本文關(guān)鍵詞：粒子群優(yōu)化分?jǐn)?shù)階控制器及欠驅(qū)動(dòng)船舶航向控制研究

  更多相關(guān)文章： 欠驅(qū)動(dòng)水面船舶 粒子群優(yōu)化算法 遺傳算法 擬退火算法 航向保持 航向跟蹤 自動(dòng)舵 分?jǐn)?shù)階PI~λD~μ控制器

【摘要】：船舶動(dòng)態(tài)具有大慣性、大時(shí)滯、非線性的特點(diǎn),航行工況、貨物裝載量變化、慣性矩、重心坐標(biāo)變化等因素引起船舶運(yùn)動(dòng)數(shù)學(xué)模型的參數(shù)攝動(dòng),使得船舶模型具有不確定性；同時(shí),風(fēng)、浪、流的存在也導(dǎo)致船舶模型參數(shù)和結(jié)構(gòu)的攝動(dòng)。因此,對(duì)欠驅(qū)動(dòng)水面船舶采用常規(guī)線性和非線性控制方法難以取得理想的控制效果。欠驅(qū)動(dòng)水面船舶主要利用舵系統(tǒng)來改變或保持船舶的航向,而通過螺旋槳轉(zhuǎn)動(dòng)產(chǎn)生推力來改變或保持船舶的航速。操舵與螺旋槳推進(jìn)之間存在交互作用。本文研究基于粒子群優(yōu)化的分?jǐn)?shù)階航向智能控制算法,完成了以下主要研究工作。(1)針對(duì)受模型參數(shù)不確定性和外界環(huán)境干擾的欠驅(qū)動(dòng)水面船舶運(yùn)動(dòng)控制,本文提出一種分?jǐn)?shù)階PIλDμ控制器,并將該控制器應(yīng)用于欠驅(qū)動(dòng)水面船舶航向控制的自動(dòng)舵設(shè)計(jì)中。仿真結(jié)果表明,采用分?jǐn)?shù)階PIλDμ控制器與采用常規(guī)PID船舶航向自動(dòng)舵相比能進(jìn)一步提高船舶航向的控制精度和抗擾動(dòng)能力；(2)針對(duì)分?jǐn)?shù)階PIλDμ控制器較常規(guī)PID多出兩個(gè)可調(diào)參數(shù)積分階次λ和微分階次μ,使得分?jǐn)?shù)階PIλDμ控制器參數(shù)整定難度進(jìn)一步加大,本文提出將粒子群優(yōu)化算法引入到控制器設(shè)計(jì)中,對(duì)分?jǐn)?shù)階PIλDμ控制器的參數(shù)進(jìn)行在線整定。仿真結(jié)果驗(yàn)證了基于粒子群優(yōu)化算法的分?jǐn)?shù)階PIλDμ控制器在欠驅(qū)動(dòng)水面船舶航向控制中的有效性：(3)針對(duì)慣性權(quán)重ω和最大飛行速度vmax對(duì)粒子群優(yōu)化算法全局搜索能力和局部開發(fā)能力的重要影響,以及兩者之間的內(nèi)在聯(lián)系,本文提出一種時(shí)變非線性三角函數(shù)用于改進(jìn)粒子群優(yōu)化算法,并將該算法用于船舶航向的分?jǐn)?shù)階PIλDμ控制器參數(shù)整定中。仿真結(jié)果驗(yàn)證了該算法的有效性；(4)針對(duì)學(xué)習(xí)因子c1和c2對(duì)粒子在解空間搜索速度的影響,本文構(gòu)造一種異步時(shí)變學(xué)習(xí)因子的粒子群優(yōu)化算法,將兩個(gè)學(xué)習(xí)因子在算法優(yōu)化過程中隨時(shí)間進(jìn)行不同的變化,并將該算法用于船舶航向的分?jǐn)?shù)階PIλDμ控制器參數(shù)整定中。仿真結(jié)果驗(yàn)證了該算法的有效性；(5)針對(duì)慣性權(quán)重ω影響粒子的局部最優(yōu)搜索能力和全局最優(yōu)搜索能力,本文提出將非線性動(dòng)態(tài)慣性權(quán)重引入到粒子群優(yōu)化算法結(jié)構(gòu)當(dāng)中,用于改進(jìn)粒子群優(yōu)化算法,并將該算法用于船舶航向的分?jǐn)?shù)階PIλDμ控制器參數(shù)整定中。仿真結(jié)果驗(yàn)證了該算法的有效性；(6)針對(duì)粒子群優(yōu)化算法、遺傳算法、擬退火算法各自的優(yōu)缺點(diǎn),本文提出了混合GA-PSO算法和改進(jìn)SA-PSO算法,用于改進(jìn)算法容易陷入局部極值、早熟收斂或停滯現(xiàn)象,提高算法的全局搜索能力和局部精細(xì)搜索能力,并將算法用于船舶航向的分?jǐn)?shù)階PIλDμ控制器參數(shù)整定中。仿真結(jié)果驗(yàn)證了該算法的有效性。
【關(guān)鍵詞】：欠驅(qū)動(dòng)水面船舶 粒子群優(yōu)化算法 遺傳算法 擬退火算法 航向保持 航向跟蹤 自動(dòng)舵 分?jǐn)?shù)階PI~λD~μ控制器
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：U664.82;TP273
【目錄】：

