本文關(guān)鍵詞：支持向量機在船舶航向控制中的應(yīng)用研究

  更多相關(guān)文章： 最小二乘支持向量機 廣義預(yù)測控制 自動舵

【摘要】：船舶自動舵的設(shè)計及船舶運動控制的研究一直是學(xué)術(shù)界和工業(yè)界共同關(guān)注的重要課題,良好的控制算法以及可靠穩(wěn)定的船舶自動舵能夠在船舶航行的過程中提高其安全性與經(jīng)濟性,具有重要的理論和實踐意義。隨著計算機科學(xué)與技術(shù)的發(fā)展,越來越多的智能算法如神經(jīng)網(wǎng)絡(luò)、蟻群算法等逐漸趨于成熟并成功應(yīng)用到各類工程領(lǐng)域當(dāng)中,本文所探討的主要內(nèi)容則是支持向量機(Support Vector Machine-SVM)這一智能學(xué)習(xí)算法在船舶航向控制以及船舶自動舵的設(shè)計中的應(yīng)用。本文首先研究了船舶運動數(shù)學(xué)模型并根據(jù)文中的數(shù)學(xué)模型設(shè)計了船舶運動仿真軟件。文中參考了IEC62065標(biāo)準(zhǔn)分別分析了船舶的推進系統(tǒng)、舵機系統(tǒng)以及船舶運動過程中的縱移模型、橫移模型和艏向運動模型,給出了相應(yīng)的數(shù)學(xué)表達。另外,由于船舶在實際環(huán)境中運動時會受到來自浪、流等因素的干擾,所以本文也對船舶運動環(huán)境中的海浪、海流的模型進行了探討。最后,根據(jù)文中所述模型,本文通過MATLAB搭建了船舶運動仿真系統(tǒng),該仿真系統(tǒng)在PC上運行,可通過串口與船舶自動舵進行通訊,接收舵令并反饋當(dāng)前船舶的姿態(tài)信息,最終實現(xiàn)對船舶自動舵性能的驗證。本文參照IEC62065標(biāo)準(zhǔn)對該仿真系統(tǒng)進行了仿真試驗,結(jié)果表明該仿真系統(tǒng)可靠穩(wěn)定,可以用于船舶自動舵性能驗證的仿真試驗。在搭建船舶運動仿真系統(tǒng)之后,本文首先研究了SVM回歸方法對船舶運動數(shù)學(xué)模型的辨識問題。SVM由統(tǒng)計學(xué)習(xí)理論發(fā)展而來,最早用于數(shù)據(jù)的分類問題,SVM在訓(xùn)練數(shù)據(jù)中建立最優(yōu)分類超平面,通過判斷預(yù)測數(shù)據(jù)與超平面的關(guān)系實現(xiàn)其分類功能,另外,由于SVM在線性分類器的基礎(chǔ)上引入了核函數(shù),所以能夠解決訓(xùn)練數(shù)據(jù)線性不可分時的復(fù)雜問題。SVM在控制中的應(yīng)用主要是利用其回歸功能,即建立超平面對已知訓(xùn)練集數(shù)據(jù)進行擬合,通過對采集到的控制目標(biāo)的輸入量和輸出量進行訓(xùn)練,得到控制目標(biāo)系統(tǒng)的輸入-輸出模型。本文利用最小二乘支持向量機(Least Square Support Vector Machine-LSSVM)對文中所建立的船舶運動數(shù)學(xué)模型進行了在線辨識和離線辨識,LSSVM的在線辨識和離線辨識在本質(zhì)上并沒有區(qū)別,許多用于在線辨識的快速計算方法都可以在離線辨識中使用,重點在于LSSVM在線辨識的訓(xùn)練數(shù)據(jù)較少并且訓(xùn)練數(shù)據(jù)集會進行更新,僅訓(xùn)練出某一小段時間范圍內(nèi)的目標(biāo)模型并進行預(yù)測,節(jié)約了計算時間。文中通過仿真試驗證明了LSSVM能夠應(yīng)用于船舶模型的離線以及在線辨識,并且結(jié)果表明LSSVM針對船舶模型的在線辨識在海浪干擾下可表現(xiàn)出良好的性能。在SVM與控制結(jié)合的領(lǐng)域中,一類方法是將LSSVM本身作為控制律,結(jié)合最優(yōu)控制律進行求解,此類方法在設(shè)計時需要知道參考狀態(tài)以及控制目標(biāo)的模型;另一類方法是將SVM用于控制目標(biāo)的模型辨識,通過辨識出的模型在線調(diào)整或設(shè)計控制律。最后,本文將LSSVM同廣義預(yù)測控制(Generalized Predictive Control-GPC)相結(jié)合設(shè)計了一種用于算法驗證的簡易船舶航向自動舵,文中給出了主要模塊的電路圖以及主要軟件流程圖,并將所設(shè)計的船舶自動舵和文中搭建的船舶運動仿真系統(tǒng)進行了聯(lián)合調(diào)試,試驗結(jié)果表明文中所設(shè)計的船舶自動舵能夠?qū)崿F(xiàn)船舶運動過程中的航向控制,具有一定的實踐意義。
【關(guān)鍵詞】：最小二乘支持向量機 廣義預(yù)測控制 自動舵
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U664.82;TP18
【目錄】：

