CN109213178A - 一种航向控制方法及装置 - Google Patents
一种航向控制方法及装置 Download PDFInfo
- Publication number
- CN109213178A CN109213178A CN201811358585.9A CN201811358585A CN109213178A CN 109213178 A CN109213178 A CN 109213178A CN 201811358585 A CN201811358585 A CN 201811358585A CN 109213178 A CN109213178 A CN 109213178A
- Authority
- CN
- China
- Prior art keywords
- control
- fuzzy
- bow
- optimization
- rule table
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 42
- 230000002068 genetic effect Effects 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims description 26
- 238000010353 genetic engineering Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种航向控制方法及装置。先利用遗传算法对模糊控制规则进行优化,避免了依靠专家经验带来的人为误差,再通过模糊控制规则对PID算法进行实时控制参数整定,提高了控制系统的自适应能力。本发明综合了遗传算法、模糊控制和经典PID控制算法的优点,对水面无人船的操纵模型精确度要求不高,易于工程实现。
Description
技术领域
本发明涉及航向控制技术领域,尤其涉及一种航向控制方法及装置。
背景技术
近年来,无人船因其自动化程度高、机动性强、抗干扰能力强等优势被广泛应用于反潜、海洋环境监测、自主定位监控、海上搜救等军事和民用领域,有效避免了人为因素和恶劣天气原因的影响,大大提高了工作效率,因而具有广泛的应用前景。
目前,无人船的自主航行一直是智能船舶控制领域研究的热点,而航向控制是实现无人船智能自主航行的关键技术问题之一。目前的无人船航向控制智能算法都需要精确的船舶非线性运动模型才能实现良好的控制效果,因此难以工程化应用。
发明内容
本发明通过提供一种航向控制方法及装置,解决了现有技术中需要精确的船舶非线性运动模型才能实现良好的控制效果的技术问题,实现了易于工程化应用的技术效果。
本发明提供了一种航向控制方法,包括:
使用遗传算法对模糊化算法的控制规则进行优化,得到优化后的模糊控制规则表;
根据所述优化后的模糊控制规则表,通过模糊化算法获得控制参数调整量;
根据所述控制参数调整量,对原始控制参数进行调整。
进一步地,所述使用遗传算法对模糊化算法的控制规则进行优化,得到优化后的模糊控制规则表,包括:
第一步,使用二进制数对输入量和输出量进行编码,将所述输入量的二进制码和所述输出量的二进制码串联起来得到初始控制规律二进制数;其中,所述输入量包括:艏向角误差和艏向角变化率;
第二步,通过方程式计算种群中个体的适应度函数值J;其中,所述方程式如下:
式中,|e(t)|是所述艏向角误差的绝对值,t是系统的调节时间;
第三步,进行遗传操作,生成新的控制规律二进制数,将所述新的控制规律二进制数替换所述初始控制规律二进制数;
第四步,重复所述第二步和所述第三步,直至所述适应度函数值J达到预设的适应度函数值,获得所述优化后的模糊控制规则表。
进一步地,在所述进行遗传操作的过程中,进行遗传操作的父代的选出方式为轮盘赌选择。
进一步地,所述根据所述优化后的模糊控制规则表,通过模糊化算法获得控制参数调整量,包括:
根据所述优化后的模糊控制规则表对所述艏向角误差和所述艏向角变化率进行映射,得到映射后的数据;
对所述映射后的数据进行反模糊化得到输出的比例偏差、积分偏差和微分偏差。
进一步地,所述根据所述控制参数调整量,对原始控制参数进行调整,包括:
将所述比例偏差、所述积分偏差和所述微分偏差,输入到控制器,实现对所述原始控制参数的调整。
本发明还提供了一种航向控制装置,包括:
优化模块,用于使用遗传算法对模糊化算法的控制规则进行优化,得到优化后的模糊控制规则表;
运算模块,用于根据所述优化后的模糊控制规则表,通过模糊化算法获得控制参数调整量;
调整模块,用于根据所述控制参数调整量,对原始控制参数进行调整。
进一步地,所述优化模块,包括:
编码单元,用于使用二进制数对输入量和输出量进行编码,将所述输入量的二进制码和所述输出量的二进制码串联起来得到初始控制规律二进制数;其中,所述输入量包括:艏向角误差和艏向角变化率;
计算单元,用于通过方程式计算种群中个体的适应度函数值J;其中,所述方程式如下:
式中,|e(t)|是所述艏向角误差的绝对值,t是系统的调节时间;
遗传单元,用于进行遗传操作,生成新的控制规律二进制数,将所述新的控制规律二进制数替换所述初始控制规律二进制数;
优化执行单元,用于重复所述计算单元和所述遗传单元,直至所述适应度函数值J达到预设的适应度函数值,获得所述优化后的模糊控制规则表。
进一步地,在所述进行遗传操作的过程中,进行遗传操作的父代的选出方式为轮盘赌选择。
进一步地,所述运算模块,包括:
映射单元,用于根据所述优化后的模糊控制规则表对所述艏向角误差和所述艏向角变化率进行映射,得到映射后的数据;