• 創(chuàng)新點(diǎn)摘要5-6
• 摘要6-8
• Abstract8-14
• 第1章 緒論14-32
• 1.1 課題研究的目的及意義14-16
• 1.2 粒子群優(yōu)化算法研究現(xiàn)狀16-21
• 1.2.1 參數(shù)選擇方式研究16-18
• 1.2.2 算法收斂性分析研究18-20
• 1.2.3 種群拓?fù)浣Y(jié)構(gòu)研究20-21
• 1.2.4 混合粒子群優(yōu)化算法研究21
• 1.3 分?jǐn)?shù)階微積分在控制中研究現(xiàn)狀21-26
• 1.3.1 分?jǐn)?shù)階系統(tǒng)辨識(shí)研究22-23
• 1.3.2 分?jǐn)?shù)階控制器設(shè)計(jì)研究23-25
• 1.3.3 分?jǐn)?shù)階算子數(shù)值實(shí)現(xiàn)研究25-26
• 1.4 船舶航向控制的研究現(xiàn)狀26-29
• 1.4.1 機(jī)械式自動(dòng)舵26-27
• 1.4.2 PID自動(dòng)舵27
• 1.4.3 自適應(yīng)舵27-28
• 1.4.4 智能舵28-29
• 1.5 論文主要工作29-32
• 第2章 船舶操縱運(yùn)動(dòng)數(shù)學(xué)模型32-49
• 2.1 引言32-33
• 2.2 船舶運(yùn)動(dòng)分析中的坐標(biāo)系33-34
• 2.3 狀態(tài)空間型船舶平面運(yùn)動(dòng)數(shù)學(xué)模型34-38
• 2.3.1 二自由度狀態(tài)空間型線性模型34-37
• 2.3.2 三自由度狀態(tài)空間型線性模型37
• 2.3.3 隨機(jī)干擾37-38
• 2.4 一種響應(yīng)型非線性船舶運(yùn)動(dòng)數(shù)學(xué)模型38-40
• 2.5 風(fēng)、浪、流干擾模型40-45
• 2.5.1 風(fēng)等效舵角41-44
• 2.5.2 浪等效舵角44-45
• 2.5.3 定常均勻流45
• 2.6 欠驅(qū)動(dòng)船舶運(yùn)動(dòng)控制特性45-47
• 2.6.1 欠驅(qū)動(dòng)船舶數(shù)學(xué)模型的不確定性46
• 2.6.2 系統(tǒng)的欠驅(qū)動(dòng)特性46-47
• 2.6.3 控制輸入飽和與信號(hào)量測誤差47
• 2.7 本章小結(jié)47-49
• 第3章 粒子群優(yōu)化算法及其船舶航向控制應(yīng)用49-70
• 3.1 引言49-50
• 3.2 原始粒子群優(yōu)化算法50-52
• 3.2.1 算法基本原理50-52
• 3.2.2 算法基本步驟52
• 3.3 標(biāo)準(zhǔn)粒子群優(yōu)化算法52-55
• 3.3.1 帶慣性權(quán)重的粒子群算法52-54
• 3.3.2 帶收縮因子的粒子群算法54
• 3.3.3 種群拓?fù)浣Y(jié)構(gòu)引申的粒子群算法54-55
• 3.4 粒子群優(yōu)化算法的理論分析55-59
• 3.4.1 粒子的線性離散系統(tǒng)構(gòu)建55-57
• 3.4.2 粒子群算法的收斂性分析57-59
• 3.5 一種基于改進(jìn)粒子群優(yōu)化算法的船舶航向保持59-68
• 3.5.1 問題描述59-60
• 3.5.2 基于時(shí)變非線性三角函數(shù)改進(jìn)粒子群算法60
• 3.5.3 控制器設(shè)計(jì)60-63
• 3.5.4 仿真研究63-68
• 3.6 本章小結(jié)68-70
• 第4章 分?jǐn)?shù)階控制系統(tǒng)及其船舶航向控制應(yīng)用70-90
• 4.1 引言70-71
• 4.2 分?jǐn)?shù)階微積分相關(guān)理論71-75
• 4.2.1 基本函數(shù)71-72
• 4.2.2 分?jǐn)?shù)階微積分定義72-74
• 4.2.3 分?jǐn)?shù)階微積分的Laplace變換74-75
• 4.3 分?jǐn)?shù)階系統(tǒng)求解75-77
• 4.3.1 分?jǐn)?shù)階線性微積分方程求解76-77
• 4.3.2 分?jǐn)?shù)階微積分框圖求解法77
• 4.4 分?jǐn)?shù)階微積分算子近似77-82
• 4.4.1 直接近似化方法78-79
• 4.4.2 間接近似化方法79-82
• 4.5 分?jǐn)?shù)階PI~λD~μ控制器及在船舶航向中應(yīng)用研究82-89
• 4.5.1 分?jǐn)?shù)階PI~λD~μ控制器82-83
• 4.5.2 船舶航向分?jǐn)?shù)階PI~λD~μ控制器設(shè)計(jì)83-86
• 4.5.3 仿真研究86-89
• 4.6 本章小結(jié)89-90
• 第5章 基于參數(shù)改進(jìn)粒子群算法的船舶航向分?jǐn)?shù)階控制90-114
• 5.1 引言90-91
• 5.2 基于時(shí)變非線性三角函數(shù)改進(jìn)粒子群算法的船舶航向分?jǐn)?shù)階控制91-100
• 5.2.1 問題描述91-92
• 5.2.2 基于時(shí)變非線性三角函數(shù)改進(jìn)粒子群算法92
• 5.2.3 控制器設(shè)計(jì)92-94
• 5.2.4 仿真研究94-100
• 5.3 基于異步時(shí)變學(xué)習(xí)因子粒子群算法的船舶航向分?jǐn)?shù)階控制100-107
• 5.3.1 問題描述100-101
• 5.3.2 基于異步時(shí)變學(xué)習(xí)因子改進(jìn)粒子群算法101
• 5.3.3 控制器設(shè)計(jì)101-102
• 5.3.4 仿真研究102-107
• 5.4 基于非線性動(dòng)態(tài)權(quán)重粒子群算法的船舶航向分?jǐn)?shù)階控制107-112
• 5.4.1 問題描述107
• 5.4.2 基于非線性動(dòng)態(tài)權(quán)重改進(jìn)粒子群算法107-108
• 5.4.3 控制器設(shè)計(jì)108
• 5.4.4 仿真研究108-112
• 5.5 本章小結(jié)112-114
• 第6章 基于混合粒子群算法的船舶航向分?jǐn)?shù)階控制114-130
• 6.1 引言114
• 6.2 基于混合GA-PSO算法的船舶航向分?jǐn)?shù)階控制114-123
• 6.2.1 問題描述114-115
• 6.2.2 基于混合GA-PSO算法115-116
• 6.2.3 控制器設(shè)計(jì)116-117
• 6.2.4 仿真研究117-123
• 6.3 基于改進(jìn)SA-PSO算法的船舶航向分?jǐn)?shù)階控制123-129
• 6.3.1 問題描述123
• 6.3.2 基于改進(jìn)SA-PSO算法123-125
• 6.3.3 控制器設(shè)計(jì)125
• 6.3.4 仿真研究125-129
• 6.4 本章小結(jié)129-130
• 第7章 全文總結(jié)與展望130-132
• 參考文獻(xiàn)132-142
• 攻讀學(xué)位期間公開發(fā)表論文142-143
• 致謝143-144
• 作者簡介144

