船舶运动混合智能控制评述_李文魁
智能控制技术在船舶自动化系统中的应用
智能控制技术在船舶自动化系统中的应用近年来，随着科技的不断进步和航运业的快速发展，智能控制技术在船舶自动化系统中的应用越来越广泛。
这种先进技术的应用不仅提高了船舶的安全性和效率，也为船舶领域的持续创新带来了无限的可能性。
首先，智能控制技术在船舶自动化系统中的应用大大提高了船舶的安全性。
通过引入智能感知和自适应控制技术，船舶能够实时感知周围环境的变化，并快速作出相应的反应。
例如，当船舶遭遇恶劣的天气或突发状况时，智能控制系统能够根据实时数据调整船舶的航向和速度，确保船舶安全地通过难以预测的情况。
此外，智能控制系统还可以监测船舶各个关键部件的工作状态，并在出现故障或异常时自动发出警报，及时采取措施避免事故的发生。
其次，智能控制技术的应用使船舶自动化系统的管理更加高效。
传统船舶需要依靠人工操作和监控，不仅工作量大，而且容易出现人为错误。
而有了智能控制技术的引入，船舶的各个系统可以实现自主运行和自动管理。
比如，智能控制系统能够根据船舶的航行计划和环境条件，自动调整船舶的节能模式和动力分配，提高燃油利用率和节能效果。
另外，智能控制技术还能够实现对船舶货物和设备的智能管理，实时监控和调度货物的装卸和运输过程，提高作业效率和准确性，降低物流成本。
再次，智能控制技术的应用推动了船舶领域的持续创新。
智能控制系统的引入不仅为船舶自动化带来了更高的水平，也为船舶相关领域的发展提供了新的契机。
例如，基于人工智能和大数据技术的智能船舶系统可以利用历史数据和实时监测信息进行智能分析和预测，为航运公司提供更精准的货物运输方案和船舶调度策略。
此外，智能控制技术的应用还可以推动船舶的绿色化和环保发展。
通过智能控制系统对船舶动力和排放进行优化调整，船舶能够减少二氧化碳和污染物的排放，为船舶领域的可持续发展做出贡献。
综上所述，智能控制技术在船舶自动化系统中的应用具有重要意义。
它不仅提升了船舶的安全性和管理效率，也推动了船舶领域的不断创新和发展。
船舶动力系统的智能控制技术研究
船舶动力系统的智能控制技术研究摘要：船舶动力系统是船舶的基本系统,直接决定着整艘船的安全、稳定、可靠和经济性。
随着航运业的不断发展和性能要求的提高,船舶动力系统的智能控制技术近年来取得了长足的进步。
船舶动力系统应积极实施智能管理,优化动力系统运行,避免智能管理效率低下。
本文介绍了船舶动力系统的研究背景,并探讨了智能控制的内容。
关键词：船舶；动力系统；智能控制船舶动力系统是影响船舶稳定、安全、经济和可靠性的最重要系统,是整个船舶最重要的组成部分。
随着造船技术的飞速发展和性能要求的不断提高,智能船舶推进控制技术近年来发展这个需要修改一下。
加个逻辑图。
内容精简一下。
迅速。
由于新型船舶动力系统的不确定、非线和复杂性,传统速度调节技术已不能满足各种要求,智能船舶动力控制系统已成为当前的趋势。
一、我国船舶动力系统发展现状目前,我们的船舶主要使用柴油发动机和燃气轮机，动力系统具有安全可靠、启动效率高、运行成本低、功率范围广、在一定负载下运行性能好、技术成熟等优点。
因此,在这一点上,我们的大多数船舶都使用柴油发动机作为推进系统。
同时,燃气轮机供电系统因其节能低、功率大、加速性能可靠、环保等特点,在市场上得到了推广。
然而,燃气轮机的高总消耗和更严格的燃料要求也限制了燃气轮机发电系统的发展。
近年来,动力系统演变为双燃料、单缸是高性能汽缸智能动力系统,是电力动力、混合动力系统。
其中,电力系统广泛采用交流技术,具有安装方便、控制性能好、自动控制强、绿色环保、发展前景好等诸多优点。
此外,混合动力系统由于其稳定性和可靠性,是中国船舶动力系统发展的另一个重要方向,可应用于军舰和大型远洋商船。