反模糊化单元,用于对所述映射后的数据进行反模糊化得到输出的比例偏差、积分偏差和微分偏差。
进一步地,所述调整模块,具体用于将所述比例偏差、所述积分偏差和所述微分偏差,输入到控制器,实现对所述原始控制参数的调整。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
先利用遗传算法对模糊控制规则进行优化,避免了依靠专家经验带来的人为误差,再通过模糊控制规则对PID算法进行实时控制参数整定,提高了控制系统的自适应能力。本发明综合了遗传算法、模糊控制和经典PID控制算法的优点,对水面无人船的操纵模型精确度要求不高,易于工程实现。
附图说明
图1为本发明实施例提供的航向控制方法的流程图;
图2为本发明实施例提供的航向控制装置的模块图;
图3为基于本发明实施例的航向反馈控制结构原理图;
图4为本发明实施例中输入量艏向角误差e的隶属度函数图。
具体实施方式
本发明实施例通过提供一种航向控制方法及装置,解决了现有技术中需要精确的船舶非线性运动模型才能实现良好的控制效果的技术问题,实现了易于工程化应用的技术效果。
本发明实施例中的技术方案为解决上述问题,总体思路如下:
先利用遗传算法对模糊控制规则进行优化,避免了依靠专家经验带来的人为误差,再通过模糊控制规则对PID算法进行实时控制参数整定,提高了控制系统的自适应能力。本发明实施例综合了遗传算法、模糊控制和经典PID控制算法的优点,对水面无人船的操纵模型精确度要求不高,易于工程实现。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参见图1,本发明实施例提供的航向控制方法,包括:
步骤S110:使用遗传算法对模糊化算法的控制规则进行优化,得到优化后的模糊控制规则表;
对本步骤进行具体说明:
第一步,使用二进制数对输入量和输出量进行编码,将输入量的二进制码和输出量的二进制码串联起来得到初始控制规律二进制数;其中,输入量包括:艏向角误差和艏向角变化率;输出量包括:比例偏差、积分偏差和微分偏差。
在本实施例中,使用三位二进制数对输入量和输出量进行编码,将串联得到的控制规律二进制数作为一个个体,即一条控制规律。按PID控制规律生成初始种群。
第二步,通过方程式计算种群中个体的适应度函数值J;其中,方程式如下:
式中,|e(t)|是艏向角误差的绝对值,t是系统的调节时间;
第三步,进行遗传操作,生成新的种群,即生成新的控制规律二进制数,将新的控制规律二进制数替换初始控制规律二进制数。
具体地,在进行遗传操作,生成新的种群的过程中,进行遗传操作的父代的选出方式为轮盘赌选择。
第四步,重复第二步和第三步,直至适应度函数值J达到预设的适应度函数值,即达到最优,获得优化后的模糊控制规则表。
具体地,在达到最优后,得到多个控制规律二进制数,将得到的多个控制规律二进制数整合为模糊控制规则表,即为优化后的模糊控制规则表。
步骤S120:根据优化后的模糊控制规则表,通过模糊化算法获得控制参数调整量。
对本步骤进行具体说明:
根据优化后的模糊控制规则表对艏向角误差和艏向角变化率进行映射,得到映射后的数据;
对映射后的数据进行反模糊化得到输出的比例偏差、积分偏差和微分偏差。
步骤S130:根据控制参数调整量,在线对原始控制参数进行调整。
对本步骤进行具体说明:
将比例偏差、积分偏差和微分偏差,输入到控制器,实现对原始控制参数的调整,进而对无人船的舵机进行操作控制。
参见图2,本发明实施例提供的航向控制装置,包括:
优化模块100,用于使用遗传算法对模糊化算法的控制规则进行优化,得到优化后的模糊控制规则表;
具体地,优化模块100,包括:
编码单元,用于使用二进制数对输入量和输出量进行编码,将输入量的二进制码和输出量的二进制码串联起来得到初始控制规律二进制数;其中,输入量包括:艏向角误差和艏向角变化率;输出量包括:比例偏差、积分偏差和微分偏差。
在本实施例中,使用三位二进制数对输入量和输出量进行编码,将串联得到的控制规律二进制数作为一个个体,即一条控制规律。按PID控制规律生成初始种群。
计算单元,用于通过方程式计算种群中个体的适应度函数值J;其中,方程式如下:
式中,|e(t)|是艏向角误差的绝对值,t是系统的调节时间;
遗传单元,用于进行遗传操作,生成新的种群,即生成新的控制规律二进制数,将新的控制规律二进制数替换初始控制规律二进制数。
具体地,在进行遗传操作,生成新的种群的过程中,进行遗传操作的父代的选出方式为轮盘赌选择。
优化执行单元,用于重复计算单元和遗传单元,直至适应度函数值J达到预设的适应度函数值,即达到最优,获得优化后的模糊控制规则表。
具体地,在达到最优后,得到多个控制规律二进制数,将得到的多个控制规律二进制数整合为模糊控制规则表,即为优化后的模糊控制规则表。
运算模块200,用于根据优化后的模糊控制规则表,通过模糊化算法获得控制参数调整量。
具体地,运算模块200,包括:
映射单元,用于根据优化后的模糊控制规则表对艏向角误差和艏向角变化率进行映射,得到映射后的数据;
反模糊化单元,用于对映射后的数据进行反模糊化得到输出的比例偏差、积分偏差和微分偏差。
调整模块300,用于根据控制参数调整量,在线对原始控制参数进行调整。
具体地,调整模块300,具体用于将比例偏差、积分偏差和微分偏差,输入到控制器,实现对原始控制参数的调整,进而对无人船的舵机进行操作控制。
实例说明:
针对附表1中的无人船参数设计控制方法。该水面无人船的一阶野本操纵响应模型的操纵方程如下所示。
