CN101859147A - 船舶航向智能协调控制方法 - Google Patents
船舶航向智能协调控制方法 Download PDFInfo
- Publication number
- CN101859147A CN101859147A CN 201010197266 CN201010197266A CN101859147A CN 101859147 A CN101859147 A CN 101859147A CN 201010197266 CN201010197266 CN 201010197266 CN 201010197266 A CN201010197266 A CN 201010197266A CN 101859147 A CN101859147 A CN 101859147A
- Authority
- CN
- China
- Prior art keywords
- angle
- ship
- course
- control
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供的是一种船舶航向智能协调控制方法。具体包括:(1)设定期望航向角;(2)计算实际航向角与期望航向角的偏差;(3)获取舵角控制指令信号;(4)计算船舶实际输出航向角;(5)辨识船舶运动逆系统模型,调整最小二乘支持向量机控制器参数;(6)重复步骤(2)计算。本发明采用逆控制与模糊控制结合的船舶航向复合控制策略,有效克服了基于输入输出数据辨识的逆模型不精确引起的逆控制不足;采用最小二乘支持向量机建立船舶操纵逆系统模型,具有结构设计简单、稳态精度高的优点,同时结合模糊控制响应快速,抗干扰能力强,鲁棒性好的优势。能实现航向保持的精确控制。
Description
技术领域
本发明涉及的是一种船舶航行与姿态控制方法,特别涉及一种航向智能协调控制技术。
背景技术
在船舶航行姿态控制中,航向控制无疑是最基本的,同时也是控制理论应用较早且取得成功的一个领域。早在20世纪50年代,经典控制理论被应用于航向控制,产生了自动舵。随着计算机技术和现代控制理论的不断发展,各种新的控制方法,如变结构控制、神经网络控制、模糊控制等,都先后应用于船舶航向控制。
经对现有的技术文献检索发现,CNKI数据库中的名称为“舰船航向-舵/翼舵智能协调控制研究”的哈尔滨工程大学硕士论文(2007)中,介绍了舵/翼舵船舶航向模糊控制器的设计,与本发明的船舶航向LSSVM复合控制系统不同。
发明内容
本发明的目的在于提供一种能够有效提高船舶航向控制系统的快速性、稳定性,拥有较好的抗干扰能力及鲁棒性的船舶航向智能协调控制方法。
本发明的目的是这样实现的:
首先设定期望航向角,根据反馈的船舶实际航向角求取实际航向角与期望航向角的偏差,将偏差信号送入到设计好的模糊控制器中,同时将期望航向角送入最小二乘支持向量机控制器(Least Squares Support Vector Machines Controller,LSSVMC)中,模糊控制器与LSSVMC并行连接,形成复合控制器,通过调整两个控制器输出的比重,得到舵角控制指令信号,将舵角控制指令信号输入到船舶运动数学模型中,同时引入外界干扰,得到实际的航向角输出。利用输出的航向角和控制指令信号作为最小二乘支持向量机(LSSVM)的输入,辨识船舶运动逆系统模型,并将辨识得到的参数输入到LSSVMC,调整其参数,计算舵角控制指令信号。
具体包括以下几个步骤:
(1)设定期望航向角;
(2)计算实际航向角与期望航向角的偏差;
(3)获取舵角控制指令信号;
(4)计算船舶实际输出航向角;
(5)辨识船舶运动逆系统模型,调整最小二乘支持向量机控制器参数;
(6)重复步骤(2)计算。
所述的步骤(1)中,设定航向控制系统的期望航向角为ψr(k)。
所述的步骤(2)中,实际航向角与期望航向角的偏差Δψ(k)计算方法为:
Δψ(k)=ψr(k)-ψ(k) (1)
其中,ψ(k)为实际航向角。
