论文部分内容阅读
随着航运事业的发展，船舶朝着大型化、高速化、智能化方向发展。超大型船舶在航行时，具有很大的惯性，对船舶的操纵控制要求高。另一方面，航运量的不断增大，船舶航行的密度越来越大，航道及港口变得相对狭窄，船舶操纵变得更加困难和复杂。为保证安全，提高航行的经济性，对船舶的操纵性能提出了更高的要求，因而有必要采用新的控制理论和技术。在实际的船舶航行过程中，船舶的各种操纵运动参数总是随着船舶的运行状态和航行环境的变化而发生变化，船舶操纵运动是一个时变、非线性和有干扰的过程。船舶操纵与控制系统的数学模型极其复杂，很难通过传统的数学工具来精确描述。因此，非常需要引入新的研究工具和高效的研究方法。
本文首先分析了船舶操纵与控制系统以及干扰信号的数学模型，并用matlab语言对其进行了仿真。接着对船舶航迹控制系统模型以及航迹与船位的推算进行了分析。然后深入研究了模糊控制、神经网络控制的基本原理及其在船舶航迹保持控制中的应用。在这一部分中，首先简要介绍了模糊控制、神经网络控制的原理；最后讨论了模糊控制器和神经网络控制器的具体实现过程，并在建立了模型和控制器的基础上设计了船舶航迹保持控制系统，并对控制系统进行了仿真。
在本文的最后部分作者对把一种新型的神经网络-PID元神经网络（PIDNN）以及自适应神经-模糊控制系统（ANFIS）应用于船舶操纵控制系统中做了一定的研究。
PID神经网络既具有常规PID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力，作者把这种新型神经网络应用于船舶航向控制系统与船舶的航迹控制系统中。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪航向输出并进行有效控制,且具有自适应性和一定的鲁棒性,满足实时控制的要求。
模糊逻辑系统有很强的知识表达能力和逻辑推理能力，但自学习能力比较差，而人工神经网络在自学习和函数逼近方面又具有独特的优越性，ANFIS是将两者结合的产物。用神经网络来实现模糊逻辑系统，构造了一个基于模糊神经网络控制器的船舶航迹保持自学习型自适应控制系统，为船舶操纵运动模糊神经网络控制系统的实际应用奠定了基础。