• 摘要4-6
• Abstract6-11
• 第一章 緒論11-15
• 1.1 研究背景和意義11-12
• 1.2 國內(nèi)外進展?fàn)顩r12-13
• 1.3 主要工作和研究內(nèi)容13-15
• 第二章 船舶運動數(shù)學(xué)模型15-23
• 2.1 引言15
• 2.2 船舶運動坐標(biāo)系15-16
• 2.3 船舶運動數(shù)學(xué)模型16-18
• 2.3.0 船舶運動數(shù)學(xué)模型基本組成16
• 2.3.1 舵機系統(tǒng)模型16-17
• 2.3.2 推進系統(tǒng)模型17
• 2.3.3 船舶縱移數(shù)學(xué)模型17
• 2.3.4 船舶橫移數(shù)學(xué)模型17-18
• 2.3.5 船舶艏向運動數(shù)學(xué)模型18
• 2.4 船舶干擾數(shù)學(xué)模型18-20
• 2.4.1 海浪數(shù)學(xué)模型18-19
• 2.4.2 海流數(shù)學(xué)模型19-20
• 2.5 船舶運動仿真系統(tǒng)20-21
• 2.6 本章小節(jié)21-23
• 第三章 支持向量機分類與回歸23-37
• 3.1 引言23
• 3.2 支持向量機23-27
• 3.3 最小二乘支持向量機27-30
• 3.3.1 最小二乘支持向量機分類27-29
• 3.3.2 最小二乘支持向量機回歸29-30
• 3.4 最小二乘支持向量機對船舶模型的辨識30-36
• 3.4.1 最小二乘支持向量機對船舶模型離線辨識30-33
• 3.4.2 最小二乘支持向量機對船舶模型在線辨識33-36
• 3.5 本章小結(jié)36-37
• 第四章 支持向量機在控制中的應(yīng)用37-45
• 4.1 引言37
• 4.2 最小二乘支持向量機在最優(yōu)控制中的應(yīng)用37-40
• 4.2.1 最優(yōu)控制問題37-38
• 4.2.2 采用支持向量機的最優(yōu)控制律38-40
• 4.3 支持向量機在基于模型的控制中的應(yīng)用40-44
• 4.3.1 支持向量機模型線性化40-42
• 4.3.2 基于支持向量機的廣義預(yù)測控制42-44
• 4.4 本章小節(jié)44-45
• 第五章 船舶自動舵的設(shè)計45-62
• 5.1 引言45
• 5.2 總體設(shè)計45-46
• 5.3 硬件系統(tǒng)設(shè)計46-50
• 5.3.1 硬件系統(tǒng)結(jié)構(gòu)46-47
• 5.3.2 綜合控制模塊設(shè)計47-49
• 5.3.3 電源模塊設(shè)計49
• 5.3.4 顯示模塊設(shè)計49-50
• 5.4 軟件設(shè)計50-55
• 5.4.1 軟件總體設(shè)計50-51
• 5.4.2 通訊協(xié)議解析51-53
• 5.4.3 控制算法軟件設(shè)計53-55
• 5.5 仿真試驗55-60
• 5.6 本章小結(jié)60-62
• 第六章 總結(jié)與展望62-64
• 參考文獻64-68
• 作者簡介及科研成果68-69
• 致謝69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機和小波分解的氣體識別研究[J];儀器儀表學(xué)報;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量機的一個邊界樣本修剪方法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2006年07期

3 張菁華;袁鑫;劉達;;基于支持向量機的電力工程最優(yōu)投標(biāo)報價決策研究[J];山東電力高等�？茖W(xué)校學(xué)報;2006年04期

4 張濤;段淑敏;;支持向量機在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報;2007年03期

5 王晶;靳其兵;曹柳林;;面向多輸入輸出系統(tǒng)的支持向量機回歸[J];清華大學(xué)學(xué)報(自然科學(xué)版);2007年S2期

6 陳丹;;多類支持向量機算法的研究[J];東莞理工學(xué)院學(xué)報;2007年05期

7 程麗麗;張健沛;馬駿;;一種改進的加權(quán)邊界調(diào)節(jié)支持向量機算法[J];哈爾濱工程大學(xué)學(xué)報;2007年10期

8 宋召青;崔和;胡云安;;支持向量機理論的研究與進展[J];海軍航空工程學(xué)院學(xué)報;2008年02期

9 郭濵;孫曉梅;薛明;;基于殼向量的邊界鄰近支持向量機[J];黑龍江交通科技;2008年12期

10 許超;運士偉;舒云星;;基于支持向量機的混凝土測強換算模型[J];洛陽理工學(xué)院學(xué)報(自然科學(xué)版);2008年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學(xué)習(xí)方法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：792392