所述的步骤(3)中,舵角控制指令信号包括两部分,一部分为模糊控制器输出的舵角控制指令信号δ1(k),另一部分为最小二乘支持向量机控制器输出的舵角控制指令信号δ2(k)。总的舵角控制指令信号u(k)计算方法为:
u(k)=βδ1(k)+(1-β)δ2(k) (2)
其中,β为模糊控制器与最小二乘支持向量机控制器的协调控制因子。
所述的步骤(4)中,将舵角控制指令信号输入到船舶运动数学模型中,并加入船舶运动的干扰d(k),得到船舶实际输出航向角ψ(k)。步骤中用到的船舶运动数学模型为三自由度非线性运动数学模型:
式中,YR、KR、NR分别为舵产生的横荡力、横摇力矩和艏摇力矩,YD、KD、ND分别为船舶受到的横荡干扰力、横摇干扰力矩和艏摇干扰力矩;JzD为船体质量对z轴的惯性矩,JxG为船体质量对x轴的惯性矩;m为船舶质量,my为横荡附加质量,mx为纵荡附加质量;Jzz为艏摇附加转动惯量矩,Jxx为横摇附加转动惯量矩;Y.、N.为粘性水动力系数;为横摇阻尼力矩,为横摇扶正力矩;D为排水量,h为横稳心高,zH为船体横向力YH的作用点至船体重心的垂向距离;r、p、v分别为艏摇角速度、横摇角速度和横向速度,为横摇角。
所述的步骤(5)中,采用最小二乘支持向量机(LSSVM)辨识船舶运动逆系统模型,选择实际航向角ψ(k)、舵角δ(k)、横摇角作为输入量,辨识得到的参数输出给最小二乘支持向量机控制器,调整其参数。用LSSVM辨识得到的船舶运动逆系统模型为:
其中,f(X(k))为参数输出,X(k)为输入向量,αi为拉格朗日乘子,b为偏差量,f(X(k))为映射函数。
所述的步骤(6)中,是从步骤(2)开始进行再次运算,使船舶实际航向角跟踪给定期望航向角,达到精确航向保持的目的。
本发明的优点在于:
(1)采用逆控制与模糊控制结合的船舶航向复合控制策略,有效克服了基于输入输出数据辨识的逆模型不精确引起的逆控制不足;
(2)采用最小二乘支持向量机建立船舶操纵逆系统模型,具有结构设计简单、稳态精度高的优点,同时结合模糊控制响应快速,抗干扰能力强,鲁棒性好的优势,使得LSSVM模型即使没有经过足够充分的训练,也能保证控制器从一个快速和稳定的初始状态开始控制,实现航向保持的精确控制。
附图说明
图1为船舶航向LSSVM智能复合控制信号处理流程图
图2为船舶航向LSSVM智能复合控制结构图
图3为模糊控制器输入的隶属函数图
图4为LSSVM辨识船舶运动逆系统模型原理
图5(a)-(c)遭遇角30°,不同有义波高时航向智能协调控制系统仿真结果,中图5(a)为有义波高2m时、图5(b)为有义波高4m时、图5(c)为有义波高6m时;
图6(a)-(c)遭遇角90°,不同有义波高时航向智能协调控制系统仿真结果,中图6(a)为有义波高2m时、图6(b)为有义波高4m时、图6(c)为有义波高6m时;
图7(a)-(c)遭遇角150°,不同有义波高时航向智能协调控制系统仿真结果,中图7(a)为有义波高2m时、图7(b)为有义波高4m时、图7(c)为有义波高6m时。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
如图1所示,本发明的处理流程如下:首先设定期望航向角ψr(k),根据反馈的船舶实际航向角求取实际航向角与期望航向角的偏差Δψ(k),模糊控制器和LSSVMC并联组成复合控制系统,复合控制器根据期望航向角和偏差信号计算得到舵角控制指令信号u(k),将舵角控制指令信号输入到船舶运动数学模型中,同时引入外界干扰d(k),得到实际的航向角输出ψ(k)。在反馈通路中,利用输出的航向角和控制指令信号作为最小二乘支持向量机(LSSVM)的输入,辨识船舶运动逆系统模型,并将辨识得到的参数输入到LSSVMC,调整其参数,计算LSSVMC的舵角控制指令信号δ2(k)。
具体实施步骤如下:
步骤(1),设定航向控制系统的期望航向角为ψr(k)。
步骤(2),计算实际航向角与期望航向角的偏差Δψ(k),计算方法为:
