| 【中文题名】 | 基于混合遗传算法的船舶减横摇模糊神经网络控制研究 |
| 【英文题名】 | Study on Control of Ship Anti-rolling on the Basis of the Hyrid Genetic Algorithem |
| 【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】 | 2007-8-21 |
| 【中关键词】 | 遗传算法,模拟退火算法,模糊控制,神经网络,, |
| 【英关键词】 | genetic algorithm,simulated annealing algorithm,fuzzy control,neural network, |
| 【分类导航】 | 交通运输>水路运输>船舶工程>船舶机械>船舶防摇装置> |
| 【论文摘要】 |
控制横摇作为一门学科其历史已愈百年，在这期间曾先后出现过约350多种阻摇装置或控制横摇的措施。用舵阻摇和减摇鳍相比，初期投资少，具有几乎相同的减摇效果，并且在系统关闭后不会产生水下噪声。利用舵阻摇的一个显著特点是对船舶模型参数的变化十分明感，船舶模型参数的变化会使减摇率下降，甚至导致减摇失败，因此，要求设计的控制器具有良好的鲁棒稳定性。模糊系统与神经网络的共同特点，就是它们在处理和解决问题时，不需要对象的精确数学模型。模糊神经网络是一种集模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学习能力于一体的技术。模糊控制是以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量及模糊逻辑推理作为控制算法的数学工具。神经网络这个非线性动力学系统，具有众多良好的特性和能力：并行性、存贮分布性、高度非线性、自学习性和自组织性、高度的鲁棒性和很强的学习联想等特点。最后，我们利用遗传算法和模拟退火算法优化模糊隶属度函数的参数和神经网络的权值。利用这种新的控制方法来解决目前的舵阻摇控制问题就是本文要解决的问题。 |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-10 |
|
第1章 绪论 |
10-16 |
|
1.1 课题研究的目的和意义 |
10-11 |
|
1.2 国内外相关情况 |
11-14 |
|
1.3 智能控制发展概况 |
14-15 |
|
1.4 本文研究内容 |
15-16 |
|
第2章 船舶运动数学模型 |
16-47 |
|
2.1 切片理论 |
16-19 |
|
2.1.1 发展史 |
16 |
|
2.1.2 基本理论 |
16-19 |
|
2.2 不规则波的理论基础 |
19-28 |
|
2.2.1 不规则波的表达方法 |
19-20 |
|
2.2.2 不规则波的统计特性 |
20-22 |
|
2.2.3 风浪谱密度 |
22-28 |
|
2.3 船舶运动状态描述 |
28-46 |
|
2.3.1 船舶运动方程 |
30-34 |
|
2.3.2 刘易斯剖面法 |
34-36 |
|
2.3.3 水动力系数分析 |
36-38 |
|
2.3.4 基于海浪成形滤波器对海浪的仿真 |
38-46 |
|
2.4 本章小结 |
46-47 |
|
第3章 模糊系统基本概念 |
47-55 |
|
3.1 模糊数学的概念 |
47 |
|
3.2 模糊控制的发展和应用 |
47-48 |
|
3.3 模糊控制的特点 |
48 |
|
3.4 模糊逻辑 |
48-51 |
|
3.5 模糊控制基本原理 |
51-54 |
|
3.6 本章小结 |
54-55 |
|
第4章 神经网络概念及算法 |
55-66 |
|
4.1 神经网络的概念 |
55 |
|
4.2 神经网络理论的发展概况 |
55-57 |
|
4.3 神经网络的特征 |
57-58 |
|
4.4 神经元模型 |
58-59 |
|
4.5 神经网络的结构 |
59-61 |
|
4.6 神经网络的学习方式 |
61 |
|
4.7 模糊神经网络 |
61-65 |
|
4.7.1 模糊神经网络概念 |
61-62 |
|
4.7.2 模糊系统和神经网络的融合 |
62-63 |
|
4.7.3 标准型的模糊神经网络 |
63-65 |
|
4.8 本章小结 |
65-66 |
|
第5章 遗传算法 |
66-84 |
|
5.1 遗传算法简介 |
66-71 |
|
5.1.1 遗传算法概要 |
66-70 |
|
5.1.2 基本遗传算法的定义 |
70 |
|
5.1.3 遗传算法的特点 |
70-71 |
|
5.2 遗传算法的基本实现技术 |
71-77 |
|
5.2.1 编码方法 |
71 |
|
5.2.2 选择算子 |
71-73 |
|
5.2.3 交叉算子 |
73-74 |
|
5.2.4 变异算子 |
74-76 |
|
5.2.5 适应度函数 |
76-77 |
|
5.3 基于遗传算法的船舶减横摇控制仿真与分析 |
77-83 |
|
5.4 本章小结 |
83-84 |
|
第6章 模拟退火算法 |
84-94 |
|
6.1 Metropolis准则 |
84-85 |
|
6.2 模拟退火算法概述 |
85-86 |
|
6.3 模拟退火算法的构成要素 |
86-87 |
|
6.4 模拟退火算法的实现步骤 |
87-89 |
|
6.5 基于模拟退火算法的船舶减横摇控制仿真与分析 |
89-92 |
|
6.6 本章小结 |
92-94 |
|
第7章 遗传模拟退火算法 |
94-101 |
|
7.1 GASA混合优化策略的构造出发点 |
94-95 |
|
7.2 GASA算法的实现步骤 |
95 |
|
7.3 GASA混合优化策略的效率定性分析 |
95-97 |
|
7.4 基于GASA的船舶减横摇控制仿真与分析 |
97-100 |
|
7.5 本章小结 |
100-101 |
|
结论 |
101-103 |
|
参考文献 |
103-106 |
|
攻读硕士学位期间发表的论文和取得的科研成果 |
106-107 |
|
致谢 |
107 |
|
| 【DOI】 | LunWen.ID:2.2008.388834 |
