發(fā)布時(shí)間：2022-01-17 07:53

　　本文將傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)與量子并行計(jì)算的概念相結(jié)合,設(shè)計(jì)得到兩種全新的量子神經(jīng)網(wǎng)絡(luò)模型,分別為量子BP神經(jīng)網(wǎng)絡(luò)模型（Quantum BP Neural Network Model,QBP）與量子RBF（RadialBasis Function）神經(jīng)網(wǎng)絡(luò)模型（Quantum RBF Neural Network Model,QRBF）,此類量子神經(jīng)網(wǎng)絡(luò)模型綜合了量子與神經(jīng)網(wǎng)絡(luò)二者各自的優(yōu)點(diǎn),既具備量子并行計(jì)算的較快運(yùn)算速度,又具備神經(jīng)網(wǎng)絡(luò)處理非線性能力強(qiáng)的優(yōu)勢,可謂是取二者之所長,集一家之大成。其中,船舶自動舵是無人船航向保持控制問題研究中的重要組成部分,其性能的好壞直接關(guān)乎無人船的航行安全。因此,研究設(shè)計(jì)一種能夠更好地保障無人船海上航行安全的量子航向保持控制器就顯得十分重要。在本文研究中將該類量子神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在無人船航向保持控制問題的研究上,并且通過一系列的仿真對比實(shí)驗(yàn)與物理仿真對比實(shí)驗(yàn)證明了量子神經(jīng)網(wǎng)絡(luò)模型的航向保持控制能力。本文所做的工作如下:1.認(rèn)真研究了經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)模型與經(jīng)典的RBF神經(jīng)網(wǎng)絡(luò)模型,并對其各自的模型結(jié)構(gòu)、學(xué)習(xí)算法以及運(yùn)作機(jī)理模式進(jìn)行了深入... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．?１慣性坐標(biāo)系和附體坐標(biāo)系??Ｆｉｇ．?２．１?Ｉｎｅｒｔｉａｌ?ｃｏｏｒｄｉｎａｔｅ?ｓｙｓｔｅｍ?ａｎｄ?ａｐｐｅｎｄａｇｅ?ｃｏｏｒｄｉｎａｔｅ?ｓｙｓｔｅｍ??

?大連海事大學(xué)碩士學(xué)位論文???￣？ＥＳＴ?１??＾－＞（９）?微分?｜?＞??—？積分｜???圖２．２?ＰＩＤ控制系統(tǒng)??Ｆｉｇ．?２．２?ＰＩＤ?ｃｏｎｔｒｏｌ?ｓｙｓｔｅｍ??ＰＩＤ控制器作為一種線性控制器，其控制偏差量由給定值和實(shí)際輸出值：Ｋ０他??們間的數(shù)學(xué)差值決定，也就是：??ｅ｛ｔ）?＝?ｄ（ｔ）－ｙ（ｔ）?（２．９）??ＰＩＤ控制器的控制量也主要由偏差的比例、偏差的積分和偏差的微分３部分線性組??成，它的控制率見下式（２．１０）：??？（／）?＝夂沖）?＋＋／＞⑴?＋?（２．?１〇）??式（２．１０）中，比例系數(shù)，７；：積分時(shí)間常數(shù)，７；：微分時(shí)間常數(shù)。??ＰＩＤ控制器擁有三個(gè)校正部分，分別為：比例、積分、微分。三部分都分工明確，??在控制中扮演著不同的角色。其中比例環(huán)節(jié)擔(dān)任著成比例地表述ＰＩＤ控制系統(tǒng)中的偏差??信號的重任，控制系統(tǒng)在產(chǎn)生偏差后，控制器根據(jù)偏差采取相應(yīng)措施，從而縮小偏??差，過程中，需要注意的是，＼越大，整個(gè)系統(tǒng)則越趨向于不穩(wěn)定。積分環(huán)節(jié)則扮演著??消除靜差的角色，可以提升整個(gè)系統(tǒng)的無差度，積分時(shí)間常數(shù)７：則對積分直接產(chǎn)生影響，??直接影響著它的強(qiáng)弱，一旦積分時(shí)間常數(shù)７；與積分作用表現(xiàn)為反比例情況，也就是７；越??小，積分作用則就更大。反之相同。微分環(huán)節(jié)則在控制系統(tǒng)中承擔(dān)著反映偏差信號??的改變態(tài)勢的任務(wù)，能在偏差信號＜〇達(dá)到超調(diào)標(biāo)準(zhǔn)值之下時(shí)，在系統(tǒng)中增添進(jìn)合理的??早期修正信號，并以此提升系統(tǒng)調(diào)節(jié)的速度，縮短系統(tǒng)的調(diào)節(jié)時(shí)間。??傳統(tǒng)Ｐ１Ｄ航向保持控制器正是因?yàn)槠淙齻�(gè)參數(shù)的恒定性，既帶來了良好的控制性能??時(shí)，卻又造就了其對復(fù)雜多變環(huán)境中的干擾因素缺少應(yīng)變能力