其控制结构如图3所示。
附表1无人船主要参数
1、PID控制部分是经典PID控制,其传递函数表达式为:
式中,Kp、Ki、Kd为初始PID控制参数,此处利用响应曲线法整定得到的初始参数为:Kp=16,Ki=0,Kd=34.2。ΔKp、ΔKi、ΔKd由模糊控制部分实时给定。
2、模糊化算法部分采用二输入三输出的控制结构,其输入量和输出量对应的语言变量符号和论域范围如附表2所示。
附表2模糊控制结构输入/输出量
在本实施例中,输入量和输出量对应的语言变量均细分为7个语言变量值,即负大NB、负中NM、负小NS、零ZO、正小PS、正中PM和正大PB。此处输入量和输出量采用的隶属度函数均为三角函数,输入量艏向角误差e的隶属度函数如图4所示,横轴为艏向角误差e的范围,纵轴为隶属度。
3、模糊控制结构的控制规则由遗传算法优化得出。
(1)使用三位二进制数对输入量和输出量进行编码,编码规则如附表3所示。将输入量和输出量的二进制码按顺序串联起来,所得到的二进制数作为一个个体,即一条控制规律(例如:001001001001001001代表输入量E和EC同时隶属于NB范围时,输出量ΔKP、ΔKI和ΔKD也均在NB范围内)。按PID控制规律生成初始种群,种群数量设定为50。
附表3遗传算法编码规则
(2)计算种群中个体的适应度函数值,此处选择的适应度函数为艏向角误差绝对值积分的倒数,方程式如下:
式中,|e(t)|为艏向角误差的绝对值,t为系统的调节时间。
(3)进行遗传操作,生成新的种群。此处进行遗传操作的父代的选出方式为轮盘赌选择。变异概率(Pm)为0.02,交叉方式为单点交叉,交叉概率(Pc)为0.8。
(4)重复(2)和(3)直至达到最优。在本实施例中,迭代次数为100。最终经遗传算法优化得到的模糊控制规则如附表4所示。
附表4基于遗传算法的模糊控制规则表
【技术效果】
1、先利用遗传算法对模糊控制规则进行优化,避免了依靠专家经验带来的人为误差,再通过模糊控制规则对PID算法进行实时控制参数整定,提高了控制系统的自适应能力。本发明实施例综合了遗传算法、模糊控制和经典PID控制算法的优点,对水面无人船的操纵模型精确度要求不高,易于工程实现。
2、在进行遗传操作,生成新的种群的过程中,进行遗传操作的父代的选出方式为轮盘赌选择,有利于准确获得最优的控制规则,以提高控制器的控制效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种航向控制方法,其特征在于,包括:
使用遗传算法对模糊化算法的控制规则进行优化,得到优化后的模糊控制规则表;
根据所述优化后的模糊控制规则表,通过模糊化算法获得控制参数调整量;
根据所述控制参数调整量,对原始控制参数进行调整。
2.如权利要求1所述的方法,其特征在于,所述使用遗传算法对模糊化算法的控制规则进行优化,得到优化后的模糊控制规则表,包括:
第一步,使用二进制数对输入量和输出量进行编码,将所述输入量的二进制码和所述输出量的二进制码串联起来得到初始控制规律二进制数;其中,所述输入量包括:艏向角误差和艏向角变化率;
第二步,通过方程式计算种群中个体的适应度函数值J;其中,所述方程式如下:
式中,|e(t)|是所述艏向角误差的绝对值,t是系统的调节时间;
第三步,进行遗传操作,生成新的控制规律二进制数,将所述新的控制规律二进制数替换所述初始控制规律二进制数;
第四步,重复所述第二步和所述第三步,直至所述适应度函数值J达到预设的适应度函数值,获得所述优化后的模糊控制规则表。
3.如权利要求2所述的方法,其特征在于,在所述进行遗传操作的过程中,进行遗传操作的父代的选出方式为轮盘赌选择。
4.如权利要求2所述的方法,其特征在于,所述根据所述优化后的模糊控制规则表,通过模糊化算法获得控制参数调整量,包括:
根据所述优化后的模糊控制规则表对所述艏向角误差和所述艏向角变化率进行映射,得到映射后的数据;
对所述映射后的数据进行反模糊化得到输出的比例偏差、积分偏差和微分偏差。
5.如权利要求4所述的方法,其特征在于,所述根据所述控制参数调整量,对原始控制参数进行调整,包括:
将所述比例偏差、所述积分偏差和所述微分偏差,输入到控制器,实现对所述原始控制参数的调整。
6.一种航向控制装置,其特征在于,包括:
优化模块,用于使用遗传算法对模糊化算法的控制规则进行优化,得到优化后的模糊控制规则表;
运算模块,用于根据所述优化后的模糊控制规则表,通过模糊化算法获得控制参数调整量;
调整模块,用于根据所述控制参数调整量,对原始控制参数进行调整。
7.如权利要求6所述的装置,其特征在于,所述优化模块,包括:
编码单元,用于使用二进制数对输入量和输出量进行编码,将所述输入量的二进制码和所述输出量的二进制码串联起来得到初始控制规律二进制数;其中,所述输入量包括:艏向角误差和艏向角变化率;
计算单元,用于通过方程式计算种群中个体的适应度函数值J;其中,所述方程式如下:
式中,|e(t)|是所述艏向角误差的绝对值,t是系统的调节时间;
遗传单元,用于进行遗传操作,生成新的控制规律二进制数,将所述新的控制规律二进制数替换所述初始控制规律二进制数;
优化执行单元,用于重复所述计算单元和所述遗传单元,直至所述适应度函数值J达到预设的适应度函数值,获得所述优化后的模糊控制规则表。
8.如权利要求7所述的装置,其特征在于,在所述进行遗传操作的过程中,进行遗传操作的父代的选出方式为轮盘赌选择。
9.如权利要求7所述的装置,其特征在于,所述运算模块,包括:
