船舶减摇鳍系统的智能控制算法研究
|
摘要
本文主要进行了智能控制算法在船舶减摇鳍控制中应用的仿真研究。
船舶减摇鳍是现代仿生学与控制理论相结合在船舶工程应用中的一个成功实例，也是应用最广泛的一种船舶减摇装置。减摇鳍系统通过传感器测得船的横摇信息，经液压驱动系统使鳍转动，在控制系统的作用下，随着变化的横摇运动而不断地改变鳍角，产生抵抗海浪干扰的稳定力矩，从而达到稳定船舶横摇姿态的目的。工程中应用的减摇鳍系统多采用经典的PID控制规律。
本文首先介绍了船舶减摇鳍及其控制系统的构成，建立了随机海浪仿真模型，并对常规减摇鳍控制系统进行了数字仿真。在研究大量参考文献的基础上，作者提出对减摇鳍系统采用智能控制算法，并进行了三种控制算法的仿真研究。论文以标准模糊控制器为基础，运用模糊－积分混合智能控制算法控制减摇鳍，仿真结果表明其减摇效果明显优于PID控制。作者针对常规BP算法存在的一些问题，提出了一种改进型的RPROP算法。RPROP的基本原理是根据局部梯度信息实现权更新值的直接修改，可以大大提高训练速度，而且对很多问题可以完全不需要参数的选择而得到最优收敛时间解，即初始参数选择具有鲁棒性。该算法应用于减摇鳍系统也获得了良好的控制性能。最后，作者将自适应网络模糊推理系统(ANFIS)应用于减摇鳍控制。ANFIS是模糊推理系统与神经网络的有机组合，具有直接从样本数据中提取模糊规则的能力，所以尤其适用于缺乏专家经验知识的一类复杂的工业控制过程问题。由于它实现了模糊量和数字量的有机结合，而且其调整的参数和权值都具有明确的物理意义，更有利于控制工程师的理解、掌握和控制，因此具有广泛的工业应用前景。该算法应用于减摇鳍系统获得了比以上几种算法更好的减摇效果。大量仿真结果证明本文研究的三种智能控制算法对于减摇鳍系统的控制是有效可行的。
The thesis mainly discusses on three intelligent control algorithms used in ship anti-rolling fin.
Ship anti-rolling fin is a successful compound of modern bionics and control theory in ship engineering and also one of the most widely used anti-rolling apparatus. It gets the transverse information through the sensors, converting it into fin-angle information, driving the fin by hydraulic system. With the control system, it produces the counteracting torque and achieves ship stabilization. Anti-rolling fin system in engineering usually uses the classical PID controller.
Firstly, the random wave model is introduced and numeric simulation is established. PID control algorithm for anti-rolling fin is adopted as a comparative test bed and simulating responding curves are given. Then three control algorithms are proposed on the basis of a great deal of reference literatures. Based on normal fuzzy controller, the hybrid algorithm of fuzzy logic and integral function is presented, the simulation results show it gives better performance than PID
controller. Aiming at the flaw of normal BP algorithms, a improving algorithm (RPROP) is brought forward. On the basis of the right updating values is modified directly, RPROP can improve the training rate enormously, and achieve optimal converging time without need of selecting original parameter. This algorithm also gains favorable performance in control of ship anti-rolling fin. Finally, adaptive network-based fuzzy inference system (ANFIS) is applied to above control
system. ANFIS can produce fuzzy rules from sample data directly and is originally combination of fuzzy inference system and neural network. So it is well suitable for some complex industry control processes lacking of expert experience. Because ANFIS can realize the combination of fuzzy quality and numeric quantity, and both of its parameters and weights adjusted have clear physics meaning, it's much easily to be understood, mastered and applied by control engineers. So ANFIS
has been great promising for industry application. The simulation demonstrates the ANFIS algorithm using in anti-rolling fin can achieve better control results than all other former two algorithms.
