第3章基于Simulink的神经网络
基于simulink的等效电路参数辨识研究
２０１９年１２月２５日
第３卷第２４期现代信息科技
Modern Information Technology Dec.2019
Vol.3
No.24
23
2019.12基于Ｓｉｍｕｌｉｎｋ的等效电路参数辨识研究
林文发1，2
，陈德旺1，2
，林松青2
（
1.福州大学 数学与计算机科学学院，
福建 福州 350108；
2.智慧新能源研究中心，
福建 福州 350108）
摘 要：
动力电池参数辨识是电池测试工作中的重要一环，
由于电池内部化学反应复杂，
电化学模型和经验模型都无法满
足工业测试需求。
本文采用RC等效电路建立电池模型，
在Simulink平台上搭建电池仿真系统，
使用工业测试的脉冲放电数据
做训练集和测试集，
利用非线性最小二乘法和LM最优化算法估算动力电池的参数。
实验结果表明，
利用并行计算工具可以提高
约34%的计算效率，
仿真数据与实验数据均方误差为5.33066×
10-3
，
非线性最小二乘法比Gradient Descent算法更适用于电池
参数辨识，
模型精度高，
该模型可以用于动力电池的测试与开发。
关键词：
动力电池；
等效电路模型；
非线性最小二乘法；
LM算法
中图分类号：
TM134；
TM912 文献标识码：
A 文章编号：
2096-4706（
2019）
24-0023-05
Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｐａｒａｍｅｔｅｒ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｅｑｕｉｖａｌｅｎｔ Ｃｉｒｃｕｉｔ Ｂａｓｅｄ ｏｎ Ｓｉｍｕｌｉｎｋ
LIN Wenfa
1，2
，CHEN Dewang1，2
，LIN Songqing2
（1.College of Mathematics and Computer Science，Fuzhou University，Fuzhou 350108，China；
2.Smart New Energy Institute，Fuzhou 350108，China）
Abstract：
Power battery parameter identification is an important part of battery testing. Due to the complex internal chemical
基于Simulink的锂离子电池建模与仿真研究
基于Simulink的锂离子电池建模与仿真研究
朱方方; 王康丽; 蒋凯
【期刊名称】《《电源技术》》
【年(卷),期】2019(043)003
【总页数】4页(P434-436,489)
【关键词】锂离子电池; 建模方法; 电池测试工步; 参数辨识方法; 二阶Thevenin模型
【作 者】朱方方; 王康丽; 蒋凯
【作者单位】华中科技大学 强电磁工程与新技术国家重点实验室 湖北武汉430074
【正文语种】中 文
【中图分类】TM912.9
随着各种便携式设备的发展和普及，电池在许多应用中被频繁地用作可移动电源，甚至成为影响产品性能的最重要的组件之一[1]。同时，锂离子电池由于其高比能、高输出功率、长循环寿命等优点而备受期待。对锂离子电池进行建模分析有助于了解不同工况下电池的响应行为，也为后续的电池荷电状态(state of charge,SOC)估计、电池均衡控制及源网交互等研究奠定基础。
文献报道中常见的电池模型主要有电化学模型、人工神经网络模型及等效电路模型等。电化学模型是根据电池内部分子层间的反应机理来描述电池的离子浓度分布、容量的衰减、电化学反应过程等，但这类模型涉及到系统的耦合空间的偏微分方程，仿真模拟时间较长，算法求解过程也较为复杂，其对于电池设计具有较高价值，但并不适用于电池的控制系统[2]；人工神经网络模型是一种高度非线性模型，它的泛化能力强，具有较强的学习能力，通过大量数据的训练，模型能够较好地模拟电池的输入/输出特性，但初始值的选定对模型的收敛速度和精度有着较大影响，模型学习过程中所需要的大量数据依赖于复杂的测试，尽管如此，这些复杂多样的测试工步依然不能够涵盖电池运行的各种工况，从而导致模型的准确性在某些情况下较低[3]。等效电路模型使用电容、电阻、恒压源等电气元件构成的电路来简化电池，进而描述电池的动态响应行为,由于其“黑箱”泛化特性，而适用于不同种类的电池；此外，模型的参数辨识测试实验也相对容易执行，而且可以对电池的全SOC范围进行建模分析[4]。因此，综合均衡模型的复杂性和实用性，本文采用等效电路模型对锂离子电池进行建模，在传统测试工步和参数辨识方法上加以改进，构建锂离子电池Matlab/Simulink二阶Thevenin等效电路仿真模型，并对其输出特性进行验证和误差分析。