映射单元,用于根据所述优化后的模糊控制规则表对所述艏向角误差和所述艏向角变化率进行映射,得到映射后的数据;
反模糊化单元,用于对所述映射后的数据进行反模糊化得到输出的比例偏差、积分偏差和微分偏差。
10.如权利要求9所述的装置,其特征在于,所述调整模块,具体用于将所述比例偏差、所述积分偏差和所述微分偏差,输入到控制器,实现对所述原始控制参数的调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811358585.9A CN109213178A (zh) | 2018-11-15 | 2018-11-15 | 一种航向控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811358585.9A CN109213178A (zh) | 2018-11-15 | 2018-11-15 | 一种航向控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109213178A true CN109213178A (zh) | 2019-01-15 |
Family
ID=64994387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811358585.9A Pending CN109213178A (zh) | 2018-11-15 | 2018-11-15 | 一种航向控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109213178A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001067186A1 (en) * | 2000-03-09 | 2001-09-13 | Stmicroelectronics S.R.L. | Method and hardware architecture for controlling a process or for processing data based on quantum soft computing |
WO2004012139A2 (en) * | 2002-07-31 | 2004-02-05 | Yamaha Motor Co., Ltd | Intelligent mechatronic control suspension system based on quantum soft computing |
CN102968055A (zh) * | 2012-12-07 | 2013-03-13 | 上海电机学院 | 基于遗传算法的模糊pid控制器及其控制方法 |
CN203064178U (zh) * | 2012-12-28 | 2013-07-17 | 武汉南华工业设备工程股份有限公司 | 航行信号灯控制系统 |
CN104635494A (zh) * | 2015-02-06 | 2015-05-20 | 西安电子科技大学 | 一种基于遗传算法优化的车辆追尾碰撞模糊控制方法 |
CN105807607A (zh) * | 2016-05-11 | 2016-07-27 | 杭州电子科技大学 | 一种遗传算法优化预测模糊pid焦化炉温度控制方法 |
RU2672236C2 (ru) * | 2017-01-31 | 2018-11-12 | Виталий Александрович Бондарев | Способ предупреждения столкновения морских судов |
-
2018
- 2018-11-15 CN CN201811358585.9A patent/CN109213178A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001067186A1 (en) * | 2000-03-09 | 2001-09-13 | Stmicroelectronics S.R.L. | Method and hardware architecture for controlling a process or for processing data based on quantum soft computing |
WO2004012139A2 (en) * | 2002-07-31 | 2004-02-05 | Yamaha Motor Co., Ltd | Intelligent mechatronic control suspension system based on quantum soft computing |
CN102968055A (zh) * | 2012-12-07 | 2013-03-13 | 上海电机学院 | 基于遗传算法的模糊pid控制器及其控制方法 |
CN203064178U (zh) * | 2012-12-28 | 2013-07-17 | 武汉南华工业设备工程股份有限公司 | 航行信号灯控制系统 |
CN104635494A (zh) * | 2015-02-06 | 2015-05-20 | 西安电子科技大学 | 一种基于遗传算法优化的车辆追尾碰撞模糊控制方法 |
CN105807607A (zh) * | 2016-05-11 | 2016-07-27 | 杭州电子科技大学 | 一种遗传算法优化预测模糊pid焦化炉温度控制方法 |