船舶减摇鳍是现代仿生学与控制理论相结合在船舶工程应用中的一个成功实例，也是应用最广泛的一种船舶减摇装置。减摇鳍系统通过传感器测得船的横摇信息，经液压驱动系统使鳍转动，在控制系统的作用下，随着变化的横摇运动而不断地改变鳍角，产生抵抗海浪干扰的稳定力矩，从而达到稳定船舶横摇姿态的目的。工程中应用的减摇鳍系统多采用经典的PID控制规律。
本文首先介绍了船舶减摇鳍及其控制系统的构成，建立了随机海浪仿真模型，并对常规减摇鳍控制系统进行了数字仿真。在研究大量参考文献的基础上，作者提出对减摇鳍系统采用智能控制算法，并进行了三种控制算法的仿真研究。论文以标准模糊控制器为基础，运用模糊－积分混合智能控制算法控制减摇鳍，仿真结果表明其减摇效果明显优于PID控制。作者针对常规BP算法存在的一些问题，提出了一种改进型的RPROP算法。RPROP的基本原理是根据局部梯度信息实现权更新值的直接修改，可以大大提高训练速度，而且对很多问题可以完全不需要参数的选择而得到最优收敛时间解，即初始参数选择具有鲁棒性。该算法应用于减摇鳍系统也获得了良好的控制性能。最后，作者将自适应网络模糊推理系统(ANFIS)应用于减摇鳍控制。ANFIS是模糊推理系统与神经网络的有机组合，具有直接从样本数据中提取模糊规则的能力，所以尤其适用于缺乏专家经验知识的一类复杂的工业控制过程问题。由于它实现了模糊量和数字量的有机结合，而且其调整的参数和权值都具有明确的物理意义，更有利于控制工程师的理解、掌握和控制，因此具有广泛的工业应用前景。该算法应用于减摇鳍系统获得了比以上几种算法更好的减摇效果。大量仿真结果证明本文研究的三种智能控制算法对于减摇鳍系统的控制是有效可行的。
The thesis mainly discusses on three intelligent control algorithms used in ship anti-rolling fin.
Ship anti-rolling fin is a successful compound of modern bionics and control theory in ship engineering and also one of the most widely used anti-rolling apparatus. It gets the transverse information through the sensors, converting it into fin-angle information, driving the fin by hydraulic system. With the control system, it produces the counteracting torque and achieves ship stabilization. Anti-rolling fin system in engineering usually uses the classical PID controller.
Firstly, the random wave model is introduced and numeric simulation is established. PID control algorithm for anti-rolling fin is adopted as a comparative test bed and simulating responding curves are given. Then three control algorithms are proposed on the basis of a great deal of reference literatures. Based on normal fuzzy controller, the hybrid algorithm of fuzzy logic and integral function is presented, the simulation results show it gives better performance than PID
controller. Aiming at the flaw of normal BP algorithms, a improving algorithm (RPROP) is brought forward. On the basis of the right updating values is modified directly, RPROP can improve the training rate enormously, and achieve optimal converging time without need of selecting original parameter. This algorithm also gains favorable performance in control of ship anti-rolling fin. Finally, adaptive network-based fuzzy inference system (ANFIS) is applied to above control
system. ANFIS can produce fuzzy rules from sample data directly and is originally combination of fuzzy inference system and neural network. So it is well suitable for some complex industry control processes lacking of expert experience. Because ANFIS can realize the combination of fuzzy quality and numeric quantity, and both of its parameters and weights adjusted have clear physics meaning, it's much easily to be understood, mastered and applied by control engineers. So ANFIS
has been great promising for industry application. The simulation demonstrates the ANFIS algorithm using in anti-rolling fin can achieve better control results than all other former two algorithms.
