基于模糊预测控制的船舶动力定位系统控制器研究

来源 :江苏科技大学 | 被引量 : 11次 | 上传用户:zcllq
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
船舶动力定位系统是一种不需要借助外力,依靠自身的动力使船舶定位于海平面上某定位点的装置。在海洋资源越来越受到重视的今天,船舶动力定位技术的发展也变得越来越重要。船舶动力定位系统是一个多变量、强耦合、惯性大、环境干扰复杂的非线性系统。应用于早期的控制方法如PID控制,已经无法满足动力定位系统的精度要求。模糊预测控制作为一种混合智能控制方法,对于复杂系统的控制具有良好的控制效果。本文的主要工作就是研究模糊预测控制算法在船舶动力定位系统中的应用。在使用动力定位系统对船舶进行定位的过程中,滤波器的滤波效果对于定位精度也有很大的影响。传统的Kalman滤波器最大的缺点是需要将非线性的船舶运动方程在一系列给定的艏摇角度值上进行线性化,这样,整个系统的稳定性将难以保证。本文运用基于SDRE方程设计了非线性观测器。与Kalman滤波器相比,该观测器的优点是省去了将船舶运动方程进行线性化的过程。模糊预测控制根据展开方式的不同,可以分为以模糊控制为核心和以预测控制为核心的模糊预测控制算法。本文对这两种模糊预测控制算法分别进行了研究,并将研究结果运用到船舶动力定位系统控制器的设计中。在以预测控制为核心的模糊预测控制研究中,选取基于T-S模糊模型的DMC控制作为具体的研究对象,对于T-S模糊模型的辨识问题,进行了重点的研究。在对于基于T-S模糊模型的DMC控制算法研究的基础上,将该算法运用到船舶动力定位系统的控制器设计中。在以模糊控制为核心的模糊预测控制的研究中,将“事后调节”的常规模糊控制器,改进为“事前控制”的模糊预测控制器。模糊预测控制器的输入是经过预测模型输出的预测偏差和预测偏差变化率。也就是说通过预测模型,预测被控对象未来时刻的偏差并对其进行控制,使控制器由“事后调节”改为“提前控制”。最后将该模糊预测控制算法运用到船舶动力定位控制系统的控制器设计中,通过不同海况下的仿真研究表明,所设计的模糊预测控制器,能非常有效的对船舶进行定位控制,使船舶在短时间内由实际位置到达目标期望位置,并稳定于定位点。
其他文献
在导向钻井过程中,导向控制所需要的井下工具姿态参数主要有工具的旋转速度、工具倾角、工具方位角等,对这些参数的准确、实时测量是导向钻井工具实现导向控制的前提条件,也
随着电力系统的快速发展,输电线路的电压等级升高,输电线路的距离增长,电网的规模变大,同时也对电力系统的安全稳定运行产生了重要影响。为保障高压输电线路的正常运行,选相元件必须快速有效地工作。当故障发生时,继电保护能够正确动作的前提是能够准确而迅速地识别并选择出故障相。鉴于此,本文提出了基于小波包理论的输电线路故障类型识别方法,旨在研究小波分析及小波包理论在输电线路故障诊断和继电保护方面的可行性,同时
现今部队实战射击训练中,普遍采用人工报靶方式,即存在一定安全隐患,消耗了无谓的人力和时间,射手也无法根据射击情况进行实时调整。而以光电技术和图像技术为代表的报靶系统
支持向量机(SVM)为一种由Vapnik等人研发出的机器学习方法,是面向小样本进行学习而提出的方法。它在统计学习理论的基础上发展而来,由于继承了其结构风险最小化准则和VC维理论,
工业CT不仅可以在无损条件下以图像形式直观地、清晰地显示物体内部细节的结构关系及缺陷状况,而且可用于物体内外部几何尺寸的高精度无损测量。工业CT检测从定性检测向定量测
仿人机器人指具有人的形状、能够适应人类现有生产生活环境、可以使用人所用的工具进行劳动的一类机器人,其在医疗、军事、服务行业有着广泛的应用前景,是近年控制领域研究的
直流电动机具有良好的起、制动性能,宜于在大范围内平滑调速,在许多需要调速或快速正反向的电力拖动领域中得到了广泛的应用。转速、电流双闭环调速系统由于其具有良好的动态性能,成为构成电机伺服驱动系统的典型方案。为了更好地描述直流电机双闭环调速系统(DLDMCS)的动态响应过程并进行优化控制,需要建立DLDMCS的数学模型,进而实施优化控制。在建模方面,DLDMCS不仅存在两个交叉的闭环结构,且闭环内部存
随着机器人应用领域的不断扩展和对机器人智能化要求的不断提高,以位置控制为主的传统控制方案已经不能满足某些复杂环境(打磨、组装、康复机器人)的应用需求,机器人与环境间
无线传感器网络是21世纪最重要的技术之一,也是支持远程定位和跟踪移动目标的新兴平台。与全球定位系统等传统平台相比,无线传感器网络具有成本低、密度高、散布广、精度高等
快速、可靠、准确地重构出场景的三维模型一直是虚拟现实领域重要的研究方向。移动机器人三维场景重构是近年来机器人环境感知的研究热点,如何利用有限的传感器获得尽可能多的