基于單神經元的船舶航向保持自適應PID控制
發(fā)布時間：2020-04-06 10:20
【摘要】：船舶航向保持控制是船舶運動控制研究中的一個重要部分,也是提高船舶自動化水平的重要方面。由于PID控制器具有優(yōu)異的穩(wěn)定性,因此它在船舶實際航行中被廣泛使用。但船舶運動不僅是十分復雜的運動,而且不可避免的受到模型攝動、不確定干擾等因素的影響,嚴重減弱PID控制器的控制效果。智能控制中的單神經元作為構成神經網絡的基本單位,具有自適應和自學習能力,而且結構簡單便于計算。若將這兩者結合,不僅可以在一定程度上解決常規(guī)PID控制器不易在線實時整定參數、難于對一些復雜過程和參數慢時變系統(tǒng)進行有效控制的問題,而且保留了控制器結構簡單便于計算的優(yōu)點。論文針對船舶運動數學模型及其本身的特殊性質(外界環(huán)境影響、船舶慣性大等),在保持PID控制器結構簡單、易于實現、穩(wěn)定性高等特點的基礎上,引入同樣結構簡單的單神經元控制器,同時也能保證所構成的控制器具有自適應性和較強的魯棒性。論文首先搭建了船舶運動數學模型K、T指數計算平臺,能夠根據船舶參數迅速建立船舶Nomoto模型。然后在介紹神經網絡基礎知識后,設計了在無/有監(jiān)督學習下的基于單神經元的船舶航向保持PID控制器,其兼?zhèn)渖窠浘W絡和常規(guī)PID控制的優(yōu)點,最后給出了修正基于單神經元的船舶航向保持PID控制器算法中的權重系數以及引入誤差非線性反饋后的改進的基于單神經元的船舶航向保持PID控制器。論文還以“育鯤”輪為被控對象,對構建的控制器進行船舶航向保持仿真研究,并與常規(guī)PID控制器進行對比分析。仿真研究表明,盡管改進型的基于單神經元的船舶航向保持PID控制器的性能并不是所有設計控制器中最理想的,但其魯棒性和抗干擾能力都非常出色,而且最節(jié)約能量。基于單神經元的船舶航向保持PID控制器比常規(guī)PID控制器的控制性能要好很多,而且如若不一味追求性能,從系統(tǒng)響應動態(tài)、抗干擾能力、魯棒性以及綠色經濟這些方面來看,改進型的基于單神經元的船舶航向保持PID控制器是在追求綠色經濟的大環(huán)境下更符合當代需求的控制器。
【圖文】：
競爭學習規(guī)則來解決這類非監(jiān)督網絡學習問題。(a)監(jiān)督學習 (b)非監(jiān)督學習 (c)強化學習圖3.2 參數學習方案Fig. 3.2 Parametric learning schemes3.4 神經網絡的學習規(guī)則神經網絡的重要性質是具有自適應和自學習能力，并掌握一定的學習規(guī)則。1949年心理學家 Hebb 在前期研究的基礎上提出了學習突觸聯(lián)系和神經群理論，隨后用數學形式進行了表達，成為 Hebb 規(guī)則。如圖 3.3 所示，從神經元ju 到神經元iu 的連接強度，即權重變化ij w 可用以下式子表達：( ( ) , ( )) ( ( ),)ij i i j ij= w G a t s t H y t w(3-3)其中 ( )is t 為神經元iu 的教師信號，函數 G 是教師信號 ( )is t 與神經元iu 的活性度( )ia t 的函數， H 是神經元ju 的輸出 ( )jy t 與聯(lián)接權重ijw 的函數。輸出 ( )jy t 與活性度 ( )ja t 之間滿足 ( ) ( ( ))j j jy t = f a t。由于在圖 3.3 中存在教室信號 ( )is t
重要性質是具有自適應和自學習能力，并掌握一定的b 在前期研究的基礎上提出了學習突觸聯(lián)系和神經群理，成為 Hebb 規(guī)則。如圖 3.3 所示，從神經元ju 到神經可用以下式子表達：( ( ) , ( )) ( ( ),)ij i i j ij= w G a t s t H y t w元iu 的教師信號，函數 G 是教師信號 ( )is t 與神經元iu 的ju 的輸出 ( )jy t 與聯(lián)接權重ijw 的函數。輸出 ( )jy t 與活 ))t。.3 中存在教室信號 ( )is t ，因此這屬于監(jiān)督學習下的 H下時，即上述的教師信號 ( )is t 沒有給出，且函數 H 又-3)可變?yōu)閕j i j w =ηa y，其中η 是學習效率，是正實數。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U664.82
本文編號：2616383
【圖文】：
競爭學習規(guī)則來解決這類非監(jiān)督網絡學習問題。(a)監(jiān)督學習 (b)非監(jiān)督學習 (c)強化學習圖3.2 參數學習方案Fig. 3.2 Parametric learning schemes3.4 神經網絡的學習規(guī)則神經網絡的重要性質是具有自適應和自學習能力，并掌握一定的學習規(guī)則。1949年心理學家 Hebb 在前期研究的基礎上提出了學習突觸聯(lián)系和神經群理論，隨后用數學形式進行了表達，成為 Hebb 規(guī)則。如圖 3.3 所示，從神經元ju 到神經元iu 的連接強度，即權重變化ij w 可用以下式子表達：( ( ) , ( )) ( ( ),)ij i i j ij= w G a t s t H y t w(3-3)其中 ( )is t 為神經元iu 的教師信號，函數 G 是教師信號 ( )is t 與神經元iu 的活性度( )ia t 的函數， H 是神經元ju 的輸出 ( )jy t 與聯(lián)接權重ijw 的函數。輸出 ( )jy t 與活性度 ( )ja t 之間滿足 ( ) ( ( ))j j jy t = f a t。由于在圖 3.3 中存在教室信號 ( )is t
重要性質是具有自適應和自學習能力，并掌握一定的b 在前期研究的基礎上提出了學習突觸聯(lián)系和神經群理，成為 Hebb 規(guī)則。如圖 3.3 所示，從神經元ju 到神經可用以下式子表達：( ( ) , ( )) ( ( ),)ij i i j ij= w G a t s t H y t w元iu 的教師信號，函數 G 是教師信號 ( )is t 與神經元iu 的ju 的輸出 ( )jy t 與聯(lián)接權重ijw 的函數。輸出 ( )jy t 與活 ))t。.3 中存在教室信號 ( )is t ，因此這屬于監(jiān)督學習下的 H下時，即上述的教師信號 ( )is t 沒有給出，且函數 H 又-3)可變?yōu)閕j i j w =ηa y，其中η 是學習效率，是正實數。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U664.82
【參考文獻】
相關期刊論文 前5條
1 馬超;張顯庫;;基于指數函數非線性反饋的船舶航向保持控制[J];船舶工程;2017年S1期
2 馮冬青;許雪燕;;玻璃窯爐氣電混合智能控制系統(tǒng)[J];鄭州大學學報(理學版);2017年01期
3 王青山;梁得亮;杜錦華;;交流穩(wěn)壓電源的改進神經網絡PID控制[J];電機與控制學報;2017年02期
4 崔皆凡;謝煒;馬桂新;張孝亮;;基于BP神經網絡PID的改進偏差耦合同步控制[J];微電機;2016年12期
5 徐海軍;李偉;張國慶;劉勇;;基于閉環(huán)增益成形算法的船舶航跡保持控制[J];中國航海;2016年04期
，本文編號：2616383
本文鏈接：http://sikaile.net/kejilunwen/chuanbolw/2616383.html