Δψ(k)=ψr(k)-ψ(k) (1)
其中,ψ(k)为实际航向角。
步骤(3),舵角控制指令信号是由复合控制系统产生的,包括两部分,一部分为模糊控制器输出的舵角控制指令信号δ1(k),另一部分为最小二乘支持向量机控制器输出的舵角控制指令信号δ2(k)。复合控制系统包括模糊控制器和LSSVMC,模糊控制器作为反馈控制器,LSSVMC为前馈控制器。如图2所示,LSSVME表示被控对象的最小二乘支持向量机逆系统辨识器(Least Squares Support Vector Machines Emulator,LSSVME),模糊控制器与LSSVMC共同作为被控系统的控制输入,控制器的输出可以用式(2)表示,
u(k)=βδ1(k)+(1-β)δ2(k) (2)
其中β∈[0,1]为模糊控制器与LSSVMC协调控制因子,即通过调节β的参数,可以调整模糊控制器与LSSVMC在控制中所占的比重。如果令β=1,控制器的输出完全由模糊控制器来决定,此时的控制系统可以等效为模糊逻辑控制系统,如果令β=0,控制器的输出完全由LSSVMC来决定,此时的控制系统可以等效为LSSVMC系统,当β在大于0小于1之间时,控制器输出由模糊控制与LSSVMC混合控制,通过调节β使控制系统处于最佳控制状态。为使系统处于最佳控制状态,控制器的输出u(k)=βδ1(k)+(1-β)δ2(k)中的参数β的选取可以根据艏摇角误差Δψ(k)的大小来选取。这里采用如下选取方法,首先将Δψ(k)模糊化,这里模糊化为7个等级,即[NB,NM,NS,ZE,PS,PM,PB],然后根据实际量转化的模糊量,对应选取协调控制因子β值,β与模糊化的Δψ(k)由表1决定:
表1协调控制因子β与艏摇角误差Δψ(k)的模糊关系
步骤(3)中,模糊控制器主要用来实现前期控制快速响应的要求,所以这个期间,可以通过逆辨识器在线调整其参数,以期获得被控系统更多的信息,在系统输出快达到设定值时(即控制后期),将逆辨识器在线调整的参数完全传递给逆控制器,这时主要采用LSSVMC实现对被控系统的有效控制。因此,LSSVMC在后期起主要作用,以消除对被控系统的稳态误差。由于复合控制系统中增加了反馈环节,因而比直接逆控制具有更优的性能和鲁棒性。
本发明中模糊控制器输入的系统误差e、误差变化ec均采用如图3所示的隶属函数。
本发明采用如表2所示的模糊规则表,使用如下公式:
R=([Ei×ECj]×UPB)∪([Ei×ECj]×UPM)
∪([Ei×ECj]×UPS)∪
([Ei×ECj]×UZO)∪([Ei×ECj]×UNS)∪
(3)
([Ei×ECj]×UNM)∪([Ei×ECj]×UNB)
求出其模糊关系R,再利用关系式U=(E×EC)TR求出模糊推理的输出控制量U。
表2控制量的模糊规律表
本发明采用隶属度加权平均的方法进行解模糊化运算,设模糊集U=[μU(u1)/U1,μU(u2)/U2,…,μU(un)/Un],则控制量u由下式决定:
步骤(4),将舵角控制指令信号输入到船舶运动数学模型中,并加入船舶运动的干扰d(k),得到船舶实际输出航向角ψ(k)。步骤中用到的船舶运动数学模型为三自由度非线性运动数学模型:
式中,YR、KR、NR分别为舵产生的横荡力、横摇力矩和艏摇力矩,YD、KD、ND分别为船舶受到的横荡干扰力、横摇干扰力矩和艏摇干扰力矩;JzG为船体质量对z轴的惯性矩,JxG为船体质量对x轴的惯性矩;m为船舶质量,my为横荡附加质量,mx为纵荡附加质量;Jzz为艏摇附加转动惯量矩,Jxx为横摇附加转动惯量矩;Y.、N.为粘性水动力系数;为横摇阻尼力矩,为横摇扶正力矩;D为排水量,h为横稳心高,zH为船体横向力YH的作用点至船体重心的垂向距离;r、p、v分别为艏摇角速度、横摇角速度和横向速度,为横摇角。
其中n、m、p分别为艏摇角、舵角及横摇角的阶数。LSSVM模型的输出为系统的控制量,即舵角的指令信号δr(k)。给定训练样本为X1,...Xl为k时刻到k+l-1时刻的输入向量,记:
.
