| 【中文题名】 | 自适应神经模糊推理系统及其在船舶舵阻横摇中的应用 |
| 【英文题名】 | Adaptive Neural-Fuzzy Inference and Its Application on the Ship Rudder Damping |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-8-24 |
| 【中关键词】 | 舵阻摇,神经网络,自适应神经模糊推理系统,,, |
| 【英关键词】 | Rudder roll damping , Network , Adaptive neural-fuzzy inference, |
| 【分类导航】 | 交通运输>水路运输>船舶工程>船舶机械>> |
| 【论文摘要】 | 本文对自适应神经模糊推理系统(ANFIS)在非线性船舶舵阻横摇中的应用进行了仿真研究。ANFIS设计方法是一种将模糊逻辑系统(FLS)和人工神经网络系统(ANN)相结合，利用两者各自的优点所形成的混合智能系统。用神经网络的连接结构表述模糊逻辑系统，通过ANN的学习功能使这些FLS规则中出现的许多参数的优化和自适应得以实现。
自适应神经模糊系统最大的特点就是，该系统是基于数据的建模方法。自适应神经模糊系统中的模糊隶属度函数及模糊规则是通过对大量已知数据的学习得到的，而不是基于经验或是直觉给定的，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。本设计主要通过下面的工作来完成的：
首先在M文件中编写出船舶的非线性模型，并通过龙格库塔法将其求解出来，将海浪干扰编写成函数，调入到船舶模型中，将得到的整个船舶模型先设计出PID控制器，取出ANFIS所要的训练数据，为后面的ANFIS训练作准备，同时可以得出舵阻摇PID控制的仿真曲线，以及减摇效果在30％左右。
然后利用MATLAB中的ANFIS工具箱，训练初始模糊推理系统，即在训练之前先设计一个sugeno型的模糊推理系统，... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
第1章 引言 |
7-10 |
|
1.1 选题的意义 |
7-8 |
|
1.1.1 实际意义 |
7 |
|
1.1.2 理论意义 |
7-8 |
|
1.2 国内外在舵阻摇方面所做的工作 |
8-9 |
|
1.3 文件检索及阅读情况 |
9 |
|
1.4 研究的主要内容 |
9-10 |
|
第2章 数学模型描述 |
10-23 |
|
2.1 船舶运动数学模型描述 |
10-13 |
|
2.2 多功能海军运输船的参数及水动力导数 |
13-18 |
|
2.3 船舶运动的干扰力数学模型 |
18-23 |
|
2.3.1 风干扰力的数学模型 |
18-19 |
|
2.3.2 浪干扰力的数学模型 |
19-23 |
|
第3章 舵阻摇系统的神经网络控制 |
23-33 |
|
3.1 神经元网络的基本概念 |
23-26 |
|
3.1.1 人工神经网络的发展 |
23 |
|
3.1.2 人工神经网络的基本原理 |
23-24 |
|
3.1.3 神经网络的基本结构和学习方法 |
24-25 |
|
3.1.4 神经网络的训练算法 |
25-26 |
|
3.2 神经网络控制器的设计 |
26-33 |
|
3.2.1 基于BP神经网络整定的PID控制 |
26-33 |
|
第4章 舵阻摇系统的神经模糊系统控制 |
33-47 |
|
4.1 自适应神经模糊推理系统概述 |
33-34 |
|
4.1.1 模糊系统和神经网络的异同 |
33-34 |
|
4.2 自适应神经模糊推理系统--ANFIS |
34-41 |
|
4.2.1 ANFIS结构 |
34-37 |
|
4.2.2 ANFIS的学习算法 |
37-41 |
|
4.3 舵阻摇系统的ANFIS控制器设计 |
41-47 |
|
4.3.1 ANFIS的设计步骤 |
41-44 |
|
4.3.2 仿真结果 |
44-47 |
|
第5章 结论 |
47-49 |
|
攻读学位期间公开发表的论文与奖励 |
49-50 |
|
致谢 |
50-51 |
|
参考文献 |
51-52 |
|
| 【DOI】 | LunWen.ID:2.2008.111992 |