二、船舶动力系统的特点船舶动力系统是一种复杂的机械设备,保证了船舶的正常运行以及船员和乘客的正常工作和生活，动力作为船舶的重要组成部分,主要由主动和辅助供电组成，它需要科学和合理开展。
除了主动力系统外,辅助系统是船舶发动机不可分割的组成部分,主要由发电机、自动控制器等组成如图1所示。
船舶智能控制系统的研究与应用
船舶智能控制系统的研究与应用在当今科技飞速发展的时代，船舶行业也迎来了智能化的变革。
船舶智能控制系统作为这一变革的核心，正逐渐成为提高船舶运行效率、安全性和可靠性的关键因素。
本文将深入探讨船舶智能控制系统的研究现状、关键技术以及在实际应用中的表现和未来发展趋势。
一、船舶智能控制系统的概述船舶智能控制系统是一个综合了多种先进技术的复杂系统，它通过对船舶的各种设备、系统和运行参数进行实时监测、分析和控制，实现船舶的自动化操作和优化管理。
这一系统涵盖了船舶的动力系统、导航系统、通信系统、货物装卸系统等多个方面，旨在提高船舶的整体性能和运营效益。
船舶智能控制系统的发展历程可以追溯到上世纪，随着计算机技术、传感器技术、通信技术等的不断进步，船舶控制系统逐渐从传统的机械控制、电气控制向数字化、智能化控制转变。
早期的船舶控制系统主要依赖于人工操作和简单的自动化设备，功能相对单一，控制精度和可靠性也较低。
而现代的船舶智能控制系统则融合了人工智能、大数据、物联网等前沿技术，具备了更加智能、高效和精准的控制能力。
二、船舶智能控制系统的关键技术1、传感器技术传感器是船舶智能控制系统获取船舶运行状态信息的关键设备。
通过安装在船舶各个部位的传感器，如压力传感器、温度传感器、速度传感器、位置传感器等，可以实时采集船舶的各种参数，如主机转速、油温、航速、船位等。
这些传感器将采集到的信息传输给控制系统，为系统的分析和决策提供数据支持。
为了提高传感器的精度和可靠性，近年来，一些新型传感器技术，如光纤传感器、MEMS 传感器等，逐渐在船舶上得到应用。
2、通信技术高效可靠的通信技术是实现船舶智能控制的重要保障。
船舶智能控制系统需要将采集到的大量数据实时传输到控制中心，并接收控制中心的指令。
目前，船舶通信技术主要包括卫星通信、短波通信、VHF通信等。
随着 5G 技术的发展，未来有望为船舶通信提供更高的带宽和更低的延迟，进一步提升船舶智能控制系统的性能。
基于智能算法的船舶智能控制技术研究
基于智能算法的船舶智能控制技术研究随着人类社会的进步和科技的发展，航海技术得到了飞速的发展，其中船舶控制技术是至关重要的一环。
船舶智能控制技术是一种新型的控制方法，它采用智能算法来控制船舶，这种控制方式可以使船舶在不同的环境下实现精准、高效的控制。
本文将综合讨论船舶智能控制技术的原理和应用，并探究船舶智能控制技术的发展方向。
一、船舶智能控制技术原理船舶智能控制技术的核心是智能算法，它是基于信息学、数学、物理学等学科的交叉应用，通过收集并处理一系列的数据，以求解复杂的问题。
传统的船舶控制技术主要采用PID控制器等经典控制算法，但是这些算法的参数需要根据不同的环境和船舶进行手动调节，一旦自适应性能不足，很容易导致控制系统的不稳定。
与此相反，船舶智能控制技术基于智能算法的应用，通过对数据的自学习和自适应，可以调整参数并根据不同的运行环境进行自适应控制。
智能算法可以为控制系统提供更加稳定的控制性能，降低误差和能耗。
目前，船舶智能控制技术的应用主要有以下几种：二、船舶智能控制技术应用1. 船舶自动控制船舶自动控制是基于智能算法的应用之一，它可以控制船舶在不同的航线上自动导航、实现自动化控制和调整，从而降低工作强度和人工控制误差，提高航行速度及能效。
2. 船舶动力学模型船舶动力学模型可以通过采集和分析各种船舶数据差异来预测船舶的动力学特性，从而优化控制船舶的控制算法。
3. 船舶动态参数的估计通过智能算法，可以实时采集船舶的关键动态参数数据，并且实时估计，以了解船舶的操作状态及其特点。