引文
[1] 张增科．模糊数学在自动化技术中的应用．清华大学出版社，1997．7
[2] 李士勇．模糊控制·神经控制和智能控制论．哈尔滨工业大学出版社，1998．9
[3] 孙增圻等．智能控制理论与技术．清华大学出版社，1997
[4] 郭晨．智能控制原理及应用．1998，大连海事大学出版社
[5] 王科俊，苏闽，金鸿章．减摇鳍单神经元控制方法研究．方法研究．船舶工程，1999，第3期
[6] 金鸿章．长峰波随机海浪的实时仿真和频谱分析．船舶工程，1987，第1期
[7] 荆兆寿，刘胜，杨文春．随机海浪信号仿真器的研究．信息与控制，1989，第6期
[8] 金鸿章，姚绪梁．船舶控制原理．哈尔滨工程大学出版社，2001．5
[9] 王顺晃，舒迪前．智能控制系统及应用．机械工业出版社，1995
[10] 王士同．神经模糊系统及其应用．北京航空航天大学出版社，1998．6
[11] 吴秀恒．船舶操纵性与耐波性．人民交通出版社，1999．2
[12] 徐丽娜．神经网络控制．哈尔滨工业大学出版社，1999．5
[13] 焦侬．减摇鳍自适应控制系统的研究和仿真．船舶工程，1998，第4期
[14] 刘胜，姚波．舰船横摇运动准最小方差控制．哈尔滨船舶工程学院学报，1993．12,第14卷第4期
[15] 刘朝英，宋哲英，宋雪玲．MATLAB在模糊控制系统仿真中的应用．计算机仿真，2001．5，第18卷，第3期
[16] 孙静川，刘胜．船舶减摇鳍系统H~∞控制器的设计．船舶工程，2000，第1期
[17] 金鸿章，谷云彪，汪滨琦，侯兴凯．减摇鳍变参数 PID 控制器的设计．船舶工程，1994第4期
[18] 施阳，李俊．MATLAB 语言工具箱—TOOLBOX实用指南．1999，西安工业大学出版社
[19] 金鸿章，李国斌．船舶种装置控制系统．国防工业出版社，1995
[20] 韦巍．智能控制技术．机械工业出版社，2000．1
[21] 金鸿章．减摇鳍变参数最优控制器及其设计．中国造船，1992，第4期
[22] 张博实，王科俊，罗姣妍．利用MATLAB进行船舶舵鳍联合减摇智能控制系统设计与仿真．计算机仿真，2001．3,第18卷，第2期
[23] 薛定宇．控制系统计算机辅助设计—MATLAB语言及应用．清华大学出版社，1996
[24] 周明，李长虹，雷虎民．MATLAB图形技术．西北工业大学出版社，1999．11
[25] 袁曾任．人工神经元网络及其应用．清华大学出版社，1999．10
[26] BART KOSKO．模糊工程．黄崇福译．西安交通大学出版社，1999．6
[27] 丛爽．面向MATLAB工具箱的神经网络理论与应用．中国科学技术大学出版社，1998
[28] 金鸿章．减摇鳍 PID 调节器参数优化及其仿真．船工科技，1984，第3期
[29] 窦振中．模糊逻辑控制技术及其应用．北京航空航天大学出版社，1995
[30] 赵希人，文胜．固定点波面海浪模型的理论研究．，海洋学报，1989．2
[31] 魏克新，王云亮．MATLAB语言与自动控制系统设计．机械工业出版社，1997．4
[32] 魏克新，王丽娟，周秋茜．采用模糊控制工具箱设计模糊控制器的方法．电器传动 1998．3
[33] 文圣常，余宙文．海浪论与计算原理．科学出版社，1984
[34] 杨滨，邓洪敏．基于神经网络的模糊控制．四川大学学报，1996．4，第33卷第2期
[35] 叶少真．基于神经网络的模糊系统的研究．福州大学学报，2000．6，第28卷第3期
[36] 黄琪，李俊，刘正之．基于竞争学习的模糊神经网络自适应模糊控制．自动化与仪器仪表，2000，第6期
[37] 常晓光，李伟．不确定性操作臂的混合模糊 P+ID 控制的试验研究．控制理论与应用，2000．2,第17卷第1期
[38] 高雪鹏，丛爽．BP网络改进算法的性能对比研究．控制与决策，2001．3，第16卷第2期
[39] 刘铁男，段玉波等．多层前向神经网络的新型二阶算法．控制理论与应用，2000．10，第17卷第5期
[40] 刘祖润，曾喆朝等．人工神经网络快速学习算法．计算机仿真，2000．1，第17卷第1期
[41] 张学东，姜宏洲．一种馈神经网的快速算法．信息与控制，2000．2，第29卷第1期
[42] 刘胜，荆兆寿．高海情下船舶减摇鳍控制系统的仿真．船舶工程，1995，第2期
