船舶航向的混合智能控制技術(shù)研究.pdf

《船舶航向的混合智能控制技術(shù)研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第39卷第2期2010年4月船海工程SHIP&OCEANENGINEERINGV01．39No．2Apr．2010DOI：10．3963／j．issn．1671-7953．2010．02．050船舶航向的混合智能控制技術(shù)研究黃勇亮(廣東交通職業(yè)技術(shù)學(xué)院，廣州510800)摘要：考慮船舶運(yùn)動(dòng)時(shí)的非線性及其操縱特性與航速、復(fù)雜多變的環(huán)境干擾等帶來(lái)的不確定因素，將傳統(tǒng)的模糊控制的基本結(jié)構(gòu)嵌入到多層神經(jīng)網(wǎng)絡(luò)的控制器中，構(gòu)成了混合智能系統(tǒng)。采用了模糊自適應(yīng)學(xué)習(xí)控制網(wǎng)絡(luò)，應(yīng)用于船舶航向控制，對(duì)控制器的參數(shù)和結(jié)構(gòu)進(jìn)行了在線學(xué)習(xí)與調(diào)整，并進(jìn)行了仿真，可以在一定程度上克服船舶運(yùn)動(dòng)中的不確定性問(wèn)題。關(guān)

2、鍵詞：混合智能；網(wǎng)絡(luò)；控制；航向中圖分類(lèi)號(hào)：U675．79；TP302文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1671—7953(2010)02—0173-03船舶運(yùn)動(dòng)的非線性[11及其操縱特性[23與航速、復(fù)雜多變的環(huán)境干擾等都有密切關(guān)系，因而控制對(duì)象具有很強(qiáng)的不確定因素。船舶控制器設(shè)計(jì)中不可避免會(huì)受到建模誤差的影響，模型的不確定使得控制系統(tǒng)的穩(wěn)定性與性能也隱藏著不確定性。因此，對(duì)船舶運(yùn)動(dòng)控制，如果根據(jù)條件改變能實(shí)時(shí)調(diào)整控制參數(shù)，將有效解決控制中的不確定性問(wèn)題。由神經(jīng)網(wǎng)絡(luò)(NN)、模糊邏輯(FL)、遺傳算法(GA)等智能技術(shù)集成的混合智能系統(tǒng)(hy-bridintelligentsystem，H

3、IS)已成功地應(yīng)用到機(jī)器人[5]等方面，在船舶控制中，也有將由神經(jīng)網(wǎng)絡(luò)(NN)、模糊邏輯(FL)應(yīng)用的研究[4]。HIS可以充分利用各種智能技術(shù)的優(yōu)勢(shì)來(lái)解決船舶控制中的不確定性問(wèn)題，如NN的知識(shí)獲取、學(xué)習(xí)及適應(yīng)、非線性映射及容錯(cuò)能力，F(xiàn)L的知識(shí)表達(dá)和推理能力，GA[5]的知識(shí)獲取、優(yōu)化能力，將這些能力在各種智能技術(shù)之間進(jìn)行滲透、融合，可為解決船舶控制的各類(lèi)問(wèn)題提供解決途徑。1混合智能技術(shù)的網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)的控制網(wǎng)絡(luò)結(jié)構(gòu)見(jiàn)圖l。把傳統(tǒng)的模糊控制的基本結(jié)構(gòu)嵌入到多層神經(jīng)網(wǎng)絡(luò)中的控制器[6]表現(xiàn)形式，構(gòu)成了混合智能系統(tǒng)采用了模糊自適應(yīng)學(xué)習(xí)控制網(wǎng)絡(luò)(fuzzy收稿日期：2009-06—12修回

