基于改进粒子群算法的船舶航向PID控制研究

针对船舶运动具有时滞性特点,传统PID控制航向算法难以达到预期的控制精度,采用改进粒子群优化算法(Particle Swarm Optimization,PSO)对PID控制器参数优化。首先采用Nomoto模型作为船舶运动模型;其次将随机正弦调整策略与概率变异策略相结合对目标函数寻优,提高粒子群在解空间的搜索能力,避免其陷入局部最优解,加快算法收敛速度;最后将优化后的参数输入到控制系统中仿真船舶航向保持运动。仿真结果表明采用改进粒子群优化算法调整PID控制参数提高了船舶的航向控制性能,船舶航向调整时未出现超调,且控制系统可以控制船舶航向稳定在设定航向附近。

无人艇在水产养殖中的应用研究

水产养殖在中国具有悠久的历史,其中粗养方式占有很大的比重,但是这种方式主要靠人力为主,人的劳动强度很大,随着科技不断和农业融合,将科技应用到水产粗养的方式中可以有效降低养殖人员的劳动强度,无人艇能够实现水产养殖过程中所需的多种功能,因此它在水产养殖方面具有广泛的应用前景。

随机波浪下基于粒子滤波算法的船舶航向控制

针对波浪扰动环境下船舶航向运动控制问题,运用粒子滤波(particle filter,PF)算法对含有随机扰动的船舶运动状态变量进行优化。根据三自由度整体型船舶运动模型,以及海浪扰动力模型,建立状态方程和观测方程。在此基础上,基于后验概率估计原理采用随时间变化的加权随机粒子之和逼近真实状态变量,并利用蒙特卡洛抽样方法来实现此状态估计过程。在获得真实状态变量后,采用比例-积分-微分(proportion integral derivative,PID)控制算法计算出指令舵角,通过调整舵角对船舶在波浪环境下的航向进行控制。仿真结果表明经粒子滤波算法处理后,在波浪环境下,船舶的航向角非常接近指定航向角,并且在不同类型的运动下,船舶航向控制性能都得到了显著的提升。

基于改进粒子群优化算法的船舶航向控制

通过船舶响应型数学模型、舵机伺服系统、海浪干扰模型和PID控制器来设计船舶航向控制,并且将粒子群优化算法(PSO)加入到航向控制中,获得最优PID参数值。考虑到粒子群迭代次数和搜索过程中目标函数对PID参数值有一定的影响,主要研究改变迭代次数和目标函数来比较对应的PID参数,根据不同PID参数对应不同的控制效果,继而得出最优控制效果。结果表明:在迭代次数90时,能得到控制效果较好的PID控制参数,目标函数的改变对PID参数值的影响较大。