基于神经网络参考模型的船舶航向智能自适应控制系统

为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，提出了一种基于神经网络参考模型的船舶航向智能自适应控制算法，利用神经网络建立了参考模型和船舶航向运动的辨识模型。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器。利用神经网络的学习功能对控制器的隶属度函数及推理规则进行修正，以提高其自适应能力。仿真结果表明该算法对船舶转向控制有良好的效果。     

船舶控制模型的建立及仿真

在给定航空母舰主尺度及线型图的基础上，建立了不同浪向下船舶纵向运动的水动力模型，采用微分方程的最小二乘拟合法，将水动力模型经为一个仅随舰船的航向，航速变化，而与频率无关的控制模型，并对其幅相特性，能控制观性及稳定性加以验证，仿真结果表明了该控制模型是合理的。     

基于神经网络的磁流变减振器力学模型研究

针对磁流变效应的非线性特性导致的磁流变减振器(MRD)力学模型难以精确描述的问题,设计了一种基于神经网络的磁流变减振器力学模型.利用径向基(RBF)神经网络较强的模拟非线性函数的能力,建立了减振器力学模型,并依据减振器的测试数据信息确定了RBF神经网络各节点的数量;利用遗传算法的全局优化能力和多参数并行优化能力,辨识神经网络的参数.通过RBF神经网络力学模型计算得到的阻尼力与试验数据的相对误差的平均值为2.41%,能够满足模型的实用需求.     

带不确定性的船舶航向动态神经模糊跟踪控制

针对常规水面船舶的航向跟踪控制中建模参数随航速时变引起的不确定性问题,提出一种基于动态神经模糊模型的控制算法.动态神经模糊模型在学习中同时调整结构和参数,充分逼近船舶的逆动力学.训练好的动态神经模糊模型作为逆控制器,与传统的PD控制器并联,用于船舶航向的跟踪控制,且控制过程中能进一步调整模型权值.以5446TEU大型集装箱船为例,进行航向跟踪控制的仿真结果表明,该算法能克服建模参数不确定性的影响,快速有效地跟踪期望航向,控制效果良好.     

基于ADRC的船舶航向控制器设计与仿真研究

摘要：船舶航向运动系统具有典型的非线性和不确定性,并受到自动舵执行能力的约束以及风、浪、流等的干扰,使得航向控制器的设计非常困难.针对以上问题给出了带有舵机约束的船舶运动非线性数学模型以及海浪扰动数学模型,对ADRC的原理进行了简要介绍,设计出了船舶航向ADRC控制器.仿真结果表明该控制器对于船舶航向运动的非线性、参数不确定性、环境不确定性以及控制对象的模型变化均有较强的鲁棒性,航向切换控制过程快速、平滑,操舵量小,可以实现高精度的航向保持控制.     

基于径向基函数神经网络模型对非饱和土参数的反演

通过建立考虑水气两相非饱和渗流的正演有限元模型,以归一化的数值模拟结果的出水时间为输入目标,以归一化的不同水平参数组合为输出目标,同时以归一化的模型试验结果为测试输入变量,利用径向基函数神经网络模型对不同压实系数下红层填料非饱和土参数进行了反演;并且利用反演的参数对不同压实下相对应初始饱和度数值模拟水渗出时间与实际水渗出时间进行了比较,证明了采用径向基函数神经网络模型对非饱和参数反演的可行性.     

基于动态神经模糊算法的船舶航向自适应控制

针对船舶航向控制中模型参数变化引起的不确定性问题,提出一种基于动态神经模糊模型(DNFM)的自适应控制算法.DNFM在学习中同时调整结构和参数,充分逼近Norrbin非线性船舶NARX模型的逆动力学.训练好的DNFM与PD控制器并联构造自适应控制器用于航向控制,且以PD控制器的输出作为自适应律的自变量,进一步在线调整DNFM的权值.以5446 TEU集装箱船的航向控制仿真结果验证了算法的有效性.     

基于BA-RBFNN控制图模式识别的气化过程参数失稳监控模型

为识别固体燃料气化过程参数出现的异常模式(失稳),构建一种基于蜜蜂算法-径向基函数神经网络(BA-RBFNN)控制图模式识别的气化过程参数失稳监控模型,对气化过程参数进行监控.该监控模型主要包括特征描述、特征选择、分类器和训练方法4个模块.选择形状特征和统计特征对气化过程参数进行描述,运用关联规则算法(AR)选择最佳特...     

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法( MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过...     

