响应型非线性船舶模型的鲁棒神经网络控制.pdfVIP

第1章绪论 1．1问题的提出 船舶运动控制问题中的航向保持是要求舵角占克服环境的干扰将航向y维持 在设定航向竹上。在海上航行时，船舶除了会受到舵力、桨力等有利于它按预期 目的运动的主动力外，还会受到阻碍其运动的干扰力如风力、浪力、流力，给船 舶航向保持的研究带来了许多不便【“。为了尽可能保持好航向，近几十年来，国内 外许多学者就航向保持问题进行了研究，他们得如了多种神经网络航向保持算法， 如直接控制、监督控制和内部模型控制等等【2】。这些神经网络控制的应用的确为航 向保持提供了有效的方法，但在某些方面它们还不够完善。如直接控制因为不存 在反馈，无法对过程参数的摄动和环境干扰进行补偿，系统的鲁棒性差。本文在 神经网络直接控制船舶运动控制基础上，引入闭环增益成形算法构成闭环控制‘31， 以提高系统对环境干扰和过程参数摄动的鲁棒性。 闭环增益成形算法是一种从工程意义简化的Hoo鲁棒控制算法，其核心是直 接用构造的系统闭环传递函数矩阵的表达式设计控制器，保证了系统的鲁棒性能 和鲁棒稳定性。 (1)国外研究情况 张尧在Newcastle大学攻读博士学位期间，创造性地将ANN的直接控制算法 控制器直接逆控制式NCC的训练归结为三种可能的方案[91：通常递推训练方案、 加强训练方案和适度训练方案。 (2)国内研究情况 闭环增益成形算法是大连海事大学张显库副教授和贾欣乐教授基于对Hoo鲁 棒控制理论中混合灵敏度算法及回路成形算法的深入研究，以及大量的控制器设 计实践经验，考虑到补灵敏度函数r和灵敏度函数s的相关性，提出一·种新的适用 于的MIMO过程的闭环增益成形控制算法，后者也可以说是一种简化的S／r混合 灵敏度算法【1¨1甜。 神经网络直接控制虽然已比较成熟，并且在很多方面也进行了应用，但在船 舶运动控制中的航向保持中结合闭环增益成形算法构成的鲁棒神经网络控制还未 见报道，因此，本课题引入闭环增益成形算法到神经网络直接控制，设计出一种 具有鲁棒性的船舶航向保持自动舵。 1．2论文的结构 本文围绕“响应型非线性船舶模型的鲁棒神经网络控制”这一主题进行了详 细的阐述和研究，全文共分为五章，具体内容如下：第一章简述了论文如何选题： 第二章简单介绍了神经网络概念和原理；第三章介绍了闭环增益成形算法；第四 章介绍了响应型非线性船舶运动数学模型的建立过程；第五章详细阐述了直接控 制与闭环增益成形控制算法组成闭环控制系统的设计方法，并对设计出的控制系 统进行了详细的仿真；第六章为全文的结论。 第2章原理介绍 为了充分地理解和掌握直接控制与闭环增益成形控制算法在船舶保持控制中 的应用，必须首先了解一些关于神经网络和闭环增益成形控制算法的基本知识， 本章将介绍一些本文所涉及相关知识。除必要的证明以外，这里只介绍基本理论。 2．1神经网络控制 按照某种连接结构形成的网络，用以模仿人类大脑的构造和信息处理功能。它已 在信息联想记忆(Associate 域，包括模式识别(Pattern Recognition)，图像处理(Image Processing)，优化 and Decision) 等方面取得巨大进展【埘。 2．1．1 ANN的基本结构 处理单元(PE)作为ANN的基本单元，可以以不同的方式连接，构成多种神 经网络结构，但总体上说可分为前向网络(Feed．forward Network)和递归网络 (Recurrent Network)两种基本结构。 (1)前向网络 图2-1(a)示出的是一个多层前向网络，它的层数L-3；输入层具有m=Ⅳ1个 神经元，分别接受_，x：，…，上。共研个输入信号；输出层具有聆=NL个神经元，分 别提供Y。，Y：，…，n共n个输出信号；输入层到输出层之间存在一个以上的隐含层 (Hidden Layer)，各隐含层的神经元个数为