在船舶运行过程中，及时对这些参数进行估计，可以有效提高船舶的控制性能，提高控制精度，最小化运行误差。
三、船舶智能控制技术的研究方向1. 利用机器学习算法进行数据模拟和优化随着深度学习、神经网络和强化学习等技术的发展，研究人员将这些技术应用于船舶智能控制领域，提高船舶控制性能和效率。
例如，在数据方面，可以采用深度学习技术将大量数据进行训练，建立更加准确的模型；在优化方面，可以使用优化算法和多目标优化算法等，来解决复杂的问题并优化船舶控制系统效果。
船舶智能控制技术的应用与发展研究
船舶智能控制技术的应用与发展研究在当今科技迅猛发展的时代，船舶行业也紧跟步伐，不断引入创新技术以提升船舶的性能、安全性和运营效率。
其中，船舶智能控制技术的出现无疑是一项重大突破，为船舶领域带来了前所未有的变革。
船舶智能控制技术涵盖了多个方面，包括但不限于船舶自动驾驶、动力系统智能控制、导航与通信智能化等。
这些技术的应用，使得船舶在航行过程中能够更加精准地执行任务，减少人为失误，提高运输效率。
在船舶自动驾驶方面，智能控制技术通过传感器、卫星定位和数据分析等手段，实现了船舶的自主航行。
船舶能够根据预设的航线和实时的海洋环境信息，自动调整航向、航速，避免碰撞。
这不仅减轻了船员的工作负担，还能在恶劣天气和复杂海况下保持船舶的稳定运行。
例如，一些先进的船舶已经能够在没有船员直接操作的情况下，完成长距离的航行任务，并且能够准确地停靠在指定的港口。
动力系统的智能控制是船舶智能控制技术的另一个重要应用领域。
通过对船舶发动机、推进器等设备的实时监测和数据分析，智能控制系统可以优化动力输出，提高燃油利用率，降低排放。
同时，当动力系统出现故障或异常时，智能控制技术能够迅速做出诊断，并采取相应的措施，保障船舶的安全运行。
比如，当发动机出现过热或油压异常时，系统会自动降低功率或停机，避免造成更严重的损坏。
导航与通信的智能化也为船舶航行带来了极大的便利。
智能导航系统能够结合卫星导航、电子海图和气象信息，为船舶提供更加准确和可靠的导航服务。
船员可以实时了解船舶的位置、周围的障碍物和气象条件，提前做出决策。
智能通信技术则实现了船舶与岸基、其他船舶之间的高效信息交流，使得船舶的运营管理更加便捷和高效。
船舶智能控制技术的发展并非一蹴而就，而是经历了一个逐步演进的过程。
早期的船舶控制主要依赖人工操作和简单的机械控制装置，随着电子技术和计算机技术的发展，逐渐出现了自动化控制系统。
然而，这些早期的系统在功能和智能化程度上还存在很大的局限性。
船舶动力系统的智能控制技术研究与应用
船舶动力系统的智能控制技术研究与应用在现代航海领域，船舶动力系统的性能和效率对于船舶的运行安全、经济性以及环保性都具有至关重要的意义。
随着科技的不断进步，智能控制技术逐渐成为船舶动力系统优化和改进的关键手段。
本文将深入探讨船舶动力系统智能控制技术的研究现状、关键技术以及实际应用，并对其未来发展趋势进行展望。
船舶动力系统是一个复杂的综合性系统，包括主机、辅机、传动系统、推进系统等多个部分。
其运行状态受到多种因素的影响，如负载变化、海况、燃油品质等。
传统的控制方法往往难以应对复杂多变的工况，导致动力系统的性能无法得到充分发挥，同时也增加了能耗和维护成本。
智能控制技术的出现为解决这些问题提供了新的思路。
智能控制技术是一种融合了控制理论、人工智能、计算机技术等多学科知识的先进控制方法。
它能够根据系统的实时运行状态和环境变化，自动调整控制策略，实现对船舶动力系统的精确控制。
在船舶动力系统智能控制技术中，模糊控制是一种常用的方法。
模糊控制通过模糊推理和模糊规则来处理不确定性和模糊性信息。
例如，在船舶主机的转速控制中，可以根据负载的模糊变化来调整燃油喷射量，从而实现平稳的转速调节。
神经网络控制也是一种重要的手段。
