探析基于动态神经模糊模型的欠驱动水面船舶运动控制

《探析基于动态神经模糊模型的欠驱动水面船舶运动控制》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、分类号UDC密级单位代码基于动态神经模糊模型的欠驱动水面船舶运动控制汪洋1015l指导教师郭晨孙富春职称教授学位授予单位大连海事大学申请学位级别博士学科与专业交通信息工程及控制论文完成日期2010年1月论文答辩日期2010年6月19日答辩委员会主席．一艮■Il基l。●l羹r二klI墨一：l‘I■I■Fr—遁≮，卜～，毒，、．’●ll土立JTheDynamicNeuralFuzzyModel--BasedMotionControlforUnderactuatedSurfaceVesselsDissertationSubmittedtoDalianMaritimeUniversi

2、tyInpartialfulfillmentoftherequirementsforthedegreeofDoctorofEngineeringWANGYang(TrafficInformationEngineering&Contr01)DissertationSupervisor：ProfessorGUOChen，SUNFuchunJan．，2010，’一一j刍●■、Ik●，大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果，撰写成博士学位论文：：叁士盘查韭丝搓麴搓型鲍筮壅盘垄重整整堡塑蕉剑：：。除论文中

3、已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名：学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定，即：大连海事大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕士学位

4、论文全文数据库》(中国学术期刊(光盘版)电子杂志社)、《中国学位论文全文数据库》(中国科学技术信息研究所)等数据库中，并以电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于：保密口在——年解密后适用本授权书。不保密√(请在以上方框内打“、／，，)⋯一。艺卜躲湃论文作者签名：：谚{『彳导师签名：父留日期：沙l口年易月力Et一‘．；，I、创新点摘要本文面向船舶复杂系统控制问题，进行了欠驱动水面船舶(USV)运动的智能控制研究。完成的创造性工作和主要成果如下：(1)给出一种动态神经模糊模型(DNFM)的结构，并提出其相应的学习算法。DNFM可实现自动

5、产生模糊规则，在学习中同时调整结构和参数，并能自动划分输入空间、确定隶属函数的数量和模糊规则数。DNFM具有良好的泛化能力，能有效应用于具有不确定性的船舶逆模型的学习和控制；(2)针对不确定条件下常规水面船舶的航向控制问题，提出一种将DNFM与经典PID控制相结合的航向控制算法DNFPIDC，并进一步细化为离线和在线学习两种模式。仿真结果表明DNFPIDC学习速度较快，逼近效果良好，适合于船舶航向的实时控制；(3)将DNFPIDC的设计思路扩展到具有MIMO特性的USV的运动控制中，提出一种将DNFM与非线性控制器NC相结合的在线控制算法DNFNC，用于建模参数时变与风、浪环

6、境干扰下的USV航迹跟踪控制。并证明了跟踪误差的收敛性。仿真结果验证了DNFNC的可行性和有效性；(4)针对DNFM的不足，将其扩展为广义动态神经模糊模型GDNFM，并提出一种基于GDNFM的白适应控制算法DNFAC，用于带不确定性的USV的航迹跟踪控制，同时证明了控制系统的稳定性，且对算法进行了仿真验证。一‘●一●J摘要摘要大多数水面船舶仅依靠螺旋桨主推进器产生的纵向推进力和舵装置产生的转船力矩两个控制量，同时控制船舶水平面位置和航向3个自由度的运动，构成了一种颇具难度的欠驱动复杂系统控制问题。欠驱动水面船舶(USv)动态具有大惯性、大时滞、非线性等特点，并且受模型参数摄动

7、，风、浪、流等环境干扰以及量测信息不精确等因素的影响，使得USV的运动控制存在固有的不确定性。常规线性或非线性控制算法通常难以获得综合优化控制性能。因此，研究USV运动的建模与控制问题，探讨新型智能控制算法，具有重要的理论意义和应用价值。(1)本文提出一种动态神经模糊模型(DNFM)，用于逼近船舶的逆动力学特性。DNFM在学习中同时调整自身结构和参数，并能够自动划分输入空间、确定隶属函数的数量和模糊规则数，且无须专家知识就可实现自动建模。(2)将DNFM与经典PID控制相结合，提出具有离线与在线学习两种