Simulink3运行仿真Simulink教学课件
SIMULINK 3SIMULINK 3运行仿真运行仿真介绍两种Simulink运行仿真的方法3.1
使用窗口运行仿真3.2 使用MATLAB 命令运行仿真本章内容和学习目的掌握以上
两种运行仿真的方法3.1 使用窗口运行仿真1. 设置仿真参数优点人机交互性强不必记住繁琐的命令语句即可进行操作。使用窗口运行仿真主要可以完成以下一些操作。3. 启动仿真4. 停止仿真5. 中断仿真6. 仿真诊断2. 应用仿真参数仿真参数和算法
选择的设置仿真参数和算法设置后使之生效选择命令运行仿真选择命令停止仿真可
以在中断点继续启动仿真而停止仿真则不能在仿真中若出现错误Simulink将会终止
仿真并在仿真诊断对话框中显示错误信息1. 设置仿真参数选择菜单选项【SimulationParameters】可以对仿真参数及算法进行设置共有五个∠羁▉6?解法设
置Solver??工作间I/OWorkspace I/O??诊断页Diagnostics??高级设置Advanced??实时
工具对话框Real-Time Workshop??解法设置Solver讲??工作间I/OWorkspace I/O讲??
诊断页Diagnostics不讲自学??高级设置Advanced不讲自学??实时工具对话框Real-Time Workshop不讲自学设置起始和终止时间选择积分分解法指定求解参数和选择输出选项管理MATLAB工作间的输入输出项选择在仿真中警告信息的等级对
仿真的一些高级配置进行设置对实时工具中若干参数进行设置。若没有安装实时工
具不出现此框。1解法设置页当选中菜单选项【SimulationParameters】后出现参数及
算法等设置页。再点击【Solver】则出现解法设置页。解法设置页包括三项内容设
置仿真的启动时间和终止时间选择算法并指定参数选择输出项仿真时间仿真解法各种解法说明见下页默认解法ode45变步长解法ode45ode23ode113ode15discrete定步长
基于SimuLink的直接转矩控制研究
摘要
电机调速一直是电机控制领域一个重要的研究课题，优异的调速方法可以
保证电机组成的系统的稳定性和快速性，数年来经过人们的不断研究和探索，
提出来许多的调速方法，比如传统的调节电枢电压，励磁电流，电压频率等调
速方法，还有近些年来发展起来的矢量控制和直接转矩控制，直接转矩控制和
矢量控制相比省掉了矢量旋转变换复杂的变化和计算，因此它所需要的信号处
理工作特别简单，本文对永磁同步电动机的直接转矩控制进行了详细的分析研
究。直接转矩控制是在维持定子磁链恒定的前提下，通过空间电压矢量来调节
定子磁链的旋转速度，从而控制转矩和转速。本文回顾了直接转矩控制技术和
永磁同步电动机的发展历史，详细的阐述了直接转矩控制的基本原理，系统的
建立了永磁同步电动机在各个坐标系下的数学模型。最后用Simulink仿真软件
对理想的永磁同步电动机直接转矩控制系统进行了建模和仿真，仿真结果表明
直接转矩控制应用于永磁同步电动机的可行性和这种方法控制结构简单，动态
响应好的特点。
关键字：直接转矩控制，永磁同步电动机，电机调速，空间电压矢量，仿真
Abstract
Motor speed motor control has been an important research topic in the field ,
excellent way to ensure that the motor speed control system consisting of stability