.
.
δ1,...δl为k-1时刻到k+l-1时刻的输出量,即δ1=δ(k-1),...δl=δ(k+l-1)。其结构如图4所示。核函数取径向基(RBF)函数:
K(x,xk)=exp(-||x-xk||2/σ2)(10)
辨识得到的船舶运动逆系统模型为:
其中,f(X(k))为参数输出,X(k)为输入向量,αi为拉格朗日乘子,b为偏差量,f(X(k))为映射函数。
LSSVMC的参数完全由LSSVM逆辨识器决定,LSSVM逆辨识器具有良好的泛化能力和动态辨识能力,可以有效地辨识非线性系统的特性,提供很好的被控系统模型,使得LSSVMC可以有效地消除被控系统稳态误差。
所述的步骤(6)中,是从步骤(2)开始进行再次运算,使船舶实际航向角跟踪给定期望航向角,达到精确航向保持的目的。
为了验证本发明所设计的船舶航向支持向量机智能控制系统的控制效果,分别对不同海情和浪向角下的情况进行了仿真。仿真海情分别为有义波高2m、4m和6m,图5-图7给出了遭遇角分别为30°、90°、150°下的仿真曲线,表3-表5给出了遭遇角分别为30°、90°、150°时的仿真结果统计值,E(·)表示均值,STD(·)表示标准差,ψ代表航向角,δ代表舵角,角的量纲均为度。
表3航向控制系统仿真结果统计值(有义波高2m)
表4航向控制系统仿真结果统计值(有义波高4m)
表5航向控制系统仿真结果统计值(有义波高6m)
从仿真结果可以看出:对于船舶航向支持向量机智能协调控制系统而言,在有义波高为2m的情况下,控制器的航向角偏差的均方差值都在0.31度范围内;有义波高为4m的情况下,控制器的航向角偏差的均方差值都在0.41度范围内;有义波高为6m的情况下,控制器的航向角偏差的均方差值都在0.62度范围内。并且艏摇角曲线相对稳定,施舵合理,说明本发明设计的船舶航向智能协调控制系统可以达到控制精度要求,具有很好的鲁棒性。从航向角偏差的均方差值,舵角的均方差值的比较可知,本专利设计的船舶航向智能协调控制系统,应用最小二乘支持向量机回归算法辨识航向控制系统的逆模型,建立了逆控制器,LSSVM逆模型作为前馈控制器,模糊控制器作为反馈控制器,克服了因逆模型辨识不精确而带来的直接逆控制的缺点,实现了航向精确控制。
Claims (9)
1.一种船舶航向智能协调控制方法,其特征是:首先设定期望航向角,根据反馈的船舶实际航向角求取实际航向角与期望航向角的偏差,将偏差信号送入到模糊控制器中,同时将期望航向角送入最小二乘支持向量机控制器中,模糊控制器与最小二乘支持向量机控制器并行连接,形成复合控制器,通过调整两个控制器输出的比重,得到舵角控制指令信号,将舵角控制指令信号输入到船舶运动数学模型中,同时引入外界干扰,得到实际的航向角输出;利用输出的航向角和控制指令信号作为最小二乘支持向量机的输入,辨识船舶运动逆系统模型,并将辨识得到的参数输入到最小二乘支持向量机控制器,调整其参数,计算舵角控制指令信号。
2.根据权利要求1所述的船舶航向智能协调控制方法,其特征是所述求取实际航向角与期望航向角的偏差的方法为:
Δψ(k)=ψr(k)-ψ(k) (1)
其中,ψr(k)为期望航向角、ψ(k)为实际航向角。
3.根据权利要求1或2所述的船舶航向智能协调控制方法,其特征是所述舵角控制指令信号包括两部分,一部分为模糊控制器输出的舵角控制指令信号δ1(k),另一部分为最小二乘支持向量机控制器输出的舵角控制指令信号δ2(k);总的舵角控制指令信号u(k)计算方法为:u(k)=βδ1(k)+(1-β)δ2(k),其中β为模糊控制器与最小二乘支持向量机控制器的协调控制因子。
4.根据权利要求1或2所述的船舶航向智能协调控制方法,其特征是所述船舶运动数学模型为三自由度非线性运动数学模型:
5.根据权利要求3所述的船舶航向智能协调控制方法,其特征是所述船舶运动数学模型为三自由度非线性运动数学模型:
6.根据权利要求1或2所述的船舶航向智能协调控制方法,其特征是所述外界干扰包括实际航向角ψ(k)、舵角δ(k)、横摇角所述得到的船舶运动逆系统模型为:
其中,f(X(k))为参数输出,X(k)为输入向量,αi为拉格朗日乘子,b为偏差量,f(X(k))为映射函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010197266 CN101859147A (zh) | 2010-06-11 | 2010-06-11 | 船舶航向智能协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010197266 CN101859147A (zh) | 2010-06-11 | 2010-06-11 | 船舶航向智能协调控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101859147A true CN101859147A (zh) | 2010-10-13 |