4、日期：2009—07—23作者簡(jiǎn)介：黃勇亮(1964一)，男，學(xué)士，高級(jí)實(shí)驗(yàn)師。研究方向：航海技術(shù)與輪機(jī)工程。E-mail：hyl@gdcp．cn圖l模糊自適應(yīng)學(xué)習(xí)控制網(wǎng)絡(luò)簡(jiǎn)圖adqptivelearningcontrolnetwork，F(xiàn)ALCON)，其結(jié)構(gòu)見(jiàn)圖2。圖2控制網(wǎng)絡(luò)的節(jié)點(diǎn)結(jié)構(gòu)取模糊控制器作為船舶控制主控制策略，利用NN學(xué)習(xí)能力強(qiáng)的特點(diǎn)來(lái)優(yōu)化控制參數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)。輸入、輸出層的節(jié)點(diǎn)分別表示模糊控制器的輸入狀態(tài)與控制信號(hào)，而隱層節(jié)點(diǎn)功能是表示隸屬函數(shù)與模糊規(guī)則。設(shè)航向角為妒，首搖角速度為)，，取模糊控制器的輸人為P=≯一妒(動(dòng)是設(shè)定航向，妒為輸出航，

5、L向)與y=警，輸出為

6、舵令釅，再設(shè)每個(gè)輸人量分、U為NB、NM、NS、ZO、PS、PM、PB七個(gè)模糊分區(qū)(即有49條模糊規(guī)則)，輸出量為N、ZO、P三個(gè)模糊分區(qū)，每個(gè)分區(qū)的隸屬函數(shù)為高斯函數(shù)，即】73第2期船海工程第39卷為：戶(z)exp[一氣≯]式中：m、r高斯函數(shù)的中心與寬度。節(jié)點(diǎn)結(jié)構(gòu)(標(biāo)識(shí)為i)見(jiàn)圖2。其中：“{，Ul，?，“；為節(jié)點(diǎn)輸／k；f(·)為輸入綜合函數(shù)；口(·)是輸出活化函數(shù)；志為層號(hào)，0f=口(廠)。每層節(jié)點(diǎn)實(shí)現(xiàn)的功能如下。第l層：控制量輸入，廠=“÷，口一，。第2層：形成對(duì)每個(gè)輸入量Ui的隸屬函數(shù)，，一譬，口=er。第3層：對(duì)輸入量取t-norm運(yùn)算，對(duì)應(yīng)規(guī)則的IF部分，f=mi

7、n(u{，Ui，?，“；)，a=f。第4層：對(duì)應(yīng)模糊規(guī)則輸出，廠=∑“；，口一min(1，，)第5層：用面積中心法進(jìn)行清晰化運(yùn)算，輸出舵令伊，廠=∑mitY彤?，口一百乞，艿一n●厶國(guó)“：l'ni，11i對(duì)應(yīng)第4層i個(gè)節(jié)點(diǎn)的中心與寬度，網(wǎng)絡(luò)的初始規(guī)則及第2、4層節(jié)的中心與寬度選取可根據(jù)經(jīng)驗(yàn)選取或由在線學(xué)習(xí)決定，在此基礎(chǔ)上進(jìn)行實(shí)時(shí)修正。2混合智能系統(tǒng)的在線學(xué)習(xí)HIS在線學(xué)習(xí)最基本遵循BP算法，定義誤差函數(shù)為：E=專(zhuān)[戶(妒一》)2+A鏟q-ky2](1)式中：P，又，是——權(quán)重因子。據(jù)PB算法，由圖l可得：一DE一笪墮筻一am甜a艿。3mc囂譬+善+蒡警，薯差c2，、躑甜。笳’a)，

8、甜7∞。跏?取船左舵為正，有：孬D，e。=EP(≯一∥蝴吶]篆(3)以M(mi，西)表示第4層第i個(gè)節(jié)點(diǎn)，假設(shè)mi>mj，則i、，歹兩個(gè)節(jié)點(diǎn)的相似度定義為[7]：174上12(鞏+西)石一s(4)定義M(mi一一，鞏一。)與第4層所有節(jié)點(diǎn)的最大相似度為：degree(i)：=EM(mi—w，tTi一。。)，M(mi一。lo。et，毋一。l∞et)l—maxEIM(mi一一，西一一)，M(mi，仉)I(5)根據(jù)最大相似度，圖2網(wǎng)絡(luò)結(jié)構(gòu)在線學(xué)習(xí)，即改變輸出模糊分區(qū)數(shù)(第4