自适应智能航行控制方法研究

design A fuzzy adaptive intelligent control algorithm based on fuzzy CMAC neural network． This paper described the structure of fuzzy CMAC neural network in detail． And applying it to the adaptive control system of Intelligent Navigation． Finally ， experimental verification of different sea conditions fuzzy CMAC neural networks under intelligent control for ship course had a good adaptability and strong immunity． Key words： adaptability； fuzzy CMAC neural network ； intelligent navigational control 智能航行控制系统中， 最后通过实验验证本文算法 的有效性。
。
本文根据船舶在航行过程中的非线性、 不确定 的特点，设计了基于模糊 CMAC 神经网络的船舶自 适应 智 能 控 制 算 法， 文 中 较 为 详 细 描 述 了 模 糊 CMAC 神经网络的结构 ， 并且将其运用到自适应的
第 2 层 是 模 糊 化 层， 在 模 糊 化 层 获 取 隶 属 度 函数
^ ψ δ
1 第5层 第6层
y
图1 Fig. 1
2 μij = Oij = exp｛ －
模糊 CMAC 神经网络系统
Fuzzy CMAC Neural Network System
（ xi － mij ） 2 ｝， i = 1， 2， …， n； j = 1， 2， …， N。 σij
ψ ， 继而可以调节神经网络中的连接因子。 FNNI δ
n 3 s
可以采用神经网络离线训练， 在实际航海中一般实 时智能控制船舶航向。 2. 2 学习算法 改进的神经网络学习公式为： E + α（ θ （ k ） － θ （ k － 1 ） ） 。 θ（ k + 1） = θ（ k） + η· θ（ k ） q kj ］ m ij ， ； i = 1， 2， …， N； j = 1 ， 2， …， n； σ ij ， 式中： θ =［
关键词： 文章编号：
自适应性； 模糊 CMAC 神经网络； 智能航行控制 U665． 26 文献标识码： A doi： 10. 3404 / j. issn. 1672 － 7649. 2016. 2A. 011 1672 － 7649 （ 2016 ） 2A － 0031 － 03
中图分类号：
The study of adaptive intelligent navigation control method
第 38 卷第 2A 期 2016 年 2 月
舰 船 科 学 技 术 SHIP SCIENCE AND TECHNOLOGY
Vol． 38 ，No． 2A Feb． ， 2016
自适应智能航行控制方法研究
徐延发， 赵文举
（ 山东科技职业学院， 山东 潍坊 261053 ） 摘 要：
根据船舶在航行过程中的非线性、 不确定特点， 设 计 基 于 模 糊 模 糊 CMAC 神 经 网 络 的 船 舶 自
船舶航行时遇到的干扰是复杂、不可预测的，而
模糊 CMAC 神经网络结构是一种局部逼近的非线性结 构，具有学习速度快、实施控制力强等特点，其结构 一共分为 7 层，第 1 层 第 4 层是特征层，第 5 层 第 7 层是功能网络层，最后将所有规则加权输出。
T x2 ， …， xn］ 。 x1 ， 第 1 层是输入层，输入向量为 x =［
0
引
言
随着海洋资源的开发和利用，Βιβλιοθήκη Baidu海上交通日益繁 忙，船舶的航行安全问题越来越受到重视， 同时也 向船舶的运动控制提出更严格的要求， 如何保证船 舶在风浪流等不可避免的自然因素以及人为因素的 影响下智能的、 自适应的、 高效的航行操作成为船 舶运动控制的一个重要研究内容
［1 ］
1
模糊 CMAC 神经网络
^ + ψ
图2
第1层 第2层 第3层 第4层
自适应智能航行控制系统组成
Fig. 2
第7层
Intelligent adaptive navigation control system
qij
图 2 中，FNNI 是船舶的模糊神经网络模型， 用 来反传误差信号，参考模型的输出 ψ m 是整个控制系 FNNI 用来分辨船 统的期望输出，且 （ ψ m － ψ） → 0 。 舶模型，从而获得系统输出和舵角的关系为 δ m = ≈
［2 ］
。
收稿日期： 2015 － 11 － 10 作者简介： 徐延发（ 1973 － ） ， 讲师， 主要从事计算机系统集成及智能控制研究 。 男， 硕士，
· 32·
舰
船
科
学
技
术
参考模型
第 38 卷
ψ m em
学习算法 + -
x1 mij σij
δ ψ FNNI
船舶
ψ r
xn
+ -
e
FCMAC
δ
适 应 智 能 控 制 算 法 。 阐 述 了 模 糊 CMAC 神 经 网 络 结 构 ， 并且将其运用到自适应智能航行控制系统中， 最后 通 过 实 验 验 证 不 同 海 况 下 模 糊 CMAC 神 经 网 络 对 于 船 舶 航 向 智 能 控 制 具 有 良 好 的 自 适 应 性 和 较 强 的 抗 干 扰性。
式中： μ ij 为 x i 隶属函数； m ij 为均值； σ ij 为方差。 第 3 层是执行模糊 “与” 运算： …， μ nk ， α s = O = μ1 i ·μ2 j ， s = 1， 2， …， NA ， i（ j， k） ∈ ｛ 1 ， 2， …， N1 （ N2 ， Nn ） ｝ ，
XU Yanfa ， ZHAO Wenju （ Shandong Vocational College of Science ＆ Technology ， Weifang 261053 ， China） Abstract： This article according to the ship' s nonlinear ，uncertain features during the voyage to