Family
ID=42945104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010197266 Pending CN101859147A (zh) | 2010-06-11 | 2010-06-11 | 船舶航向智能协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101859147A (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289675A (zh) * | 2011-07-24 | 2011-12-21 | 哈尔滨工程大学 | 一种船舶航向智能预报方法 |
CN102331717A (zh) * | 2011-10-10 | 2012-01-25 | 哈尔滨工程大学 | 一种船舶航速智能控制方法 |
CN103207568A (zh) * | 2013-03-18 | 2013-07-17 | 哈尔滨工程大学 | 一种抗舵机饱和的船舶航向自适应控制方法 |
CN103324083A (zh) * | 2013-06-14 | 2013-09-25 | 哈尔滨工程大学 | 基于鲁棒观测器的非线性船舶运动控制方法 |
CN103345259A (zh) * | 2013-07-01 | 2013-10-09 | 哈尔滨工程大学 | 动力定位船舶实现定位旋转的几何坐标变换导引控制方法 |
CN104049639A (zh) * | 2014-06-24 | 2014-09-17 | 上海大学 | 一种基于支持向量回归机的无人艇抗浪涌控制装置和方法 |
CN105912841A (zh) * | 2016-04-05 | 2016-08-31 | 哈尔滨工程大学 | 一种动力定位船舶连续时间黑箱模型的辨识方法 |
CN106990788A (zh) * | 2017-05-31 | 2017-07-28 | 威海海洋职业学院 | 一种船舶航向复合控制方法及装置 |
CN107450308A (zh) * | 2017-06-21 | 2017-12-08 | 合肥中导机器人科技有限公司 | 存储设备、机器人 |
CN109164701A (zh) * | 2018-07-17 | 2019-01-08 | 袁乐铮 | 一种基于模糊控制的航向控制方法及系统 |
CN109254585A (zh) * | 2018-10-08 | 2019-01-22 | 哈尔滨工程大学 | 一种舰船用输入输出数据融合的改进无模型自适应航向控制算法 |
CN109782773A (zh) * | 2019-03-12 | 2019-05-21 | 哈尔滨工程大学 | 一种操纵响应方程参数向量并行估计方法 |
CN109814547A (zh) * | 2018-12-24 | 2019-05-28 | 上海大学 | 风浪干扰作用下的无人艇航向保持装置和方法 |
CN110212838A (zh) * | 2019-03-27 | 2019-09-06 | 中国矿业大学 | 一种提取最优转子位置的无位置传感器控制方法 |
CN112051732A (zh) * | 2020-08-07 | 2020-12-08 | 集美大学 | 一种考虑岸壁效应的航标船自适应神经网络分数阶滑模控制系统及方法 |
CN112084574A (zh) * | 2020-08-11 | 2020-12-15 | 智慧航海(青岛)科技有限公司 | 一种基于神经网络的船舶附加质量和附加惯性矩确定方法 |
CN112158321A (zh) * | 2020-10-12 | 2021-01-01 | 中国舰船研究设计中心 | 一种电动舵机的船舶操舵控制方法和控制系统 |
CN112578801A (zh) * | 2021-03-01 | 2021-03-30 | 北京海兰信数据科技股份有限公司 | 一种船舶航向抗干扰控制方法 |
CN112784438A (zh) * | 2021-02-05 | 2021-05-11 | 苏州斯景科技有限公司 | 基于数据过滤的船舶运动模型自适应辨识方法和系统 |