神经网络具有强大的学习和自适应能力，能够通过对大量历史数据的学习，建立起动力系统的模型，并据此进行预测和控制。
此外，遗传算法、专家系统等智能控制技术也在船舶动力系统中得到了广泛的应用。
船舶动力系统智能控制技术的关键在于数据采集和处理。
为了实现精确的控制，需要采集大量的实时运行数据，如主机转速、扭矩、油温、油压等。
这些数据通过传感器和监测系统获取后，需要进行有效的处理和分析，以提取出有用的信息。
数据处理技术包括滤波、降噪、特征提取等，目的是提高数据的质量和可靠性。
智能控制算法的设计也是一个关键环节。
不同的智能控制算法具有不同的特点和适用范围，需要根据船舶动力系统的具体要求进行选择和优化。
例如，在对响应速度要求较高的情况下，可以选择具有快速收敛性的算法；而在对控制精度要求较高的情况下，则需要选择精度更高的算法。
智能控制在船舶自动化中的应用
智能控制在船舶自动化中的应用智能控制在船舶自动化中扮演着至关重要的角色。
船舶自动化是为了提高船舶的安全性、可靠性和效率而进行的技术革新，而智能控制是其中最关键的一环。
本文将介绍智能控制在船舶自动化中的应用，从船舶操控到各个系统的监测与控制。
一、船舶操控的智能控制应用在船舶自动化中，智能控制在船舶操控方面发挥着重要的作用。
通过引入智能控制技术，船舶操控不再依赖传统的人工操控，而是通过自动化系统来实现。
智能控制通过传感器收集船舶的动力、转向以及环境数据等信息，并通过控制系统进行数据分析和决策，从而实现船舶的自主操控。
这种智能操控的方式，大大提高了船舶的操控精度和安全性，减少了人为因素对船舶操控的影响。
二、智能控制在船舶动力系统中的应用船舶的动力系统是船舶自动化中的重要组成部分，而智能控制在船舶动力系统中也有广泛的应用。
智能控制技术通过对船舶的动力系统进行数据监测和分析，可以实现对发动机、涡轮机等部件的智能控制和优化。
同时，智能控制还可以根据船舶的实际工况和运行状态，自动调节动力系统的工作参数，以提高船舶的燃油利用率和运行效率。
这种智能化的动力系统控制，不仅可以降低船舶的能耗和排放，还可以提升船舶的性能和可靠性。
三、智能控制在船舶导航系统中的应用船舶导航系统是船舶自动化中另一个重要的应用领域。
智能控制技术通过船舶导航系统中的传感器和数据采集设备，实时获取船舶的位置、速度、姿态等导航信息。
在此基础上，智能控制系统对船舶的导航进行监测和分析，并通过自主导航算法和路径规划算法，实现对船舶导航的智能控制。
智能导航系统可以根据船舶的目标位置和航行条件，自动调整导航策略和路径选择，确保船舶的航行安全和效率。
四、智能控制在船舶安全监测与控制系统中的应用为了保障船舶的安全，船舶自动化中还需要智能控制在船舶安全监测与控制系统中的应用。
这些系统通过安装各类传感器和监测装置，可以实时监测船舶的结构状况、船舶载荷以及周围环境等信息。
智能控制技术在船舶动力系统中的应用研究
智能控制技术在船舶动力系统中的应用研究摘要：船舶动力系统是船舶核心部件之一，对船舶性能和安全至关重要。
随着科技的不断发展，智能控制技术在船舶动力系统中的应用正在日益普及和深入。
本文主要探讨了智能控制技术在船舶动力系统中的应用现状、挑战以及未来发展方向，并总结了智能控制技术在船舶动力系统中的优势和意义。
1. 引言船舶动力系统是船舶的重要组成部分，包括船舶的动力装置、传动装置和控制系统等。
船舶动力系统的稳定性和可靠性对船舶的航行安全和效率具有重要意义。
随着信息技术和自动化技术的迅猛发展，智能控制技术逐渐应用于船舶动力系统中，为船舶提供更高效、更精确的控制和监测手段。
2. 智能控制技术在船舶动力系统中的应用现状2.1 自适应控制算法自适应控制算法能够根据不同船舶工况条件自动调整控制参数，以满足船舶动力系统的动态变化需求。
该技术在提高船舶动力系统的稳定性和响应性方面具有独特优势。
2.2 模糊控制算法模糊控制算法能够处理船舶动力系统中的非线性和参数不确定性问题，提高了船舶动力系统的控制精度。