晶体振荡器老化预测的径向基函数神经网络法

建立了预测石英晶体振荡器老化的一种径向基函数神经网络模型,这种人工神经网络由输入层和输出层组成,输入层由计算径向距离范数的非线性神经元组成,输出层由一个计算径向基函数的神经元组成.提出了确定规格化径向距离尺度因子的一种方法,并在此基础上导出了一种径向基函数神经网络的学习算法,这种算法具有计算形式简单和易于实现的优点,适合于用加速老化法和外推法进行石英晶体振荡器老化预测的实验数据处理.     

船舶电站柴油发电机组的非线性数学模型

船舶电力系统是一个非线性系统,为了对系统的过渡过程进行分析,文中建立了船舶电站柴油发电机组的非线性数学模型,该模型准确地反映了转速和电压的相互作用和相互影响的关系,体现了船舶电力系统的变量耦合性质.对一个实际的船舶电站柴油发电机组控制系统进行了计算机仿真研究,分别给出了系统在突加静负荷和起动大功率异步电动机时的动态特性曲线.计算机仿真结果表明,提出的数学模型是合理的、可行的,反映了船舶电力系统转速和电压的变化规律.     

舰船航态极短期预报的非线性方法

针对舰船航态的非线性特征，提出了采用非线性自回归模型描述舰船海上航行极短期运动过程的新方法利用正交化的手段得到了辅助模型，进而通过对辅助模型的辨识推导出舰船航态超前多步预报器仿真结果表明本文提出的预报方法比线性自回归模型描述的预报方法有效，能提高预报精度、加长预报时间另外，本文给出的非线性预报器的辨识方法，可以加快预报时计算速度，适于进行实时预报     

船舶运动姿态极短期预报研究

舰载机着舰是对海上飞行要求极高的作业,对舰船未来时刻的运动姿态进行预报,可以避免舰载机同飞行甲板的剧烈碰撞,保证舰载机在有风浪的海上安全起降。本文根据船舶运动特点,分析了船舶在海上航行时的运动过程。利用船舶运动的测量数据和艏前波值运用时间序列分析方法建立了船舶运动的数学模型并给出运动姿态的预报值。通过本方法的研究可以得到满意的船舶运动预报值。     

基于RBF神经网络的高精度伺服系统补偿控制

伺服系统是一种典型的非线性系统,常规线性控制器无法获得高精度控制性能。该文通过在伺服控制系统的速度环中引入基于径向基神经网络的补偿控制器,提出了一种基于径向基神经网络的模型参考补偿控制策略。该补偿控制器能够对系统的非线性不确定性进行实时在线学习,对参数变化及扰动等因素进行实时补偿。仿真结果进一步表明,该控制策略降低了参数变化和外界扰动等不确定性因素对系统的影响,达到了较高的跟踪精度,提高了系统鲁棒性,即使在持续正弦信号干扰下也具有良好的性能。     

A nonlinear PCA algorithm based on RBF neural networks

Traditional PCA is a linear method, but most engineering problems are nonlinear. Using the linear PCA in nonlinear problems may bring distorted and misleading results. Therefore, an approach of nonlinear principal component analysis (NLPCA) using radial basis function (RBF) neural network is developed in this paper. The orthogonal least squares (OLS) algorithm is used to train the RBF neural network. This method improves the training speed and prevents it from being trapped in local optimization. Results of two experiments show that this NLPCA method can effectively capture nonlinear correlation of nonlinear complex data, and improve the precision of the classification and the prediction.     

Task space control of free-floating space robots using constrained adaptive RBF-NTSM

Trajectory tracking control of space robots in task space is of great importance to space missions,which require on-orbit manipulations.This paper focuses on position and attitude tracking control of a free-floating space robot in task space.Since neither the nonlinear terms and parametric uncertainties of the dynamic model,nor the external disturbances are known,an adaptive radial basis function network based nonsingular terminal sliding mode(RBF-NTSM)control method is presented.The proposed algorithm combines the nonlinear sliding manifold with the radial basis function to improve control performance.Moreover,in order to account for actuator physical constraints,a constrained adaptive RBF-NTSM,which employs a RBF network to compensate for the limited input is developed.The adaptive updating laws acquired by Lyapunov approach guarantee the global stability of the control system and suppress chattering problems.Two examples are provided using a six-link free-floating space robot.Simulation results clearly demonstrate that the proposed constrained adaptive RBF-NTSM control method performs high precision task based on incomplete dynamic model of the space robots.In addition,the control errors converge faster and the chattering is eliminated comparing to traditional sliding mode control.     