[43] 徐培，王科俊，金鸿章等．模糊控制在船舶减摇技术上的应用．自动化技术与应用，2001．1
[44] 崔喜仲，王明星．减摇鳍控制系统分析．机电设备，1997，第4期
[45] 孟克勤．舰船减摇装置．机电设备，2000，第3期
[46] 孟克勤．舰船减摇装置的性能与展望．航海技术，2000，第6期
[47] 田丽，曹安照．人工神经网络—模糊控制 (ANN-FC) 与自组织理论．自然辩证法研究，Vol．14，No．2，1998
[48] 唐家福，汪定伟．模糊优化理论与方法的研究综述．控制理论与应用，2000．4，第17卷第2期
[49] 张恩勤，施颂椒．模糊控制系统近年来的研究与发展．控制理论与应用，2001．2，第18卷第1期
[50] 贵忠华，刘振凯．智能混合系统研究综述．信息与控制，2000．2，第29卷第1期
[51] 李少远，席裕庚．智能控制的新进展．控制与决策，2000．3，第15卷第2期
[52] 张一华．精通MATLAB5．1998，清华大学出版社
[53] 金晓明，荣冈等．自适应模糊控制的新发展．信息与控制，1996，Vol．25，No．4，217-223
[54] 亢海伟，杨庆芬等．基于MATLAB模糊逻辑工具箱的模湖控制系统仿真．自动化与仪器仪表，2000年第二期
[55] 闻新，周露等．MATLAB 模湖逻辑工具箱的分析与应用．科学出版社，2001．4
[56] Rajani K Mudi and Nikhil R.Pal.A Robust Self-Tuning Scheme for PI-and PD-Type Fuzzy Controlles.IEEE Trans on Fuzzy System,1999,Vol.7,No.1,2-16
[57] M.Madea and S.Murakami.A Self-turning fuzzy controller.Fuzzy Sets Syst.,1992,Vol.51,29-40
[58] J.Lee.On methods for improve performance of PI-type fuzzy logic controllers.IEEE Trans,Fuzzy Sets,1995,Vol.1,298-301
[59] 王耀南．神经网络自适应模糊控制器在温度控制系统中的应用．信息与控制，1996，Vol．25，No．4，245-251
[60] 曾庆宁，周得新．ANFIS在自适应噪声抵消中的应用．1999年中国智能自动化学术会议论文(下)，1999，中国重庆，890-896
[61] 刘永红．神经网络理论发展与前沿问题．信息与控制，1999，Vol．28，No．1
[62] Jyh-Shing Roger Jang. ANFIS: Adaptive-Network-Based Fuzzy Inference System. IEEE TRANSACTIONS ON SYSTEMS, MEN AND CYBERNETICS,1993,Vol.23,No.3,665-685
[63] Jang J S R,Sun C-T and Mizutani. Neuro-Fuzzy and Soft Compufing.Pretice-Hall Inc.1997
[64] Special Issue on Application of Neural Netwroks.Proc.IEEE,1996, Vol.84,No.10
[65] B Kosko, S G. Adaptive Fuzzy System for Backing up a Track-and trailer. IEEE Trans Neural Networks,1992, Vol.3,No.2,211-233
[66] T Yamaguchi. Self-organizing Control using Fuzzy Neural Networks. Int J Control,1992,Vol.52,No.2,415-439
[67] Chin-Teng Lin, Neural-network-based Fuzzy Logical Control and Decision System. IEEE Trans.Computers,1991,40(12)