通过模糊控制算法，船舶能够根据当前的工况条件自动调整控制策略，提高动力系统的响应速度和稳定性。
2.3 神经网络控制算法神经网络控制算法能够模拟人类大脑的学习和记忆能力，通过学习历史数据和经验，提供船舶动力系统的智能控制策略。
该算法能够处理船舶动力系统中的复杂和非线性问题，在提高系统性能和控制精度方面具有一定的优势。
3. 智能控制技术在船舶动力系统中的挑战尽管智能控制技术在船舶动力系统中具有广阔的应用前景，但仍然面临着一些挑战。
3.1 系统可靠性和安全性船舶动力系统的可靠性和安全性是船舶运行的关键要素。
智能控制技术在关键系统中的应用需要更高的可靠性和安全性，以确保船舶的正常运行和船员的生命安全。
3.2 算法鲁棒性船舶动力系统中的工作环境通常恶劣，存在大量的干扰和噪声。
智能控制技术需要具备较高的鲁棒性，能够在复杂环境下稳定运行。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
习, 解决教师监督算法需要大量样本数据的问题. 林叶锦[ 13] 研究了一种 G A 优化的径向基 函数模 糊神经网络控制器, 用于船舶航向控制, 以满足船 舶在时变和不确定环境下的控制性能要求. 2. 2 基于神经网络的混合智能控制 2. 2. 1 神经网络监督控制 该方法在神经网络 控制早期阶段使用较多. 监督控制是以某种教师 信号监督神经网络进行训练, 如 Burns[ 14] 提出的 最优控制监督 BP 网络用于实现船舶航迹控制. 2. 2. 2 神经网络直接控制 脱离/ 教师0监督, 实 现神经网络在线学习和直接控制是神经网络控制
图 1 船舶航向神经模糊容错控 制
2. 1. 4 GA 优 化的 神经 网络 模糊 控制 杨 国 勋[ 12] 将 GA 优化的模糊神经网络控制算 法应用 于船舶航向控制, 同时应用了结构混合和分时混 合方法. 离线控制阶段, 采用 GA 对模糊神经网络 权值和隶属度函数进行寻优; 离线控制阶段, 模糊 神经网络控 制器采用强化学 习算法进行在线 学学习能力ຫໍສະໝຸດ 差知识表达好
处理非线性 好
优化能力
差
容错性
好
处理不确定性 好
实时性
好
智能控制
A N N GA 差差 好 较好 差 较差 好好
较好 好 好好 好好
较 好 较差
ES 较差 差 好 较差 差 差 差 差
传统控制
PID H ] 好好 差差 较差 较差 差差 较差 较差 差好 差好 好好
模糊控制的优点是具有良好的知识表达和推 理能力, 算法简单, 便于实时控制. 但常规模糊控 制器的参数和规则事先由人工确定, 适应性差, 对 时变系统控制效果不佳. 因此良好的模糊控制器应 能借助其他手段在线调节模糊推理的比例因子、隶 属度函数或模糊规则, 实现自适应模糊控制.
关键词: 船 舶运动控制; 混合智能控制; 评述
中图法分类号: U 666. 11
DOI: 10. 3963/ j. issn. 1006- 2823. 2009. 03. 016
船舶运动控制一直是自动控制技术应用最为 活跃的领域之一, 控制技术的最新成果不断推动 着船舶运动控制技术的发展. 自动控制理论经历 了从经典控制、现代控制等传统控制到智能控制 的发展过程, 自动操舵仪也从 P ID 自动舵、自适 应舵, 逐步向鲁棒舵、智能舵方向发展. 20 世纪 90 年代, H ] 控制、神经网络控制、模糊控制、多模态 仿人控制被不同程度地引入到自动舵研制中[ 1] , 递阶分层控制在综合船桥系统( 船舶综合导航控 制系统) 中得以产品化实现. 混合智能控制技术虽 然现在还处于发展阶段, 尚未成熟, 但其表现出的 强大生命力, 激励着自动控制领域以及船舶工程 领域的专家与工程人员共同探索, 在理论研究和 工程应用两方面不断取得进展.