RBF神经网络的混合学习算法

针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向基函数的中心取值问题,提高了网络的学习精度和训练速度.将该算法应用于非线性系统的在线辨识与二维函数的逼近,仿真实验结果证明了该方法的有效性.     

Lateral Dynamic Analysis and Motion Control of a Jet Trencher in Ocean Currents

论文标题：射流式挖沟机在海流环境中的横向动力学分析和运动控制

作者：李翔,王涛,赵敏,葛彤（上海交通大学）

创新点说明：

1 建立了水下挖沟机在海流条件下的横向偏移振动的动力学模型,以往研究关注点主要在于水下系统的垂向振动;

2 对建立的动力学模型进行简化,并采用解析方法得到其近似解析解。

目的：

在海流环境中,由于水面母船和脐带缆传递的外部激励影响,水下挖沟机会发生垂向振荡和横向偏移,其运动特性十分复杂。横向偏移运动对海底管线埋设作业影响巨大,挖沟机偏移预定管线路径,很有可能穿过或压到管线,对管线造成切割等损伤破坏。为了控制水下挖沟机在管线上方的悬停和定位,需要研究水下挖沟机在海流等外部激励作用下的横向偏移运动特性,进而对水下挖沟机的横向偏移进行控制,实现对海底管线的对中悬停和定位,保持作业点位置的稳定,使其不偏离海底管线路经中心线。

方法：

1 对建立的水下挖沟机在海流条件下的横向偏移振动的动力学模型进行简化,并采用解析方法——平均法,得到其近似解析解;

2 采用双回路控制器对水下挖沟机进行横向振动控制,实现对海底管线的对中定位。

结果：

1 采用解析方法得到水下挖沟机在海流条件下的横向偏移振动的近似解析解,在分析不同物理参数（不同吊缆长度、不同海流速度）对挖沟机悬吊系统横向振动的影响后,发现近似解析解与数值结果吻合较好。但解析法得到的振动幅值比数值方法略大,用解析法和数值法得到的横向位移之间的最大差值小于0.5m,所以用解析解去估计挖沟机的在海流中的振动是保守和安全的。

2 对于振幅微弱情形,双回路控制器具有和单回路控制器相似的控制效果。但是振荡剧烈、振动频率较高情形,双回路控制器的调整时间更短、振动幅值控制的更小和控制力更平滑。综上,双回路PID控制器对于在海流条件下的挖沟机的横向振动运动具有良好的控制效果。

结论：

1 建立的水下挖沟机在海流条件下的横向偏移振动的动力学模型具有非线性特性,为了在实际工程中进行快速求解和应用,可以采用简化非线性绝对值项的方法,求得模型的近似解析解。

2 在研究不同物理参数对挖沟机悬吊系统横向振动的影响,和分析不同类型阻尼振动的特征后,得到采用平均法求得的近似解析解与数值结果吻合较好,对海流环境中水下挖沟机的横向振动模拟的是适用的。

3 双回路PID控制器对于水下挖沟机的横向振动运动具有良好的控制效果,可以对类似水下作业悬吊系统的控制方法提供参考和借鉴。

关键词：水下挖沟机,动力学模型,解析解,双回路控制,海流

     

基于径向基神经网络的螺杆泵转速设定方法

为了研究受多种因素影响的螺杆泵转速控制系统,提出一种基于径向基神经网络的螺杆泵转速设定方法.利用径向基函数(RBF)神经网络对螺杆泵转速进行分析及预测,通过对螺杆泵的历史数据分析处理,得到螺杆泵转速的时间序列.将时间序列视为一个从输入到输出的非线性映射,并引入RBF神经网络来进行非线性映射的逼近.通过对网络进行学习与训练仿真实验,并与BP神经网络预测结果对比,表明应用RBF神经网络对螺杆泵转速进行短期预测精度更高、效果更好.该神经网络结构简单,非线性逼近能力强,通过对非样本点数据的实验验证,证明了该系统的可行性,具有一定的实用价值.     

Radial Basis Function Neural Network Based Super-Resolution Restoration for an Undersampled Image

To achieve restoration of high frequency information for an undersampled and degraded low-resolution image, a nonlinear and real-time processing method the radial basis function (RBF) neural network based super-resolution method of restoration is proposed. The RBF network configuration and processing method is suitable for a high resolution restoration from an undersampled low-resolution image. The soft-competition learning scheme based on the k-means algorithm is used, and can achieve higher mapping approximation accuracy without increase in the network size. Experiments showed that the proposed algorithm can achieve a super-resolution restored image from an undersampled and degraded low-resolution image, and requires a shorter training time when compared with the mulfiplayer perception (MLP) network.