船舶航向非线性系统模型参考神经网络自适应控制

《船舶航向非线性系统模型参考神经网络自适应控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要本文对神经网络模型参考自适应控制及其在船舶航向控制中的应用进行了系绞豹磷究。首先针对船舶线性模型，在讨论了模型参考自适应控制理论∞基础上，设计了模型参考自邋应自动舵，并对其进行了仿真。赞瓣勰熬靛淘{靼线毪不确定系统，箍出了一种凳神经两络和模登参考自适应控制结合在一起的新的控制冀法，此算法首先遥过系统的已知动态特性设诗一个稳定的反馈控制器，然后利用RBF神经阿络逼近未知非线性，从而消除不确定性的影响。粳重鑫适应移歪惑弼是萋于Lyapunov稳定性理论癸现的，避免了递舰训练涎程，保证了自适威控制爨法匏稳

2、定憾。控划器设计畦续会7餐襻控铡方法，来消除或减d,#l-部干扰以及神经潮络逼近误差，使得系统具有一定的鲁棒型。熬个箨法不仅僳谖整个溺环系统稳定，丽鼠能使系统的跟踪误麓收敛子零的邻域内。黢蜃恕此算法遴行了仿宾，绩囊缀豢令人满意。将算法在不同外界条件，如襁风浪干扰时、在不同载运状态下、在不同速度下涟行仿粪，仿真结采表明该算法的控制效果照著，并与常规模型参考翻适应簿法瓣控割缝果进毒亍了魄较，诞弱了毒枣经爨络模型参考鑫逶痰控制葵法静援麓捷越于传统模型参考自适成控制算法的性能。勇了检验本文掇出韵船舶航向自动舵的

3、性能，研究了船舶运动数学模型，以及毽擐威、渡、浚秘{#线性力穆瘸在艇靛上熬努秀予挽力窝力矩懿诗算穰型。甏翔Matlab的Simulink环境实现了对各种船舶航向自动舵的大凝仿真试验。关键词：模型参考自适应、神经网络、RBF、船舶航向控制Abstract确isthesishassystematicallyresearchedneuralnetworkmodelreferenceadaptivecontrolanditsapplication埝ship'scoul_sesteeringcontr01．Int

4、histhesis,aireedatshiplinearmathematicalmotionmodel,themodelreferenceadaptiveautopilotisfirstdesignedbasedontheanalysisofthemodelreferenceadaptivecontroltheory．琢combiningmodelreferenceadaptivecontrolandneuralnetworkcontrol，anovelmodelreferenceadaptiveneu

5、ralnetworkcontrolschemeisproposedfortheshipsteering'snonlinearmodel+颡theprocedure,theRBFneuratnetworks‘aleusedtoapproximatenonlinearsystems；TheweightscabbeachievedbyUSeofLyapunoveapproach。Tocompensatetheapproximationerrorandattenuatetheexternaldisturbanc

6、e,arobusttechnologyisintroducedt彝theproposedscheme．AsymptoticstabilityoftheclosedloopsystemisestablishedintheLyapunovLheory,andthetrackingeITorsconvergence撼8neighborhoodofzero．Atlast，theschemeisappiliedtOship'scoursesteeringcontrolandthesimutatio馥curvess

7、howthatthedesiredresults曩糙attained．‘Themodelreferenceadaptiveneuralnetworkcontrolautopilotissimulatedunderdifferentconditions，suchasexterndisturbances，loadings，velocities,ere。羽嘛simulationresultsshowtheeffectivenessandthesalientperformmaceoftheproposedcon

8、trolscheme．Andthecomparionbetweenthemodelreferenceadaptiveneuralnetworkschemeandconventionalmodelreferenceadaptiveschemedemonstratesthattheperformanceofthefoixrlerisbetterthanthatofthelatter．Toverifytheperformanceoftheauto