# 468 #
武汉理工大学学报( 交通科学与工程版)
2009 年 第 33 卷
确定; 各规则输出对应的后件参数由各种优化方 法离线训练得到, 并采用加权求和法进行解模糊, 实时性好.
T ang T ianhao[ 11] 等将 A N F IS 用于舵机失效 时的容错控制, 见图 1. ANF IS 作为航向控制器, SINN 为系统辨识神经网络, 为 ANF IS 在线训练 提供参考信号, 训练的目标是使 SINN 的输出跟 踪系统实际输出, 采用 自适应最小均方 算法 ( AL M S) 调整学 习速率. 图 中: L 为舵 机有效 系 数; t 为瞬时参考. 神经模糊容错控制与 PID 控制 对比仿真表明, 在舵机失效 30% 并有海浪干扰情 况下, 航向跟踪 性能几乎 接近标称 性能, 而 PID 控制则不具备容错性.
性使其成为自动控制理论最为活跃的应用研究领域之一. 智能控制 以及各种智 能技术集 成的混合
智能控制方法在这一领域得到广泛 关注. 文中分 析比较 了各种 智能控制 和传统 控制的 特点、混合
模式, 介绍 了混合智能控制应用于船舶运 动控制 的研究 成果, 指出了 现有混 合智能 控制尚 未有效
解决的问题及船舶运动控制研究的发展方向.
神经网络和模糊逻辑系统两种智能技术具有 良好的互补性, 这两者集成目前在混合智能控制 中研究最为广泛. 人工神经网络与模糊系统的结 合, 主要有 3 种基本方式: ( 1) 神经模糊系统 ( NF IS) . 将 模糊系 统各环节 表述为神 经网络 形 式, 神经网络提供学习功能. 通过神经网络学习提 取模糊规则, 则 成为自适应神 经模糊系 统( ANFIS) . ( 2) 模糊神经网络. 保留神经网络结构, 将 部分单元模糊化. 例如将训练及工作过程中的神 经网络分类器的输出视为一种模糊类别标志, 或 者改变神经元的综合函数和传递函数形式, 使神 经元在功能上表现为各种模糊运算操作, 将模糊 运算操作与神经网络的学习机制相结合等[ 3] . ( 3) 模糊-神经混合系统( F- NN) . 模糊系统和 神经网 络集成于一个系统, 各自独立承担任务, 如将神经 网络作为在线辨识器, 模糊系统作为控制器; 神经 网络作为控制器, 模糊系统对神经网络输入数据 进行预处理. 各种集成方式在船舶运动控制中都 得到了应用.
1 智能技术比较及混合智能控制设 计方法
1. 1 智能技术比较 模糊系统、神经网络、专家系统以及遗传算法
是智能技术的几大重要分支. 尽管各种智能技术 有其显著优点, 但也都有其不足. 表 1 为各种智能 控制与传统控制性能的对比[ 2] .
表 1 智能控制与传统控制的 性能对比
性能 数学描述
FIS 较好
船舶运动混合智能控制评述*
李文魁1, 2) 田蔚风2) 陈永冰1) 周永余1) 周 岗1)
( 海军工程大学电气与信息工程学院1) 武汉 430033) ( 上海交通大学电院仪器系导航与控制研究所2) 上海 200240)
摘要: 船舶 运动控制表现出强干扰、时变、非线性、不 确定、高可靠 性要求 的特点, 其重 要性和 复杂
神经网络利用人工神经元组成网络进行并行 计算, 其突出优点是函数逼近和自学习能力, 适合 非线性系统辨识和自适应控制; 具有较强的容错 能力, 可用于故障诊断与容错控制, 其缺点是理论 不成熟、实时性差、硬件实现成本高等. 神经网络 直接作为控制器使用, 关键要解决收敛和学习速 度的问题.