and fast , people over the years through continuous research and exploration, the
governor proposed many methods for example, the traditional method of adjusting
the speed of the armature voltage , excitation current , voltage, frequency, etc. , as
simulink relu函数
simulinkrelu函数
SimulinkReLU函数是一个在Simulink中常用的功能，可用于实现
RectifiedLinearUnit（ReLU）的激活函数。该函数可以帮助实现非
线性的激活功能，提升神经网络的性能和灵活性。
使用SimulinkReLU函数，用户可以轻松地在Simulink模型中添
加ReLU激活层。该函数支持多种输入尺寸和数据类型，具有高度的可
配置性和适应性。
SimulinkReLU函数的使用方法非常简便，用户只需将该函数作为
一个Simulink模块的一部分，连接到神经网络的相应层次中即可。同
时，该函数也支持用户自定义的参数设置，以满足不同的需求和应用
场景。
通过SimulinkReLU函数，用户可以有效地激活神经网络中的神经
元，从而实现非线性的映射和学习能力。该函数的灵活性和可定制性
使得用户可以根据自己的实际需求来调整ReLU激活函数的参数和行
为。
总之，SimulinkReLU函数是一个功能强大且易于使用的工具，可
用于在Simulink中实现ReLU激活函数。通过该函数，用户可以轻松
添加激活功能，提升神经网络的表达能力和性能。无论是在研究还是
实际应用中，SimulinkReLU函数都是一个不可或缺的工具。
simulink 迭代算法 -回复
simulink 迭代算法 -回复
Simulink 迭代算法是一种在模型建立和仿真过程中使用的有效工具。它基于模型的迭代优化原理，可用于处理复杂的系统控制问题，例如信号处理、图像处理、自动控制等领域。本文将分步骤回答关于 Simulink 迭代算法的问题，以帮助读者深入了解和应用该技术。
第一步：什么是 Simulink 迭代算法？
Simulink 迭代算法是一种基于图形化编程环境的集成工具，由
MATLAB 提供支持。它允许用户通过图形界面建立模型，并使用迭代算法逐步解决模型中的复杂问题。通过模型中的图块连接和参数调整，用户可以快速构建模型和仿真结果，并通过迭代优化方法实现系统控制。
第二步：为什么需要使用 Simulink 迭代算法？
Simulink 迭代算法的优点主要体现在以下几个方面：
1. 快速模型构建：通过直观的图形界面，用户可以快速构建系统模型，并直观地了解模型中各个组件的相互关系。
2. 灵活性与可重用性：Simulink 迭代算法允许用户自定义模型组件，并将其保存为函数或子系统进行复用。这种灵活性使得系统的构建和修改更加方便和高效。
3. 高效的仿真结果：通过迭代算法的优势，Simulink 可以快速生成仿真结果，并提供多种调试和分析工具，帮助用户评估和优化系统性能。
第三步：Simulink 迭代算法的基本原理是什么？
Simulink 迭代算法基于数值计算方法和信号处理理论，通过不断迭代优化模型的输入和输出，以逼近系统的理想状态。迭代算法主要包含以下几个步骤：
1. 初始化模型参数：用户首先需要根据实际需求初始化模型的输入和输出参数，并设置迭代算法的收敛条件。
2. 构建模型：用户根据实际问题，在 Simulink 中建立系统模型，并连接相应的输入和输出。可以选择使用模型库中的标准组件，也可以自定义组件。
3. 设置迭代参数：用户为需要迭代优化的模型参数设置初始值，并选择合适的迭代算法，例如牛顿迭代、梯度下降等。
《基于CarSim和Simulink的四轮转向汽车控制策略及其稳定性的研究》
《基于CarSim和Simulink的四轮转向汽车控制策略及其稳定性的研究》
一、引言
