带有舵机特性的船舶航向自动舵DSC-MLP设计

为了研究船舶航向非线性系统的自适应自动舵跟踪控制问题,采用T-S模糊系统逼近模型不确定性,将动态面控制与最少学习参数算法结合,提出了一种自适应模糊跟踪控制算法.该算法学习参数少、计算量小,易于工程实现;并且能够避免可能存在的控制器奇异值问题.同时,该算法保证了闭环系统的稳定性,能够使得航向跟踪误差任意小.仿真结果验证了控制器的有效性.

一种简化的减摇鳍自适应神经网络控制

基于Lyapunov稳定性定理和动态面控制技术,针对船舶减摇鳍系统提出了一种自适应神经网络控制设计方法。文章采用动态面控制技术消除传统Backstepping方法中存在的"计算爆炸"问题,同时从实际应用的角度出发,充分考虑系统中存在的显著不确定性,并运用径向基神经网络对不确定性进行估计及补偿。此外,采用最少学习参数技术减少控制器的计算负担,使所设计的控制器更贴近工程应用。文中所设计的控制器保证了船舶减摇鳍系统信号一致最终有界,使系统输出收敛到一个较小区间,最后通过数值仿真验证了所提算法的有效性。

开关磁阻电机直接自适应神经网络控制

针对开关磁阻电机调速系统存在的未知参数波动和外部负载扰动问题,提出了直接瞬时转矩控制下的基于最小学习参数的直接自适应神经网络控制算法实现开关磁阻电机高品质调速控制。采用RBF神经网络对包含未知参数波动和外部负载扰动等不确定项的理想控制律进行整体逼近。将神经网络理想权值的范数作为在线估计参数,使在线学习参数由多个权值减少为一个,降低了控制器的计算负担。基于李雅普诺夫函数的稳定性分析保证了闭环调速系统半全局一致最终有界稳定。与PI控制的对比仿真试验表明,直接自适应神经网络控制器能够有效地提高开关磁阻电机调速系统对参数波动的自适应性和对外部负载扰动的鲁棒性。

基于逼近的动态面二阶滑模的船舶航向跟踪控制

针对船舶航向非线性运动数学模型存在不确定性误差的情况下,提出一种新颖的动态面二阶滑模智能控制方法。首先采用动态面控制(DSC)技术,以消除传统Backstepping方法中存在的"计算爆炸"问题。为了削弱滑模控制中固有的抖振效应,提高系统的鲁棒性,引用了一种新颖的二阶滑模控制方法。然后直接利用径向基神经网络技术逼近模型误差,同时采用最少学习参数(MLP)技术,以减少控制器的计算负担,所设计的控制器可以保证闭环系统中所有信号一致最终有界,并使跟踪误差任意小,最后通过仿真验证所提算法的有效性。

船载稳定平台的鲁棒自适应神经网络控制

针对船载稳定平台的平稳控制问题,考虑到稳定平台存在未建模动态等不确定性以及未知时变环境扰动,将自适应技术、径向基神经网络技术与矢量逆推的方法相结合,提出一种鲁棒自适应神经网络的稳定平台控制方案。采用矢量逆推的方法,设计稳定平台的平稳控制律;运用径向基神经网络技术对稳定平台系统的未建模动态等不确定性进行估计及补偿;利用自适应技术在线估计径向基神经网络相关参数及环境扰动的上界;并引入最少学习参数方法降低控制方案的计算负载。通过Lyapunov理论证明稳定平台闭环控制系统的所有变量的一致最终有界性。最后,基于稳定平台的仿真结果验证了所提出的鲁棒自适应神经网络控制方案的有效性。

基于DSC和MLP的船舶航向跟踪控制

针对非线性船舶航向运动数学模型存在模型误差的情况,提出一种神经网络控制方法.基于Lyapunov稳定性分析理论,采用动态面(DSC)控制技术,以消除传统Backstepping方法中存在的"计算爆炸"问题,并采用最少学习参数(MLP)技术,以减少控制器的计算负担,便于工程实现和应用.设计的神经网络控制器可以保证闭环系统中所有信号一致最终有界,使跟踪误差任意小.仿真验证了算法的有效性.

基于Backstepping和输入饱和的船舶航向跟踪控制

基于Lyapunov稳定性定理和Backstepping方法,针对非线性船舶航向运动数学模型提出一种考虑输入饱和的直接自适应神经网络控制方法.采用Backstepping方法对系统进行递归式设计并借助一种饱和内补偿辅助系统处理系统中的输入饱和限制问题,同时运用最少学习参数(MLP)技术,以减少控制器的计算负担,便于工程实现和应用.本文设计的控制器保证了闭环系统信号一致最终有界,而且使系统输出能收敛到零的一个较小领域.数值仿真验证了该算法的有效性.

带有舵机特性的船舶航向自动舵实用设计

为研究船舶航向非线性系统自适应自动舵跟踪控制问题,采用模糊系统逼近模型不确定性,将动态面控制与最少学习参数算法结合,提出一种自适应模糊跟踪控制算法.该算法只有1个学习参数,计算量小,易于工程实现,可避免可能存在的控制器奇异值问题.同时,该算法可保证闭环系统的稳定性,使航向跟踪误差任意小.仿真结果验证了控制器的有效性.