收稿日期: 2009-01- 08 李文魁: 男, 36 岁, 博士, 副教授, 主要研究领域为船舶运动控制及组合导航 * 国家自然科学基金项目( 批准号: 40676055) , 海军工程大学自然科学基金项目( 批准号: H GD JJ05013) 资助
遗传算法( GA) 、模拟退火算法( SA ) 、禁忌搜 索算法( T S) 等优化算法能按照一定规则搜索获 得满足用户要求的问题的解, 实现整个解空间的 全局优化. 其中基于生物遗传理论的遗传算法在 控制中应用广泛. 遗传算法运算量大, 实 时性不 佳, 不宜直接作为控制器使用, 极适合控制器参数 优化及系统辨识. 1. 2 混合智能控制设计方法
li[ 17] 等将神经网络和模型参考自适应控制结合, 研究了模型参考自适应神经网络( M RANN ) 控制 器应用于航向控制. 2. 2. 5 模 型 参 考 模 糊 神 经 网 络 控 制 在 M RA N C 的基础上, Zirilli 等[ 18] 研究了一种模糊神经 混 合 系 统 ( ( F- NN ) ) , 将 模 糊 系 统 引 入 M RANN 控制, 用于 对指令舵角成 形和滤波, 防 止舵机执行机构饱和, 进一步提高了航向控制效 果. 如图 2 所示.
进行混合智能控制器设计时, 集成的根本原 则是实现取长补短, 提高整体优势. 混合模式既可 以是智能算法间的混合, 如神经模糊控制, 也有智 能算法与传统 控制 的集成 混合, 如模糊 PID 控 制. 混合方式可以根据实际系统要求灵活多样, 主 要有: ( 1) 结构混合, 如模糊逻辑系统与神经网络 组成神经模糊控制; ( 2) 分时混合, 如在不同控制 阶段采用不同的控制算法; ( 3) 多模态混合, 如在 状态的不同区域采用不同的控制算法.
第 3期
李文魁, 等: 船舶运动混合智能控制评述
# 467 #
专家控制是通过仿效专家的智能实现对系统
的控制. 它将条件映射为相应的动作, 不需建立被 控对象的数学模型, 但它不具备适应功能, 当输入 不是预先设计的情况则不能给出合适的输出. 因 此专家控制的关键是获取和表示经验知识, 建立 科学、全面的专家知识库, 并能对专家库在线补充 和完善.
智能控制在船舶运动控制领域的应用研究正 蓬勃开展, 发表了大量理论文献. 本文选取相对系 统, 尤其是近期发表、具有代表性的研究成果作一 评述, 力图展现船舶运动混合智能控制的研究 现状.
2 船舶运动混合智能控制文献综述
2. 1 基于模糊推理的混合智能控制 2. 1. 1 模型参考自适应模糊控制 Jasm in Velagic 等[ 5] 研究了一种模 型参考自适应模糊 控制 算法实现船舶航迹控制. 控制器包括 1 个基本模 糊控制器和 3 个模糊增益控制器. 基本模糊控制 器由航向偏差和航向变化率输出指令舵角, 其模 糊推理比例因子分别由航向、航向变化率和偏航 量 3 个模糊增益控制器进行自适应在线调节. 在 流、浪等干扰下进行直线航迹跟踪, 仿真表明其相 对常规模糊控制具有更好的控制性能. 2. 1. 2 GA 优化的模糊控制 将 GA 和模糊控 制结合, 理论上可消除模糊控制中建立规则库主 观性强从而导致模糊规则粗糙、控制性能下降的 缺点, 将该方法应用于船舶控制, 可解决船舶操纵 运动的非线性、不确定性、大滞后问题. 如张宁[ 6] 提出的 GA 优化的模糊控制器, 采用十进制基因 编码的 GA 优化模糊控制器隶属度函数应用于航 向控制; P assion[ 7] 提出的遗传模糊模型参考自适 应控制器( GM RA C) 用于 船舶转向控制; 马壮[ 8] 提出的用 GA 优化模糊控制器规则结构的方法用 于航向控制, 控制性能相对模糊控制都得到了不 同程度的改善. 2. 1. 3 神经网络模糊控制 自适应神经模糊推 理系统( ANFIS) 以其突出优点, 在智能控制中得 到广泛关注. Sut t on[ 9-10] 等人对 A N FIS 在船舶运 动控制 领域 的应用 进行了 较为系 统的研 究. 在 ANF IS 控制中, 应用多种算法如反向传播( BP ) 、 模式抽取算法( Alopex ) 、趋化算法( Chemot axis) 以及模拟退火法( SA) 等优化算法对控制器参数 进行学习训练. ANF IS 航向控制器中采用 Sugeno 型模糊推理规则, 前件参数由设计者先验知识