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙志誠;王惠芳;張井崗;;高階反向響應(yīng)過程的分?jǐn)?shù)階PID控制器設(shè)計(jì)[J];上海交通大學(xué)學(xué)報(bào);2015年08期

2 徐剛;江美珍;吳志華;饒?zhí)m香;;粒子群優(yōu)化算法的收斂性分析[J];南昌大學(xué)學(xué)報(bào)(理科版);2015年04期

3 董躍華;戴玉倩;;混合粒子群算法的軟件測試數(shù)據(jù)自動(dòng)生成[J];計(jì)算機(jī)應(yīng)用;2015年02期

4 王燕燕;葛洪偉;王娟娟;楊金龍;;一種動(dòng)態(tài)分組的粒子群優(yōu)化算法[J];計(jì)算機(jī)工程;2015年01期

5 顧文斌;唐敦兵;鄭X;;Solving Job-Shop Scheduling Problem Based on Improved Adaptive Particle Swarm Optimization Algorithm[J];Transactions of Nanjing University of Aeronautics and Astronautics;2014年05期

6 王強(qiáng);趙志誠;桑博;;基于改進(jìn)粒子群算法的分?jǐn)?shù)階系統(tǒng)辨識(shí)方法[J];太原科技大學(xué)學(xué)報(bào);2014年03期

7 張冬麗;唐英干;關(guān)新平;;用改進(jìn)的人工蜂群算法設(shè)計(jì)AVR系統(tǒng)最優(yōu)分?jǐn)?shù)階PID控制器(英文)[J];自動(dòng)化學(xué)報(bào);2014年05期

8 朱德剛;孫輝;趙嘉;余慶;;基于高斯擾動(dòng)的粒子群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用;2014年03期

9 劉洋;郭晨;;船舶航向保持RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)非線性控制[J];大連海事大學(xué)學(xué)報(bào);2013年04期

10 肖海榮;閆紅華;馬榮琳;韓耀振;;基于RBFNN的船舶航向離散滑�？刂破髟O(shè)計(jì)與仿真[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S1期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 孟威;欠驅(qū)動(dòng)水面船舶運(yùn)動(dòng)的非線性控制研究[D];大連海事大學(xué);2012年

，

本文編號(hào)：775443