基于動態(tài)神經(jīng)模糊模型的欠驅動水面船舶運動控制.pdf

1、大多數(shù)水面船舶僅依靠螺旋槳主推進器產(chǎn)生的縱向推進力和舵裝置產(chǎn)生的轉船力矩兩個控制量，同時控制船舶水平面位置和航向3個自由度的運動，構成了一種頗具難度的欠驅動復雜系統(tǒng)控制問題。欠驅動水面船舶（USV）動態(tài)具有大慣性、大時滯、非線性等特點，并且受模型參數(shù)攝動，風、浪、流等環(huán)境干擾以及量測信息不精確等因素的影響，使得USV的運動控制存在固有的不確定性。常規(guī)線性或非線性控制算法通常難以獲得綜合優(yōu)化控制性能。因此，研究USV運動的建模與控制問題，

2、探討新型智能控制算法，具有重要的理論意義和應用價值。
　　 （1）本文提出一種動態(tài)神經(jīng)模糊模型（DNFM），用于逼近船舶的逆動力學特性。DNFM在學習中同時調(diào)整自身結構和參數(shù)，并能夠自動劃分輸入空間、確定隸屬函數(shù)的數(shù)量和模糊規(guī)則數(shù)，且無須專家知識就可實現(xiàn)自動建模。
　　 （2）將DNFM與經(jīng)典PID控制相結合，提出具有離線與在線學習兩種模式的控制器DNFPIDC，用于不確定條件下的船舶航向控制。仿真結果表明DNFM學習速

3、度較快，逼近效果良好，適用于船舶航向的實時控制。
　　 （3）將DNFPIDC的設計思路擴展到USV的運動控制問題，采用兩個DNFM與一個非線性控制器NC相結合的方式，提出一種DNFNC控制算法，用于USV的航跡跟蹤控制。并給出了跟蹤誤差的收斂性證明。仿真結果驗證了DNFNC的可行性和有效性。
　　 （4）將DNFM擴展為廣義的GDNFM，并在其基礎上提出一種自適應控制算法DNFAC，用于USV的航跡跟蹤控制問題。且給出