[2] 李士勇．模糊控制·神经控制和智能控制论．哈尔滨工业大学出版社，1998．9
[3] 孙增圻等．智能控制理论与技术．清华大学出版社，1997
[4] 郭晨．智能控制原理及应用．1998，大连海事大学出版社
[5] 王科俊，苏闽，金鸿章．减摇鳍单神经元控制方法研究．方法研究．船舶工程，1999，第3期
[6] 金鸿章．长峰波随机海浪的实时仿真和频谱分析．船舶工程，1987，第1期
[7] 荆兆寿，刘胜，杨文春．随机海浪信号仿真器的研究．信息与控制，1989，第6期
[8] 金鸿章，姚绪梁．船舶控制原理．哈尔滨工程大学出版社，2001．5
[9] 王顺晃，舒迪前．智能控制系统及应用．机械工业出版社，1995
[10] 王士同．神经模糊系统及其应用．北京航空航天大学出版社，1998．6
[11] 吴秀恒．船舶操纵性与耐波性．人民交通出版社，1999．2
[12] 徐丽娜．神经网络控制．哈尔滨工业大学出版社，1999．5
[13] 焦侬．减摇鳍自适应控制系统的研究和仿真．船舶工程，1998，第4期
[14] 刘胜，姚波．舰船横摇运动准最小方差控制．哈尔滨船舶工程学院学报，1993．12,第14卷第4期
[15] 刘朝英，宋哲英，宋雪玲．MATLAB在模糊控制系统仿真中的应用．计算机仿真，2001．5，第18卷，第3期
[16] 孙静川，刘胜．船舶减摇鳍系统H~∞控制器的设计．船舶工程，2000，第1期
[17] 金鸿章，谷云彪，汪滨琦，侯兴凯．减摇鳍变参数 PID 控制器的设计．船舶工程，1994第4期
[18] 施阳，李俊．MATLAB 语言工具箱—TOOLBOX实用指南．1999，西安工业大学出版社
[19] 金鸿章，李国斌．船舶种装置控制系统．国防工业出版社，1995
[20] 韦巍．智能控制技术．机械工业出版社，2000．1
[21] 金鸿章．减摇鳍变参数最优控制器及其设计．中国造船，1992，第4期
[22] 张博实，王科俊，罗姣妍．利用MATLAB进行船舶舵鳍联合减摇智能控制系统设计与仿真．计算机仿真，2001．3,第18卷，第2期
[23] 薛定宇．控制系统计算机辅助设计—MATLAB语言及应用．清华大学出版社，1996
[24] 周明，李长虹，雷虎民．MATLAB图形技术．西北工业大学出版社，1999．11
[25] 袁曾任．人工神经元网络及其应用．清华大学出版社，1999．10
[26] BART KOSKO．模糊工程．黄崇福译．西安交通大学出版社，1999．6
[27] 丛爽．面向MATLAB工具箱的神经网络理论与应用．中国科学技术大学出版社，1998
[28] 金鸿章．减摇鳍 PID 调节器参数优化及其仿真．船工科技，1984，第3期
[29] 窦振中．模糊逻辑控制技术及其应用．北京航空航天大学出版社，1995
[30] 赵希人，文胜．固定点波面海浪模型的理论研究．，海洋学报，1989．2
[31] 魏克新，王云亮．MATLAB语言与自动控制系统设计．机械工业出版社，1997．4
[32] 魏克新，王丽娟，周秋茜．采用模糊控制工具箱设计模糊控制器的方法．电器传动 1998．3
[33] 文圣常，余宙文．海浪论与计算原理．科学出版社，1984
[34] 杨滨，邓洪敏．基于神经网络的模糊控制．四川大学学报，1996．4，第33卷第2期
[35] 叶少真．基于神经网络的模糊系统的研究．福州大学学报，2000．6，第28卷第3期
[36] 黄琪，李俊，刘正之．基于竞争学习的模糊神经网络自适应模糊控制．自动化与仪器仪表，2000，第6期
[37] 常晓光，李伟．不确定性操作臂的混合模糊 P+ID 控制的试验研究．控制理论与应用，2000．2,第17卷第1期
[38] 高雪鹏，丛爽．BP网络改进算法的性能对比研究．控制与决策，2001．3，第16卷第2期
[39] 刘铁男，段玉波等．多层前向神经网络的新型二阶算法．控制理论与应用，2000．10，第17卷第5期
[40] 刘祖润，曾喆朝等．人工神经网络快速学习算法．计算机仿真，2000．1，第17卷第1期
[41] 张学东，姜宏洲．一种馈神经网的快速算法．信息与控制，2000．2，第29卷第1期
[42] 刘胜，荆兆寿．高海情下船舶减摇鳍控制系统的仿真．船舶工程，1995，第2期