?基于量子神經(jīng)網(wǎng)絡(luò)的無人船航向保持控制器???⑴當(dāng)４?＝?１的時(shí)候，項(xiàng)）｜０?＝?（５丨１１６＾〇５６＞。廣使得｜？５〉得以完全翻轉(zhuǎn)。??（２）當(dāng)０＜々＜１?的時(shí)候，＜Ｔ（々）｜＾＞〉＝（ｃｏｓ（々７ｔ／２?—ＡＸｓｉｎＣＡ：；？＇／］?—沒。））ｒ，使??得｜?得以部分翻轉(zhuǎn)。??（３）當(dāng)灸＝０的時(shí)候，ＣＸ々）｜＾？〉＝?（ｃｏｓ＜９０＿ｓｉｎ＜９。）７＇，這時(shí)｜ｐ〉并未翻轉(zhuǎn)。??５）多比特量子門??通常使用較多的為下圖３．１所示的兩位受控非門：??

【參考文獻(xiàn)】：
期刊論文
[1]基于蟻群算法的RBF神經(jīng)網(wǎng)絡(luò)在沖量式谷物流量傳感器中的應(yīng)用[J]. 劉暢,李志剛,偉利國,王吉中,李陽.  江蘇農(nóng)業(yè)科學(xué). 2019(15)
[2]基于粒子群的后件多項(xiàng)式RBF神經(jīng)網(wǎng)絡(luò)算法[J]. 王燕燕,王宏偉.  計(jì)算機(jī)工程與應(yīng)用. 2019(12)
[3]量子并行神經(jīng)網(wǎng)絡(luò)[J]. 陳佳臨,王伶俐.  計(jì)算機(jī)學(xué)報(bào). 2019(06)
[4]全球自主:國外無人水面艇未來發(fā)展及關(guān)鍵技術(shù)[J]. 宋磊.  軍事文摘. 2015(13)
[5]基于受控Hadamard門的量子神經(jīng)網(wǎng)絡(luò)模型及算法[J]. 李盼池,周紅巖.  計(jì)算機(jī)研究與發(fā)展. 2015(01)
[6]基于量子—BP神經(jīng)網(wǎng)絡(luò)的教學(xué)評價(jià)研究[J]. 冉燕輝.  信息技術(shù). 2014(05)
[7]欠驅(qū)動水面船舶航跡跟蹤自抗擾控制[J]. 李榮輝,李鐵山,卜仁祥.  大連海事大學(xué)學(xué)報(bào). 2013(02)
[8]航海模擬器中適應(yīng)式魯棒航跡保持算法[J]. 張顯庫,尹勇,金一丞,張秀鳳,孫霄峰.  中國航海. 2011(04)
[9]基于k均值和量子遺傳算法的RBF網(wǎng)絡(luò)優(yōu)化[J]. 趙磊,賈振紅,覃錫忠,楊杰,龐韶寧.  計(jì)算機(jī)工程. 2011(10)
[10]基于量子粒子群-徑向基神經(jīng)網(wǎng)絡(luò)模型的風(fēng)速預(yù)測[J]. 趙高強(qiáng),傅瓅.  內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(01)

博士論文
[1]船舶自動避碰決策系統(tǒng)的研究[D]. 鄭中義.大連海事大學(xué) 2000



本文編號：3594349