- 1、本文档共79页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
中文 摘 要
本论文来源于上海市高等学校科学技术发展基金项目— 船舶航向集成智
能控制技术研究。作者参与此课题的研究并撰写了该论文。
船舶航向自动控制系统亦称为自动舵,它是船舶系统中一个不可缺少的重要
设备,从历史的角度来看自动舵的出现是减轻驾驶人员的工作强度,降低运输成
本,提高运输的安全性和经济效益。随着控制技术不断完善,工程技术人员把控
制技术引入航向控制之中建立了以PID为控制器的航向控制系统并取得良好的
效果。但是由于船舶航行的复杂性和PID控制器本身的局限性,常规的PID 自
动舵仍然存在着许多不足之处。
本文的研究的目的是对标准遗传算法进行了改进,并将这种改进型遗传算法
应用于神经网络的参数优化。其目标为改善BP算法和标准遗传算法在优化神经
网络参数的过程中存在的一些不足。并将这种改进型算法应用于自动舵的神经网
络控制器的参数优化。
本文研究是从以下几个方面着手:
1. 在论文的开始,阐述了人工神经网络的基本知识,介绍了常用的BP算
法并分析其不足。
2, 阐述了标准遗传算法的基本知识,并将其用于一个多峰值函数的求极值
问题。
3. 针对标准遗传算法的缺点,提出了一种改进型遗传算法,从多方面对标
准遗传算法进行改进。
4. 将遗传算法应用于神经网络的参数优化。针对连续异或问题,分别使用
标准遗传算法和改进型遗传算法进行了大量仿真试验,从多个方面对两种
算法进行了比较,结果证明改进型遗传算法能够解决标准遗传算法固有的
缺点,并详细验证了其算法的性能。
5. 论文的最后设计出一个PID自动舵,在MATLAB软件所提供的SIMULINK
工具箱对其进行仿真,从仿真数据中提取样本;将改进型遗传算法应用于
自动舵的神经网络控制器的参数优化,仿真结果再次验证了此算法的有效
性。
最终的仿真结果表明,文中提出的改进型遗传算法极大改善了标准遗传算法
的性能,收敛速度大大加快,精度得以提高,并解决了BP算法一直面临的一大
困扰— 不成熟收敛。作为一种神经网络参数的优化算法,改进型遗传算法的优
越性大大超过传统的BP算法,其应用和发展前景是广阔的。
论文中的大部分仿真程序是用C++语言编写,并在C++Builder5_d环境中运
行。
关键词:人工神经网络,遗传算法,自动舵,计算机仿真
ABSTRACT
Thisthesisisbasedonthescienceproject"TheResearchofIntegration
IntelligentControlinAutopilotDesignforMarineship",whichapplied
fromShanghaihighEducationScientificandTechnologyFoundation
Themaneuveringofashipalongaproscribedcourseinrestrictwaters
isimportantfromoperational,safetyandenvironmentalviewpoints.
Duringtheshipmaneuvering,therearesomecharacteristicsofnonlinear,
slowtimevaryingandinfluenceofcomplexdisturbance
ThePIDautopilotbasedonlinearsystemmathmodelishardtocontrol
shipmaneuversystemeffectively.ForPIDcontroldoesnothasagood
activepropertiesanditalsodeeplydependonprecisemathmodel.Fuzzy
controllershowspromiseforthesenon-linearsystemsthatarenotknown
wellorthemodelisdifficulttobeidentified.
Amongthelearningalgorithmsoftheartificialneuralnetworks,the
singlegeneticalgorithm SGA andtheBPalgorithmareal
文档评论(0)