資源描述：
《基于動(dòng)態(tài)神經(jīng)模糊模型的船舶運(yùn)動(dòng)智能控制》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、中文摘要摘要水面船舶運(yùn)動(dòng)控制一直是備受關(guān)注的研究領(lǐng)域。船舶動(dòng)態(tài)具有大慣性、大時(shí)滯、非線性的特點(diǎn)，由于受航速、風(fēng)浪流等外界干擾以及量測(cè)誤差等因素的影響，建模參數(shù)甚至結(jié)構(gòu)的攝動(dòng)引起的不確定性，使得對(duì)船舶運(yùn)動(dòng)的控制具有相當(dāng)難度。同時(shí)，它也是迄今國(guó)內(nèi)外一般基于線性控制理論和傳統(tǒng)智能控制設(shè)計(jì)的控制算法的實(shí)際效果與研究者的預(yù)期相差甚遠(yuǎn)的一個(gè)主要原因。為此，本文提出一種基于動(dòng)態(tài)神經(jīng)模糊模型的船舶航向智能控制方法。本文主要考慮航速變化引起的不確定性因素對(duì)船舶航向跟蹤控制的影響，通過(guò)將RBF神經(jīng)網(wǎng)絡(luò)與T-S模糊模型有機(jī)結(jié)合，構(gòu)造
2、結(jié)構(gòu)與參數(shù)在學(xué)習(xí)中能同時(shí)調(diào)整的動(dòng)態(tài)神經(jīng)模糊模型(DMM)。DNFM用于充分逼近建模參數(shù)時(shí)變的Norrbin非線性船舶模型的逆動(dòng)力學(xué)。訓(xùn)練好的DNFM與PID控制器并聯(lián)構(gòu)造自適應(yīng)控制器用于航向跟蹤控制，且以PID控制器的輸出作為自適應(yīng)律的自變量，進(jìn)一步在線調(diào)整DNFM的權(quán)值，設(shè)計(jì)的智能控制器能有效解決具有建模參數(shù)不確定性的船舶運(yùn)動(dòng)控制問(wèn)題。文中以中遠(yuǎn)集團(tuán)5446TEU集裝箱船為對(duì)象進(jìn)行仿真，通過(guò)設(shè)定兩種不同的航速變化工況，完成了對(duì)船舶逆動(dòng)力學(xué)的逼近；隨后通過(guò)設(shè)計(jì)基于DNFM的自適應(yīng)智能控制器，實(shí)現(xiàn)船舶航向的快速跟
3、蹤，有效地克服了建模參數(shù)不確定性的影響。關(guān)鍵詞：不確定性；動(dòng)態(tài)神經(jīng)模糊模型；航向跟蹤；智能控制英文摘要AbstractShippingmovementcontrolinwatersurfaceiscatchingmoreandmoreattentionintheseyears．Withthefeaturesofbiginertia，largetime—delayandnonlinear，themodelparameterperturbationcausedbyshipspeed，storm—flowinterf
4、erence，measurementerrorandSOon，thecomplexuncertaintyproblemshavebeenexistinginthisfieldalongtime．Allthesemaketheshipcourse-keepingcontrolproblemconsiderabledifficulty．Sofaritisalsothemainreasonforthediscrepancyoftraditionaldesignofintelligentcontrolalgorithm
5、sbasedonlinearcontroltheoryandtheactualresultsresearchersexpected．Therefore，inordertoresolvetheuncertaintiesandtherealizationofthedynamiccontrolofnonlinearsystems，thispaperpresentsamethodfortheshipcourseintelligentcontrolthatbasedondynamicneuro—fuzzymodel．Th
6、isarticleconsidertheimpactfortheshiptrackingcontrol，whichcoursedbytheuncertaintiesofthechangingspeed．BycombiningRBFneuralnetworkandT-Sfuzzymodel，settingllpadynamicneuro-fuzzymodel，networkparametersandstructureoftheruleslayercanregulatethemselvesinlearningpro
7、cess．DNFMfullyapproximationtheinversedynamicsofnonlinearshipmodelNorrbin，whosemodelingparameterstime-varyingwiththechangespeed．AnadaptivecontrollerbygoodtrainedDNFMinparallelwiththePIDcontrollerareusedtocoursetrackingcontr01．TakingtheoutputofPIDcontrollerasi
8、ndependentvariableoftheadaptivelaw，theDNFMweightWasadjustedfurtheronlineandshipcourseintelligentcontrollerWasdesignedforuncertaintyshipmotionmodel．Inthispaper，thesimulationtakestheCOSCO5446TEUla
