参数进行了综合调节.采用H∞混合灵敏度设计方法,从基本的性能要求和鲁棒稳定性要求出发,对舵减摇控制回路和减摇鳍控制回路进行了设计,并且详细地给出了各个权函数的确定过程.在设计过程中不但考虑了舵机和鳍机的非线性限制,还分析了Bode积分定理对性能的约束条件,在系统的性能和控制输出之间进行了折衷,给出了一组最优的设计结果.仿真结果表明,所设计的H∞控制系统在相应的频带内具有指定的性能,系统在不同海况,不同遭遇角时,都取得了很高的减摇率.而且在对象存在摄动的情况下系统仍具有最优的性能和很好的鲁棒稳定性.     

零航速减摇鳍自适应主从控制器设计

零航速下鳍上的水动力与鳍角,角速度和角加速度存在记忆非线性关系,同时船舶横摇模型本身亦具有非线性和不确定性.导致常规控制方式无法直接求取控制量,且不能适应变化的模型和海况.本文通过主从控制器来分离减摇鳍系统的输出和输入非线性,对分离后的系统,采用基于径向基网络的逆控制构成主控制器来求取中间控制量,并自适应横摇模型和海况的变化.采用广义回归神经网络来逼近中间控制量到鳍角的映射作为从控制器.仿真结果表明该方法对横摇模型的不确定性具有自适应性,并可提高在变海况和高海况下的减摇效果.     

改进粒子群算法的PID神经网络解耦控制

综合减摇控制系统存在非线性、多变量、强耦合等因素,会导致减摇系统达不到最佳控制状态。利用粒子群算法具有对整个空间进行高效搜索以及PID神经网络的自适应特点,提出一种改进粒子群算法,以解决粒子群算法中存在算法精度不高、粒子易陷入局部极小值等问题,并提高PID神经网络训练速度和训练精度,便于参数寻优。仿真结果表明,改进的粒子群算法具有一定优越性,将其运用到综合减摇控制系统解耦控制器设计中,能够有效地减小船舶横摇,达到较好的控制效果。     

船舶减摇非线性系统神经网络控制研究

本文针对船舶横摇运动的非线性模型，基于BP神经网络设计了一种船舶横摇减摇 自适应PID控制器．该控制结构由两个BP神经网络组成,实现了对被控对象输出的预测及PID控制器参数的自整定．仿真表明该控制器对减摇系统的非线性模型有很好的减摇效果．     

基于H∞的舶舶多变量控制系统设计

针对舵减摇系统的特点,提出了一种新的H∞设计方案.对舵减横摇控制回路,采用H∞混合灵敏度的设计方法,在设计过程中分析了Bode积分定理对性能的限制条件,给出了一组最优设计结果.对艏摇控制回路,采用常规的负反馈设计方法设计了航向控制器.对整个系统进行的综合仿真表明,所设计的舵减摇系统满足性能要求,而且在不影响艏摇角的情况下,取得了很高的减摇率.     

基于模糊算法的舵减摇滑模控制研究

以舵减摇的线性模型为研究对象,采用滑模变结构控制设计出舵减摇控制器,并在保证减摇效果的前提下,利用模糊逻辑算法对所设计切换函数的参数进行在线调整和优化,使得调整后的切换函数更合理,由于控制量与切换函数相关,从而使得控制量的输出减小,达到降低舵机摩擦损耗的目的,仿真研究表明该方法的有效性。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

基于T-S型模糊神经网络的轮式机器人避障方法研究

针对超声波传感器产生的不确定信息,研究了一种基于Takagi-Sugeno(T-S)模型的模糊神经网络信息融合避障方法;对超声波传感器所获得的数据进行融合,建立控制器输入信号和机器人速度输出之间的模式映射关系;在MATLAB环境下对模糊神经网络避障算法进行了仿真,最后在实际环境中进行避障实验;实验结果表明,该算法具有较好的准确性和鲁棒性,能够适用于移动机器人的导航需要.     