随着汽车工业的快速发展，四轮转向技术因其出色的操控性能和稳定性已成为现代汽车的重要特征之一。为了深入研究四轮转向汽车的控制策略及其稳定性，本文将基于CarSim和Simulink软件平台展开研究。CarSim作为一款专业的汽车仿真软件，能够真实地模拟汽车的动力学行为；而Simulink则提供了强大的控制系统设计和仿真能力。本文将通过这两款软件的联合应用，对四轮转向汽车的控制策略进行深入研究，并分析其稳定性。
二、四轮转向汽车控制策略研究
2.1 控制策略概述
四轮转向汽车的控制策略主要包括转向控制策略和稳定性控制策略。转向控制策略主要关注汽车的转向响应和操控性能，而稳定性控制策略则主要关注汽车的行驶稳定性和安全性。
2.2 基于CarSim的仿真模型建立
在CarSim软件中，根据四轮转向汽车的实际结构和参数，建立相应的仿真模型。这个模型包括汽车的动力学模型、转向系统模型、刹车系统模型等。通过调整模型的参数，可以真实地模拟四轮转向汽车在实际道路上的行驶状态。
2.3 转向控制策略设计 针对四轮转向汽车的转向控制策略，本文提出了一种基于模糊控制的策略。该策略通过实时获取汽车的转向角度、车速、路面状况等信息，利用模糊控制器对汽车的转向角度进行实时调整，以实现更好的操控性能。
2.4 稳定性控制策略设计
针对四轮转向汽车的稳定性控制策略，本文提出了一种基于滑模控制的策略。该策略通过实时监测汽车的行驶状态，当发现汽车出现失稳趋势时，通过调整四个车轮的转向角度和刹车力度，使汽车恢复稳定状态。
三、基于Simulink的控制系统设计与仿真
3.1 控制系统设计
在Simulink中，根据上述的转向控制和稳定性控制策略，设计相应的控制系统。这个控制系统包括传感器模块、控制器模块和执行器模块。传感器模块负责获取汽车的行驶状态信息，控制器模块负责根据这些信息计算控制指令，执行器模块则负责执行这些指令。
基于Simulink的结构动力响应预测仿真
四川建筑科学研究 Ｓｉｃｈｕａｎ Ｂｕｉｌｄｉｎｇ Ｓｃｉｅｎｃｅ 第３９卷第２期 ２０１３年４ 基于Ｓｉｍｕｌｉｎｋ的结构动力响应预测仿真 郭剑虹 ，穆荫楠 ，唐 雯 ，邓析成 （１．上海师范大学建筑工程学院，上海２０１４１８； ２．中国建材国际工程集团有限公司，上海２０１４１８） 摘要：基于Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ下神经网络工具箱功能进行在地震作用下的结构振动响应预测仿真。利用ＲＢＦ神 经网络对实时地震数据进行动力响应预测，能有效的解决在振动控制中所存在的时滞效应以及测量系统的噪声ｆ 扰等问题。通过对计算模型顶层以及标准层的结构动力响应预测结果以及实际结构动力响应结果的对照，证实ｒ 使用Ｓｉｍｕｌｉｎｋ下的神经网络功能进行结构响应预测的准确性，并为后续仿真阶段对响应数据采用序列最优控制法 进行计算，获得系统控制力奠定基础。 关键词：结构控制；动力响应；Ｓｉｍｕｌｉｎｋ；ＲＢＦ神经网络；预测 中图分类号：ＴＵ３１１．３ 文献标志码：Ａ 文章编号：１００８—１９３３（２０１３）０２—０４０—０４ Ｐｒｅｄｉｃｔｉｏｎ ｓｉｍｕｌａｔｉｏｎ ｏｆ ｓｔｒｕｃｔｕｒｅ ｄｙｎａｍｉｃ ｒｅｓｐｏｎｓｅ ｂａｓｅｄ ｏｎ Ｓｉｍｕｌｉｎｋ ＧＵＯ Ｊｉａｎｈｏｎｇ ，ＭＵ Ｙｉｎｎａｎ ，ＴＡＮＧ Ｗｅｎ ，ＤＥＮＧ Ｘｉｃｈｅｎｇ （１．Ｃｏｌｌｅｇｅ ｏｆ Ｃｉｖｉｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｇｈａｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０１４１８，Ｃｈｉｎａ； ２．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｇｒｏｕｐ Ｃｏ．，Ｌｔｄ．Ｃｈｉｎａ Ｂｕｉｌｄｉｎｇ Ｍａｔｅｒｉａｌｓ，Ｓｈａｎｇｈａｉ ２０１４１８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｓｉｍｕｌａｔｉｏｎ ｏｆ ｓｅｉｓｍｉｃ ｒｅｓｐｏｎｓｅ ｆｏｒ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｂａｓｅｄ ｏｎ ｔｈｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｏｏｌｂｏｘ ｆｕｎｃｔｉｏｎ ｏｆ Ｍａｔｌａｂ／ Ｓｉｍｕｌｉｎｋ．