船舶航向的混合智能控制技术研究.pdf

《船舶航向的混合智能控制技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第2期2010年4月船海工程SHIP&OCEANENGINEERINGV01．39No．2Apr．2010DOI：10．3963／j．issn．1671-7953．2010．02．050船舶航向的混合智能控制技术研究黄勇亮(广东交通职业技术学院，广州510800)摘要：考虑船舶运动时的非线性及其操纵特性与航速、复杂多变的环境干扰等带来的不确定因素，将传统的模糊控制的基本结构嵌入到多层神经网络的控制器中，构成了混合智能系统。采用了模糊自适应学习控制网络，应用于船舶航向控制，对控制器的参数和结构进行了在线学习与调整，并进行了仿真，可以在一定程度上克服船舶运动中的不确定性问题。关

2、键词：混合智能；网络；控制；航向中图分类号：U675．79；TP302文献标志码：A文章编号：1671—7953(2010)02—0173-03船舶运动的非线性[11及其操纵特性[23与航速、复杂多变的环境干扰等都有密切关系，因而控制对象具有很强的不确定因素。船舶控制器设计中不可避免会受到建模误差的影响，模型的不确定使得控制系统的稳定性与性能也隐藏着不确定性。因此，对船舶运动控制，如果根据条件改变能实时调整控制参数，将有效解决控制中的不确定性问题。由神经网络(NN)、模糊逻辑(FL)、遗传算法(GA)等智能技术集成的混合智能系统(hy-bridintelligentsystem，H

3、IS)已成功地应用到机器人[5]等方面，在船舶控制中，也有将由神经网络(NN)、模糊逻辑(FL)应用的研究[4]。HIS可以充分利用各种智能技术的优势来解决船舶控制中的不确定性问题，如NN的知识获取、学习及适应、非线性映射及容错能力，FL的知识表达和推理能力，GA[5]的知识获取、优化能力，将这些能力在各种智能技术之间进行渗透、融合，可为解决船舶控制的各类问题提供解决途径。1混合智能技术的网络结构系统的控制网络结构见图l。把传统的模糊控制的基本结构嵌入到多层神经网络中的控制器[6]表现形式，构成了混合智能系统采用了模糊自适应学习控制网络(fuzzy收稿日期：2009-06—12修回

4、日期：2009—07—23作者简介：黄勇亮(1964一)，男，学士，高级实验师。研究方向：航海技术与轮机工程。E-mail：hyl@gdcp．cn图l模糊自适应学习控制网络简图adqptivelearningcontrolnetwork，FALCON)，其结构见图2。图2控制网络的节点结构取模糊控制器作为船舶控制主控制策略，利用NN学习能力强的特点来优化控制参数与网络结构。输入、输出层的节点分别表示模糊控制器的输入状态与控制信号，而隐层节点功能是表示隶属函数与模糊规则。设航向角为妒，首摇角速度为)，，取模糊控制器的输人为P=≯一妒(动是设定航向，妒为输出航，

5、L向)与y=警，输出为

6、舵令酽，再设每个输人量分、U为NB、NM、NS、ZO、PS、PM、PB七个模糊分区(即有49条模糊规则)，输出量为N、ZO、P三个模糊分区，每个分区的隶属函数为高斯函数，即】73第2期船海工程第39卷为：户(z)exp[一气≯]式中：m、r高斯函数的中心与宽度。节点结构(标识为i)见图2。其中：“{，Ul，⋯，“；为节点输／k；f(·)为输入综合函数；口(·)是输出活化函数；志为层号，0f=口(厂)。每层节点实现的功能如下。第l层：控制量输入，厂=“÷，口一，。第2层：形成对每个输入量Ui的隶属函数，，一譬，口=er。第3层：对输入量取t-norm运算，对应规则的IF部分，f=mi

7、n(u{，Ui，⋯，“；)，a=f。第4层：对应模糊规则输出，厂=∑“；，口一min(1，，)第5层：用面积中心法进行清晰化运算，输出舵令伊，厂=∑mitY彤?，口一百乞，艿一n●厶国“：l'ni，11i对应第4层i个节点的中心与宽度，网络的初始规则及第2、4层节的中心与宽度选取可根据经验选取或由在线学习决定，在此基础上进行实时修正。2混合智能系统的在线学习HIS在线学习最基本遵循BP算法，定义误差函数为：E=专[户(妒一》)2+A铲q-ky2](1)式中：P，又，是——权重因子。据PB算法，由图l可得：一DE一笪堕筻一am甜a艿。3mc嚣譬+善+蒡警，薯差c2，、踯甜。笳’a)，

8、甜7∞。跏⋯取船左舵为正，有：孬D，e。=EP(≯一∥蝴呐]篆(3)以M(mi，西)表示第4层第i个节点，假设mi>mj，则i、，歹两个节点的相似度定义为[7]：174上12(巩+西)石一s(4)定义M(mi一一，巩一。)与第4层所有节点的最大相似度为：degree(i)：=EM(mi—w，tTi一。。)，M(mi一。lo。et，毋一。l∞et)l—maxEIM(mi一一，西一一)，M(mi，仉)I(5)根据最大相似度，图2网络结构在线学习，即改变输出模糊分区数(第4