RU2672236C2 (ru) * | 2017-01-31 | 2018-11-12 | Виталий Александрович Бондарев | Способ предупреждения столкновения морских судов |
Non-Patent Citations (2)
Title |
---|
张宇杉: "大型集装箱船舶航向智能控制的研究", 《中国优秀硕士学位论文全文数据库,信息科技辑》 * |
赵明旺: "《智能制造》", 31 March 2010 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang et al. | Evolutionary design of fuzzy rule base for nonlinear system modeling and control | |
Lansberry et al. | Optimal hydrogenerator governor tuning with a genetic algorithm | |
Cui et al. | Deep-neural-network-based economic model predictive control for ultrasupercritical power plant | |
Kong et al. | An effective nonlinear multivariable HMPC for USC power plant incorporating NFN-based modeling | |
Chen et al. | Application of improved genetic algorithm in PID controller parameters optimization | |
CN111830989B (zh) | 一种基于内模控制与遗传算法的无人船路径跟踪控制方法 | |
De-Wei et al. | Design of robust model predictive control based on multi-step control set | |
Valluru et al. | Stabilization of nonlinear inverted pendulum system using MOGA and APSO tuned nonlinear PID controller | |
Goodwin et al. | Predictive control: a historical perspective | |
CN104050505A (zh) | 一种基于带学习因子蜂群算法的多层感知器训练方法 | |
Chopra et al. | Auto tuning of fuzzy PI type controller using fuzzy logic | |
CN113051828B (zh) | 一种工艺参数驱动的天然气水露点在线预测方法 | |
Roman et al. | Hybrid data-driven active disturbance rejection sliding mode control with tower crane systems validation | |
Liu et al. | LMI‐based model predictive control for underactuated surface vessels with input constraints | |
CN109213178A (zh) | 一种航向控制方法及装置 | |
CN112540619A (zh) | 一种水下航行器姿态调整方法、装置及水下航行器 | |
Hernández Cortés et al. | Synchronization of Discrete‐Time Chaotic Fuzzy Systems by means of Fuzzy Output Regulation Using Genetic Algorithm | |
CN111310788A (zh) | 基于参数优化的水体pH值预测方法 | |
Hu et al. | Application of fuzzy neural network in ship course control | |
CN110045616B (zh) | 一种搅拌反应罐的鲁棒预测控制方法 | |
Su et al. | Finite‐time optimization stabilization for a class of constrained switched nonlinear systems | |
CN114035450A (zh) | 一种面向mswi过程的多入多出回路控制半实物仿真实验平台 | |
CN103558762A (zh) | 基于图形化组态技术的免疫遗传pid控制器的实现方法 | |
Hashikura et al. | Exosystem‐observer approach to H2 control with output regulation constraint | |
CN117035101B (zh) | 基于自治神经元多涡卷吸引子控制方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190115 |