Ｕｔｉｌｉｚｉｎｇ ｔｈｅ ＲＢＦ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｏ ｐｒｅｃｅｄｅ ｔｈｅ ｄｙｎａｍｉｃ ｒｅｓｐｏｎｓｅ ｐｒｅｄｉｃｔｉｏｎ ｕｐｏｎ ｔｈｅ ｒｅａｌ ｔｉｍｅ ｓｅｉｓｍｉｃ ｄａｔａ ｃｏｕｌｄ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ，ｓｕｃｈ ａｓ，ｔｉｍｅ ｌａｇ ｗｈｉｃｈ ｅｘｉｓｔｓ ｉｎ ｔｈｅ ｖｉｂｒａｔｉｏｎ ｃｏｎｔｒｏｌｌｉｎｇ ａｎｄ ｔｈｅ ｎｏｉｓｅ ｄｉｓｔｕｒｂｉｎｇ ｏｆ ｔｈｅ ｍｅａｓｕｒｅ ｓｙｓｔｅｍ，ｅｆｆｅｃｔｉｖｅｌｙ．Ｂｙ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｄｙｎａｍｉｃ ｒｅｓｐｏｎｓｅ ｐｒｅｄｉｃｔｉｏｎ ｄａｔａ ａｎｄ ａｃｔｕａｌ ｓｙｓｔｅｍ ｖｉｂｒａｔｉｏｎ ｒｅｓｐｏｎｓｅ ｄａｔａ ｆｏｒ ｔｈｅ ｔｏｐ ｆｌｏｏｒ ａｎｄ ｏｎｅ ｏｆ ｔｈｅ ｎｏｒｍａｌ ｆｌｏｏｒｓ ｏｆ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｖｅｒｉｆｙ ｔｈｅ ｐｏｓｓｉｂｉｌｉｔｙ，ｗｈｉｃｈ ｖｅｒｉｆｙ ｔｈｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｆｕｎｃｔｉｏｎ ｏｆ ｔｈｅ Ｓｉｍｕｌｉｎｋ ｔｏ ｐｒｅｄｉｃｔ ｔｈｅ ｄｙｎａｍｉｃ ｒｅｓｐｏｎｓｅ ｏｔ ｔｈｅ ｃｏｎｔｒｏｌｌｅｄ ｓｙｓｔｅｍ．Ｔｈｉｓ ｖｅｒｉｆｉｃａｔｉｏｎ ａｌｓｏ ｌａｙ ｔｈｅ ｆｏｕｎｄａｔｉｏｎ ｆｏｒ ｔｈｅ ｆｕｒｔｈｅｒ ｒｅａｌ ｔｉｍｅ ｓｔｒｕｃｔｕｒｅ ｃｏｎｔｒｏｌ ｒｅｓｅａｒｃｈ，ｔｈａｔ ｕｔｉｌｉｚｅ ｔｈｅ ｓｅｑｕｅｎｔｉａｌ ｏｐｔｉｍａｌ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｃａｌｃｕｌａｔｉｎｇ ｔｈｅ ｐｒｅｄｉｃｔｅｄ ｄｙｎａｍｉｃ ｒｅｓｐｏｎｓｅ ｄａｔａ ｔｏ ａｃｈｉｅｖｅ ｔｈｅ ｆｉｎａｌ ｃｏｎｔｒｏｌｌｉｎｇ ｆｏｒｃｅ ｏｆ ｔｈｅ ｃｏｎｔｒｏｌｌｅｄ ｓｙｓｔｅｍ． Ｋｅｙ ｗｏｒｄｓ：ｓｔｒｕｃｔｕｒａｌ ｃｏｎｔｒｏｌ；ｄｙｎａｍｉｃ ｒｅｓｐｏｎｓｅ；Ｓｉｍｕｌｉｎｋ；ＲＢＦ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｐｒｅｄｉｃｔｉｏｎ Ｕ 刖 吾 由于在结构振动控制过程中存在时滞效应和测 量系统的噪声干扰等，使得结构控制存在控制失稳 和效率下降问题，影响控制效果。同时，结构本身的 不确定因素（例如一定程度的非线性），也影响结构 的控制效果。要解决这些问题，必须实现在线实时 预测结构响应。ＲＢＦ神经网络学习迅速，动态仿真 性强，有较强的输入输出映射功能以及全局最优逼 近的性质，有较好的预测效果。Ｓｉｎｍｕｌｉｎｋ可以直接 访问Ｍａｔｌａｂ大量的工具来进行算法研发、仿真的分 析和可视化、批处理脚本的创建、建模环境的定制以 及信号参数和测试数据的定义，仿真功能强大。应 收稿日期：２０１１－０８－２３ 作者简介：郭剑虹（１９７８一），男，山西汾阳人，硕士，讲师，研究方向 结构控制。 基金项目：上海师范大学科研基金项目（ＳＫ２０１３４１） Ｅ—ｍａｉｌ：ｇｕ０＿ｊ—ｈ＠１６３．ｃｏｍ 用Ｓｉｍｕｌｉｎｋ完成对ＲＢＦ神经网络仿真模型与预测 系统模型的建立与运行，可以为后期的实验提供相 关数据。 １ ＲＢＦ神经网络 径向基函数神经网络（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ， ＲＢＦ）学习迅速，动态仿真性强，有较强的输入输出 映射功能以及全局最优逼近的性质，能避免局部最 小现象，而且可以线性调整权值，不会反向传播误 差；同时硬件实现较为便捷，已成为对各种非线性系 统进行实时识别和控制的主要选择。所以，本文采 用ＲＢＦ神经网络对结构动力响应进行预测。 ＲＢＦ神经网络的产生有很强的生物学背景。 在人的大脑皮层区域中，局部调节及交叠的接受域 （Ｒｅｃｅｐｔｉｖｅ Ｆｉｅｌｄ）是人脑反应的特点。基于接受域 的这一特点，Ｍｏｏｄｙ和Ｄａｒｋｅｎ提出了ＲＢＦ网络 神 经元网络结构。ＲＢＦ神经元网络由输入层、隐含层 和输出层组成，各层有多个神经元，