CN112987753A (zh) * | 2020-08-26 | 2021-06-18 | 智慧航海(青岛)科技有限公司 | 基于误差船舶航向的控制方法及装置 |
CN113031614A (zh) * | 2021-03-11 | 2021-06-25 | 上海海事大学 | 一种远洋船舶航向控制复合优化节油方法 |
CN115145282A (zh) * | 2022-07-18 | 2022-10-04 | 中国船舶重工集团公司第七0七研究所九江分部 | 一种欠驱动船舶自动靠泊鲁棒自适应控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05131976A (ja) * | 1991-11-14 | 1993-05-28 | Mitsubishi Heavy Ind Ltd | フアジイ制御式フインスタビライザ |
JPH07239712A (ja) * | 1994-02-25 | 1995-09-12 | Mitsubishi Heavy Ind Ltd | 自動航行制御方法 |
CN1800781A (zh) * | 2004-12-30 | 2006-07-12 | 中国科学院自动化研究所 | 一种航迹自动舵控制系统及其方法 |
CN101713998A (zh) * | 2009-11-20 | 2010-05-26 | 大连海事大学 | 一种船舶运动控制硬件在环仿真系统及其工作方法 |
-
2010
- 2010-06-11 CN CN 201010197266 patent/CN101859147A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05131976A (ja) * | 1991-11-14 | 1993-05-28 | Mitsubishi Heavy Ind Ltd | フアジイ制御式フインスタビライザ |
JPH07239712A (ja) * | 1994-02-25 | 1995-09-12 | Mitsubishi Heavy Ind Ltd | 自動航行制御方法 |
CN1800781A (zh) * | 2004-12-30 | 2006-07-12 | 中国科学院自动化研究所 | 一种航迹自动舵控制系统及其方法 |
CN101713998A (zh) * | 2009-11-20 | 2010-05-26 | 大连海事大学 | 一种船舶运动控制硬件在环仿真系统及其工作方法 |
Non-Patent Citations (4)
Title |
---|
《哈尔滨工程大学硕士学位论文》 20070821 方亮 《舰船航向-舵/翼舵智能协调控制研究》 第4章4.2节 1-9 , 2 * |
《控制与决策》 20100430 刘胜等 《航向保持鲁棒最小二乘支持向量机控制》 551-555页 1-9 第25卷, 第4期 2 * |
《控制工程》 20100331 刘胜等 《基于LS2SVM的船舶航向模型预测控制》 175-178页 1-9 第17卷, 第2期 2 * |
《电机与控制学报》 20091130 宋佳等 《船舶航向最小二乘支持向量机内模控制》 183-187页 1-9 第13卷, 第增刊1期 2 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289675A (zh) * | 2011-07-24 | 2011-12-21 | 哈尔滨工程大学 | 一种船舶航向智能预报方法 |
CN102331717A (zh) * | 2011-10-10 | 2012-01-25 | 哈尔滨工程大学 | 一种船舶航速智能控制方法 |
CN103207568A (zh) * | 2013-03-18 | 2013-07-17 | 哈尔滨工程大学 | 一种抗舵机饱和的船舶航向自适应控制方法 |
CN103207568B (zh) * | 2013-03-18 | 2015-05-27 | 哈尔滨工程大学 | 一种抗舵机饱和的船舶航向自适应控制方法 |
CN103324083B (zh) * | 2013-06-14 | 2014-11-05 | 哈尔滨工程大学 | 基于鲁棒观测器的非线性船舶运动控制方法 |
CN103324083A (zh) * | 2013-06-14 | 2013-09-25 | 哈尔滨工程大学 | 基于鲁棒观测器的非线性船舶运动控制方法 |
CN103345259A (zh) * | 2013-07-01 | 2013-10-09 | 哈尔滨工程大学 | 动力定位船舶实现定位旋转的几何坐标变换导引控制方法 |
