[發(fā)明專利]基于RBF神經(jīng)網(wǎng)絡(luò)補償?shù)拇皠恿Χㄎ换?刂葡到y(tǒng)及方法有效
| 申請?zhí)枺?/td> | 201710396708.7 | 申請日: | 2017-05-31 |
| 公開(公告)號: | CN107065569B | 公開(公告)日: | 2020-11-03 |
| 發(fā)明(設(shè)計)人: | 夏國清;薛晶晶;陳興華;劉彩云 | 申請(專利權(quán))人: | 哈爾濱工程大學(xué) |
| 主分類號: | G05B13/04 | 分類號: | G05B13/04 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 150001 黑龍江省哈爾濱市南崗區(qū)*** | 國省代碼: | 黑龍江;23 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 rbf 神經(jīng)網(wǎng)絡(luò) 補償 船舶 動力 定位 控制系統(tǒng) 方法 | ||
1.一種基于RBF神經(jīng)網(wǎng)絡(luò)補償?shù)拇皠恿Χㄎ换?刂葡到y(tǒng),包括顯控計算機(1),導(dǎo)引系統(tǒng)(2),擴張狀態(tài)觀測器(3),滑模控制器(4),RBF神經(jīng)網(wǎng)絡(luò)補償器(5),執(zhí)行機構(gòu)(6),動力定位船舶(7),傳感器系統(tǒng)(8);其特征是:傳感器系統(tǒng)(8)實時采集動力定位船舶(7)的位置和角度信息,簡稱位姿信息η,并將采集到的位姿信息傳遞給顯控計算機(1)和擴張狀態(tài)觀測器(3);顯控計算機(1)實時顯示船舶的實際位姿信號并將期望位姿階躍信號ηd0傳遞給導(dǎo)引系統(tǒng)(2);導(dǎo)引系統(tǒng)(2)對期望位姿階躍信號進行平滑處理,得到連續(xù)的期望位姿信息ηd和其一階、二階導(dǎo)數(shù)并傳遞給滑模控制器(4);擴張狀態(tài)觀測器(3)將船舶運動中的未建模動態(tài)、模型不確定項和環(huán)境干擾擴張成一個擴張狀態(tài)向量d,并對位姿信息和擴張狀態(tài)向量進行估計,得到擴張狀態(tài)向量估計值位姿信息估計值及其一階、二階導(dǎo)數(shù)并傳遞給滑模控制器(4);RBF神經(jīng)網(wǎng)絡(luò)補償器(5)針對控制輸入飽和下的控制量誤差δ進行RBF逼近,得到控制量補償誤差并傳遞給滑模控制器(4);滑模控制器(4)針對期望位姿信息和其一階、二階導(dǎo)數(shù)ηd,位姿信息估計值及其一階、二階導(dǎo)數(shù)和擴張狀態(tài)向量估計值控制輸入飽和下的控制量誤差估計進行滑模控制,得到執(zhí)行機構(gòu)(6)在輸入飽和條件下的控制量τ;執(zhí)行機構(gòu)(6)根據(jù)滑模控制器(4)輸出的控制量τ對動力定位船舶(7)進行控制,使得船舶運動到期望位姿狀態(tài);
船舶三自由度低頻運動模型為:
其中,為船舶在慣性坐標系下的位置和姿態(tài)向量,x,y為船舶橫向和縱向位置,ψ為船舶艏向角,為船舶在慣性系下位姿信息的一階導(dǎo)數(shù),為船舶在附體坐標系下的位姿向量,u,v為船舶橫向和縱向速度,r為船舶艏向角速度,為船舶質(zhì)量矩陣,D(υ)>03×3,D(υ)=DΤ(υ)為阻尼系數(shù)矩陣,為科里奧利和中心力矩陣,為控制力和力矩向量,為由慢變環(huán)境干擾和未建模動態(tài)產(chǎn)生的力和力矩向量,為地固坐標系和隨體坐標系之間的轉(zhuǎn)換矩陣,其具體表示形式為:
期望位姿信息的一階、二階導(dǎo)數(shù)滿足:
其中,Ts為截止時間,ωn導(dǎo)引系統(tǒng)振蕩環(huán)節(jié)固有頻率,ζ為導(dǎo)引系統(tǒng)振蕩環(huán)節(jié)相對阻尼比,δ為縱向路徑生成器設(shè)計參數(shù);
狀態(tài)觀測器具體形式為:
