基于广义椭球基函数模糊神经网络的油轮转向动态响应模型(英文)

基于广义椭球基函数模糊神经网络(GEBF-FNN)算法,提出一种新颖的油轮转向动态响应模型.通过事先建立好的一组油轮操纵非线性微分方程获得训练数据,GEBF-FNN算法用于在线辨识Nomoto型油轮转向响应模型的参数K和T.具体地,GEBF-FNN模型从没有任何模糊规则开始,基于规则生长准则和参数估计方法,在线生成模糊规则,从而学习出由一组模糊规则构成的具有高精度和精简系统结构的油轮转向动态响应模型.为验证该动态响应模型的有效性,针对典型的Z形操纵进行仿真研究,并进行广泛的比较研究,仿真结果显示基于GEBF-FNN算法的油轮动态响应模型具有理想的逼近和预测性能.

基于自组织广义椭球基函数模糊系统的船舶航向保持控制

为能够以较小计算量实现船舶航向的精确控制,针对船舶航向保持控制设计一种基于自组织广义椭球基函数模糊系统(SO-GEBF-FS)的航向保持控制器.分析非线性船舶航向运动模型,介绍SO-GEBF-FS的结构及组成,并设计一种有效的规则生长修剪算法.采用DSC设计方法设计控制器,利用SO-GEBF-FS逼近其中不确定性,通过Lyapunov稳定性理论证明闭环系统稳定性.将所设计控制器应用于船舶航向运动数学模型,结果验证了该控制器的有效性和优越性.