CN103345259B (zh) * | 2013-07-01 | 2015-09-30 | 哈尔滨工程大学 | 动力定位船舶实现定位旋转的几何坐标变换导引控制方法 |
CN104049639A (zh) * | 2014-06-24 | 2014-09-17 | 上海大学 | 一种基于支持向量回归机的无人艇抗浪涌控制装置和方法 |
CN104049639B (zh) * | 2014-06-24 | 2016-12-07 | 上海大学 | 一种基于支持向量回归机的无人艇抗浪涌控制装置和方法 |
CN105912841A (zh) * | 2016-04-05 | 2016-08-31 | 哈尔滨工程大学 | 一种动力定位船舶连续时间黑箱模型的辨识方法 |
CN106990788A (zh) * | 2017-05-31 | 2017-07-28 | 威海海洋职业学院 | 一种船舶航向复合控制方法及装置 |
CN107450308A (zh) * | 2017-06-21 | 2017-12-08 | 合肥中导机器人科技有限公司 | 存储设备、机器人 |
CN109164701A (zh) * | 2018-07-17 | 2019-01-08 | 袁乐铮 | 一种基于模糊控制的航向控制方法及系统 |
CN109254585A (zh) * | 2018-10-08 | 2019-01-22 | 哈尔滨工程大学 | 一种舰船用输入输出数据融合的改进无模型自适应航向控制算法 |
CN109814547A (zh) * | 2018-12-24 | 2019-05-28 | 上海大学 | 风浪干扰作用下的无人艇航向保持装置和方法 |
CN109814547B (zh) * | 2018-12-24 | 2022-08-05 | 上海大学 | 风浪干扰作用下的无人艇航向保持装置和方法 |
CN109782773A (zh) * | 2019-03-12 | 2019-05-21 | 哈尔滨工程大学 | 一种操纵响应方程参数向量并行估计方法 |
CN110212838A (zh) * | 2019-03-27 | 2019-09-06 | 中国矿业大学 | 一种提取最优转子位置的无位置传感器控制方法 |
CN112051732A (zh) * | 2020-08-07 | 2020-12-08 | 集美大学 | 一种考虑岸壁效应的航标船自适应神经网络分数阶滑模控制系统及方法 |
CN112084574A (zh) * | 2020-08-11 | 2020-12-15 | 智慧航海(青岛)科技有限公司 | 一种基于神经网络的船舶附加质量和附加惯性矩确定方法 |
CN112084574B (zh) * | 2020-08-11 | 2024-04-19 | 智慧航海(青岛)科技有限公司 | 一种基于神经网络的船舶附加质量和附加惯性矩确定方法 |
CN112987753B (zh) * | 2020-08-26 | 2023-08-01 | 智慧航海(青岛)科技有限公司 | 基于误差船舶航向的控制方法及装置 |
CN112987753A (zh) * | 2020-08-26 | 2021-06-18 | 智慧航海(青岛)科技有限公司 | 基于误差船舶航向的控制方法及装置 |
CN112158321A (zh) * | 2020-10-12 | 2021-01-01 | 中国舰船研究设计中心 | 一种电动舵机的船舶操舵控制方法和控制系统 |
CN112784438A (zh) * | 2021-02-05 | 2021-05-11 | 苏州斯景科技有限公司 | 基于数据过滤的船舶运动模型自适应辨识方法和系统 |
CN112578801A (zh) * | 2021-03-01 | 2021-03-30 | 北京海兰信数据科技股份有限公司 | 一种船舶航向抗干扰控制方法 |
CN113031614B (zh) * | 2021-03-11 | 2022-09-30 | 上海海事大学 | 一种远洋船舶航向控制复合优化节油方法 |
CN113031614A (zh) * | 2021-03-11 | 2021-06-25 | 上海海事大学 | 一种远洋船舶航向控制复合优化节油方法 |
CN115145282A (zh) * | 2022-07-18 | 2022-10-04 | 中国船舶重工集团公司第七0七研究所九江分部 | 一种欠驱动船舶自动靠泊鲁棒自适应控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101859147A (zh) | 船舶航向智能协调控制方法 | |