[43] 徐培，王科俊，金鸿章等．模糊控制在船舶减摇技术上的应用．自动化技术与应用，2001．1
[44] 崔喜仲，王明星．减摇鳍控制系统分析．机电设备，1997，第4期
[45] 孟克勤．舰船减摇装置．机电设备，2000，第3期
[46] 孟克勤．舰船减摇装置的性能与展望．航海技术，2000，第6期
[47] 田丽，曹安照．人工神经网络—模糊控制 (ANN-FC) 与自组织理论．自然辩证法研究，Vol．14，No．2，1998
[48] 唐家福，汪定伟．模糊优化理论与方法的研究综述．控制理论与应用，2000．4，第17卷第2期
[49] 张恩勤，施颂椒．模糊控制系统近年来的研究与发展．控制理论与应用，2001．2，第18卷第1期
[50] 贵忠华，刘振凯．智能混合系统研究综述．信息与控制，2000．2，第29卷第1期
[51] 李少远，席裕庚．智能控制的新进展．控制与决策，2000．3，第15卷第2期
[52] 张一华．精通MATLAB5．1998，清华大学出版社
[53] 金晓明，荣冈等．自适应模糊控制的新发展．信息与控制，1996，Vol．25，No．4，217-223
[54] 亢海伟，杨庆芬等．基于MATLAB模糊逻辑工具箱的模湖控制系统仿真．自动化与仪器仪表，2000年第二期
[55] 闻新，周露等．MATLAB 模湖逻辑工具箱的分析与应用．科学出版社，2001．4
[56] Rajani K Mudi and Nikhil R.Pal.A Robust Self-Tuning Scheme for PI-and PD-Type Fuzzy Controlles.IEEE Trans on Fuzzy System,1999,Vol.7,No.1,2-16
[57] M.Madea and S.Murakami.A Self-turning fuzzy controller.Fuzzy Sets Syst.,1992,Vol.51,29-40
[58] J.Lee.On methods for improve performance of PI-type fuzzy logic controllers.IEEE Trans,Fuzzy Sets,1995,Vol.1,298-301
[59] 王耀南．神经网络自适应模糊控制器在温度控制系统中的应用．信息与控制，1996，Vol．25，No．4，245-251
[60] 曾庆宁，周得新．ANFIS在自适应噪声抵消中的应用．1999年中国智能自动化学术会议论文(下)，1999，中国重庆，890-896
[61] 刘永红．神经网络理论发展与前沿问题．信息与控制，1999，Vol．28，No．1
[62] Jyh-Shing Roger Jang. ANFIS: Adaptive-Network-Based Fuzzy Inference System. IEEE TRANSACTIONS ON SYSTEMS, MEN AND CYBERNETICS,1993,Vol.23,No.3,665-685
[63] Jang J S R,Sun C-T and Mizutani. Neuro-Fuzzy and Soft Compufing.Pretice-Hall Inc.1997
[64] Special Issue on Application of Neural Netwroks.Proc.IEEE,1996, Vol.84,No.10
[65] B Kosko, S G. Adaptive Fuzzy System for Backing up a Track-and trailer. IEEE Trans Neural Networks,1992, Vol.3,No.2,211-233
[66] T Yamaguchi. Self-organizing Control using Fuzzy Neural Networks. Int J Control,1992,Vol.52,No.2,415-439
[67] Chin-Teng Lin, Neural-network-based Fuzzy Logical Control and Decision System. IEEE Trans.Computers,1991,40(12)