研究生必备的人工神经网络电子书汇总(31本)
研究生必备的人工神经网络电子书汇总（31本）
这些都是我从淘宝和百度文库里面搜集到的电子书，需要的可以联系我
QQ：415295747，或者登录我的博客/u/1723697742
1.神经网络在应用科学和工程中的应用——从基础原理到复杂的模式识别
5 译者序
6 前
9 致谢
10 作者简介
11 目录
19 第1章 从数据到模型:理解生物学、生态学和自然系统的复杂性和挑战
27 第2章 神经网络基础和线性数据分析模型
72 第3章 用于非线性模式识别的神经网络
105 第4章 神经网对非线性模式的学习
166 第5章 从数据中抽取可靠模式的神经网络模型的实现
205 第6章 数据探测、维数约简和特征提取
235 第7章 使用贝叶斯统计的神经网络模型的不确定性评估
276 第8章 应用自组织映射的方法发现数据中的未知聚类
359 第9章 神经网络在时间序列预测中的应用
458 附录
2.MATLB 神经网络30个案例分析
第1章 BP神经网络的数据分类——语音特征信号分类
23 第2章 BP神经网络的非线性系统建模——非线性函数拟合
33 第3章 遗传算法优化BP神经网络——非线性函数拟合
48 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
57 第5章 基于BP_Adsboost的强分类器设计——公司财务预警建模
66 第6章 PID神经元网络解耦控制算法——多变量系统控制
77 第7章 RBF网络的回归——非线性函数回归的实现
85 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测
93 第9章 离散Hopfield神经网络的联想记忆——数字识别
基于Simulink的船舶运动模型的建立与仿真
I
摘 要
船舶运动数学模型是船舶运动仿真与控制问题的核心。目前，船舶运动数学模型建模中主要有两大流派：以Abkowite为代表的整体型结构模型和日本拖曳水池委员会（JTTC）提出的分离型结构模型，简称MMG模型。本文主要是对于船舶的回转运动进行研究，采用的是MMG模型。根据13000T散货船的主要参数，通过计算求出所需的相关量，建立了船舶的线性响应型模型。在此模型的基础上，利用MATLAB中的Simulink模块将此数学模型在该软件中建立一个仿真模型。在Simulink中对建立的仿真模型进行运行得到船舶运动参数。通过Simulink的外部模式将仿真结果变成实时输出数据，利用RS232发送并接受数据，用Visual C++连接数据库和RS232的数据提取，再利用Visual C++与SQL的接口读取数据，并通过OSG进行实现船舶回转运动的可视化虚拟仿真。
关键词：船舶回转运动；数学模型；Simulink；视觉仿真；OSG
II
Abstract
The ship motion mathematical model is the problem’s core about the ship motion
simulation and control. Currently, there are two major schools in the ship motion
mathematical model’s modeling: the overall structure model represented by Abkowite
and the separation of structure model referred to as the MMG model proposed by the
Japan Towing Tank Committee (JTTC). This article mainly research on the rotary