CN108845576B (zh) | 一种基于粒子群与序列二次规划结合的推力分配方法 | |
CN108255060B (zh) | 基于极限学习机的船舶动力定位自抗扰控制方法 | |
CN110262494B (zh) | 一种同构多无人艇系统的协同学习与编队控制方法 | |
CN101963784A (zh) | 基于支持向量机和广义预测控制算法的船舶动力定位方法 | |
CN113110511B (zh) | 一种基于广义模糊双曲模型的智能船舶航向控制方法 | |
Zhang et al. | A novel event-triggered robust neural formation control for USVs with the optimized leader–follower structure | |
Zhao et al. | Nonlinear control algorithms for efficiency-improved course keeping of large tankers under heavy sea state conditions | |
Timchenko et al. | Optimization of processes of robust control of quadcopter for monitoring of sea waters | |
CN103901775A (zh) | 一种基于t-s模型带有输入约束的舵减横摇模糊控制器及其控制方法 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
CN114115276A (zh) | 一种基于在线分组优化模型预测的船舶动力定位控制方法 | |
Zhang et al. | Hybrid threshold event-triggered control for sail-assisted USV via the nonlinear modified LVS guidance | |
Juan et al. | Path following backstepping control of underactuated unmanned underwater vehicle | |
CN105700356B (zh) | 基于鲁棒约束模型预测控制的uuv对线控位回收方法 | |
Bańka et al. | Design of a multivariable neural controller for control of a nonlinear MIMO plant | |
CN109814547B (zh) | 风浪干扰作用下的无人艇航向保持装置和方法 | |
CN111324037A (zh) | 一种基于遗传算法与模拟退火算法结合的推力分配方法 | |
Yu et al. | Ship RBF neural network sliding mode PID heading control | |
CN112363538B (zh) | 一种速度信息不完备下的auv区域跟踪控制方法 | |
Li et al. | SMC for rudder/fin joint roll stabilization based on input-output feedback linearization | |
Mu et al. | Time-varying encounter angle trajectory tracking control of unmanned surface vehicle based on wave modeling | |
CN114675536A (zh) | 2-dof直升机的自适应宽度学习未知方向控制方法 | |
Liu et al. | An effective motion control based on 2-DOF PID and ELM for AUV | |
Jia et al. | Design of a nonlinear heading control system for ocean going ships based on backstepping technique |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20101013 |