BP神经网络应用于船舶减摇鳍控制系统的仿真研究.pdf

BP神经网络应用于船舶减摇鳍控制系统的仿真研究.pdf

ID:52396095

大小:262.17 KB

页数:3页

时间:2020-03-27

BP神经网络应用于船舶减摇鳍控制系统的仿真研究.pdf_第1页
BP神经网络应用于船舶减摇鳍控制系统的仿真研究.pdf_第2页
BP神经网络应用于船舶减摇鳍控制系统的仿真研究.pdf_第3页
资源描述:

《BP神经网络应用于船舶减摇鳍控制系统的仿真研究.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、智能控制技术《电气自动化~72ot1年第33卷第2期BP神经网络应用于船舶减摇鳍控制系统的仿真研究罗德红(1.中船重工集团第七0四研究所,上海200031;2.上海交通大学,上海200030)摘要:由于波浪的不可预测性、强非线性的特点,导致船舶的横摇运动很难被精准预测。如何更高效地控制船舶的横摇运动,一直是困扰人们的难题。该文研究了臧摇鳍系统数学模型并将BP神经网络应用于船舶减摇鳍控制系统,使基于PID控制的传统减摇鳍能更加高效地工作,减摇效果更好,通过MATLAB/Simulink仿真分析研究证明了结论的正确性。关键词:BP神经网络减摇鳍控制仿真【中网分类号]TP18[文献标识码

2、]A[文章编号]1000—3886(2011)0243025-03ApplicationOfBPNeuralNetworksintheControlSystemofShipFinStabilizerLu0Deh0ng,(1.ShanghaiMarineEquipmentResearchInstitute,Shanghai200031,China;2.ShanghaiJiaotongUniversity,Shanghai200030,China)Abstract:Thefeatureofwavesisunpredictable、stronglynonlinear,SOshiproll

3、ingmotionisdificultytobeprecisionpredicated,howtocontrolshiprollingmotionmorehigheficiencyisadificultyproblem.ThepaperresearchesthemathematicalmodeloffinstabilizeranddescribestheapplicationofBPneuralnetworksatthefinstabilizer,scontrolsystem.TheconclusionisthattheapplicationofBPneuralnetworksob

4、tainnlorepreferableefectivenessthanthefinstabilizerbasedonPIDcontrolonly,thesimulationverifiestheconclusion.Keywords:BPneuralnetworksFinstabilizercontrolsimulation过大量的分布式连接,形成了分布式存储、并行处理、自适应学习I’引吾等功能。近30年来神经网络的研究发展非常迅速.在模式识别、船舶在风浪巾航行时,在波浪扰动的作用下,会产牛横摇、纵图像处理、预测管理、控制及优化等方面都取得了很好的应用。摇、升沉等各种运动.其中横摇

5、最为剧烈,为改善乘客和船员的生神经网络一般由神经元模型、网络结构和学习算法三个要素共同活、作条件,提高船舶适航性,同时减少加在装载货物及设备上决定,其中学习算法有很多种,从神经网络的拓扑结构上可分为的附加惯性力,提高机械设备使片j效率、可靠性及装载货物的安前馈型网络和反馈网络,本文选定BP(backpropagation反向传令忭,人们发明了多种减摇设备,如减摇鳍、舭龙骨、减摇水舱、减播算法)神经网络作为工具进行研究,BP神经网络采用并行网络摇陀螺、移动再物等等,它们均町在不同层度上减轻船舶在航行结构,包括输入层、中间层(隐含层)和输出层,BP算法学习过程lil『的横摇运动,其中减

6、摇鳍是一种减摇效率最高,应用也最为J、‘包括前向信息传播和反向误差传播,输入信号经中间层传到输出泛的减摇装置。层形成输出信号,信号传递时网络的权值不变,如果在输出层无H前减摇鳍控制系统中多采用基于PID控制的控制器,而且法得到期望输出,则转入反向误差传播,误差信号从输出端反向绝大多数控制器的PID参数为预先设定值。而波浪作为船舶的传递,在次过程中误差反馈对网络权值进行调节,通过对权值的主要外界扰动信号,其生成_及变化情况非常复杂,波浪具有很强不断调整使误差值变为最小。BP神经网络有很强的非线性映射的随机性、非线性,同时影响PID控制器参数的原冈如船舶本身及泛化能力,其三层网络可实现

7、对任意函数或映射,BP神经网络的装载量、小同的航行海域等也常常发生变化,为使得减摇鳍的作为一种成熟网络类型被广泛应用。其基本结构如图1所示:PID控制器更_力lI高效,其参数必须随外界情况变化变化,同时神经网络是由神经元构成,神经元模型一般包括连接权09一它最后具有在线学习及预测能力,基于这样的背景,今文提出将nBP神经网络引入减摇鳍控制系统并开展关研究。求和单元∑和非线形激励数(·)组成,非线形激劢函数的作lBP神经网络介绍用足进行非线形映射并限制神经元输出幅度在一

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。