直流无刷电机智能控制系统研究

阐述直流无刷电机工作原理,分析直流无刷电机的数学模型;介绍模糊控制理论与神经网络控制理论,提出模糊自适应PID控制策略;在MATLAB环境下,分别使用反电动势建模法建立直流无刷电机控制系统的模型,并对各个模型进行仿真分析。然后利用BP神经网络控制策略,模糊自适应PID控制策略改进速度控制器中的常规PID算法,进行仿真,并将所得结果进行对比。从对比结果可以得出模糊自适应PID控制策略更适合直流无刷电机的控制。     

基于PID型Adaline网络的升降台控制方法

针对传统PID控制方法在剪叉升降台的非线性时变系统中表现出一定的局限性,通过分析升降台剪叉机构的运动模型后,结合神经网络控制技术,把Adaline网络应用在舞台升降台控制系统的PID控制中,构造PID型Adaline网络参数自整定控制器,MATLAB仿真结果表明,该算法简单实用,能保证升降台速度均匀稳定,准确定位。     

一种广义模糊神经网络等效滑模同步伺服系统

针对永磁同步伺服系统参数摄动、非线性及不确定因素等问题，提出了一种新型模糊神经网络等效滑模控制方案。利用一维输入的径向基神经网络与等效滑模复合控制器，实现了PMSM系统的快速跟踪控制。该方案对负载扰动、系统参数变化等具有很强的自适应性和鲁棒性，并且综合了模糊控制、神经网络的优点，是一种较理想的智能控制策略。在MATLAB环境下的仿真结果表明控制器具有良好的动静态品质，并且工程实现方便，为提高PMSM伺服系统性能提供了一个有效途径。     

基于MATLAB的新型CMAC控制器的设计与仿真

在小脑神经网络(CMAC)与PID并行控制的基础上,提出了一种新型的CMAC控制器,即FCMAC控制器。这种把小脑神经网络与模糊控制(Fuzzy)结合起来的控制方法,具有两种控制方法的优点。本文中以某交流伺服电机作为控制对象,用MATLAB进行了仿真。仿真结果表明,FCMAC控制器具有较高的控制精度、良好的自适应特性。     

AUV深度的神经网络辨识和学习控制仿真研究

将自主水下航行器（AUV）的深度控制问题转换为对非线性严格反馈系统的分析,提出了一种结合反步法和确定学习理论的自适应学习控制方法。通过反步法设计了一种输入状态稳定（ISS）神经网络控制器,其中引入小增益定理,避免了控制器设计中存在的奇异值问题,并在满足持续激励（PE）条件下,利用神经网络辨识实现了对系统未知动态的局部准确逼近和部分神经网络权值的收敛,保证了闭环系统的稳定。将从动态模式中学到的知识静态保存,提取动态特征设计学习控制器,仿真结果表明,该控制器避免了执行同样任务时的重复训练,改善了系统控制性能,验证了所提控制方法的有效性。     

Impedance Control with On-Line Neural Network Compensator for Dual-Arm Robots

A controller design strategy of dual-arm robots is proposed in this paper. The controller consists of a central controller and three force controllers. The central controller is used to calculate each arms force command according to the desired object motion. A force controller is used in each arm to track the commanding force. Another force controller is used to track the desired contact force between the manipulated object and its environment. The force controller can be partitioned into three parts. The computed torque method is used to linearize and decouple the dynamics of a manipulator. An impedance controller is then added to regulate the mechanical impedance between the manipulator and its environment. In order to track a reference force signal, an on-line neural network is used to compensate the effect of unknown parameters of the manipulator and environment. The simulation results are reported to show the performance of the neural network compensator.     

基于MATLAB的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表。MATLAB的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数和方便、友好的图形用户界面来实现BP网络,还可实时将仿真结果可视化,从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效。     

水下航行器网络控制系统仿真

传统控制系统的设计方法中忽略了通信网络中的时延和数据包丢失等问题,仅通过传统方法设计的控制器来降低其对控制系统产生的不利影响,严重影响了系统的稳定性;对于水下航行器等对系统性能要求较高的水下控制平台,突破传统使其在网络环境下能够稳定运行显得尤为重要;在此背景下,提出了网络控制系统的设计方案,以水下航行器为控制平台,进行系统建模,设计反馈控制器,使用MATLAB仿真工具TrueTime,研究分析了网络体系结构下时延和丢包对传统控制系统动静态性能的影响;仿真结果表明该设计方法优化了系统性能,为系统在发生网络诱导时延和数据包丢失时能够稳定运行,提供了可靠的参考依据;该设计结果具有普适性,也可以用于导弹、坦克等航行器。