其中,為船舶位姿向量的估計值,為船舶位姿信號一階導(dǎo)數(shù)的估計值,為船舶位姿向量估計值的一階導(dǎo)數(shù),為船舶位姿向量估計值的二階導(dǎo)數(shù),為擴張狀態(tài)變量的估計值,為擴張狀態(tài)變量估計值的一階導(dǎo)數(shù),i=1,2,3為正定矩陣,ε>0為常數(shù);
RBF控制算法為
δ={Wi*}Τ·{hi(x)}+ε
其中,為神經(jīng)網(wǎng)絡(luò)輸入,hj,j=1,2,…,l為高斯向量基函數(shù)的輸出向量,cj為第j個隱含層神經(jīng)元的中心位置,bj為高斯分布的寬度,ε≤εmax為神經(jīng)網(wǎng)絡(luò)誤差估計,神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣為
則RBF神經(jīng)網(wǎng)絡(luò)的輸出為
其中,為權(quán)值估計矩陣,h(x)為高斯基向量;
滑模控制律為:
其中,為增益矩陣,定義M*=R(ψ)MRΤ(ψ);
定義:
D*=R(ψ)D(υ)RΤ(ψ)
b*=R(ψ)RΤ(ψ)b=b
為地固坐標系和隨體坐標系之間的轉(zhuǎn)換矩陣,RΤ(ψ)為R(ψ)的轉(zhuǎn)置矩陣,為R(ψ)關(guān)于時間的一階導(dǎo)數(shù),M為船舶質(zhì)量矩陣,D(υ)>03×3,D(υ)=DΤ(υ),D(υ)為阻尼系數(shù)矩陣,C(υ)為科里奧利和中心力矩陣,為由慢變環(huán)境干擾和未建模動態(tài)產(chǎn)生的力和力矩向量;
υr為中間變量,為中間變量,設(shè)ηd為期望位姿信息,定義誤差為位姿信息估計值,為增益矩陣,則為中間變量υr關(guān)于時間的一階導(dǎo)數(shù);
RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)律為:
其中,Γ為常值方陣,sΤ為滑模函數(shù)向量的轉(zhuǎn)置。
2.一種基于權(quán)利要求1所述的基于RBF神經(jīng)網(wǎng)絡(luò)補償?shù)拇皠恿Χㄎ换?刂葡到y(tǒng)的控制方法,其特征是:
(1)傳感器系統(tǒng)(8)實時采集動力定位船舶(7)的位置和角度信息,簡稱位姿信息η,并將采集到的位姿信息傳遞給顯控計算機(1)和擴張狀態(tài)觀測器(3);
(2)顯控計算機(1)實時顯示船舶的實際位姿信號并將期望位姿階躍信號ηd0傳遞給導(dǎo)引系統(tǒng)(2);
(3)導(dǎo)引系統(tǒng)(2)對期望位姿階躍信號進行平滑處理,得到連續(xù)的期望位姿信息ηd和其一階、二階導(dǎo)數(shù)并傳遞給滑模控制器(4);
(4)擴張狀態(tài)觀測器(3)將船舶運動中的未建模動態(tài)、模型不確定項和環(huán)境干擾擴張成一個擴張狀態(tài)向量d,并對位姿信息和擴張狀態(tài)向量進行估計,得到擴張狀態(tài)向量估計值位姿信息估計值及其一階、二階導(dǎo)數(shù)并傳遞給滑模控制器(4);
(5)RBF神經(jīng)網(wǎng)絡(luò)補償器(5)針對控制輸入飽和下的控制量誤差δ進行RBF逼近,得到控制量補償誤差并傳遞給滑模控制器(4);
(6)滑模控制器(4)針對期望位姿信息和其一階、二階導(dǎo)數(shù)ηd,位姿信息估計值及其一階、二階導(dǎo)數(shù)和擴張狀態(tài)向量估計值控制輸入飽和下的控制量誤差估計進行滑模控制,得到執(zhí)行機構(gòu)(6)在輸入飽和條件下的控制量τ;
(7)執(zhí)行機構(gòu)(6)根據(jù)滑模控制器(4)輸出的控制量τ對動力定位船舶(7)進行控制,使得船舶運動到期望位姿狀態(tài)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于哈爾濱工程大學(xué),未經(jīng)哈爾濱工程大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710396708.7/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量測量方法
- 基于k均值的RBF神經(jīng)網(wǎng)絡(luò)算法的電機故障診斷方法
- 一種配有RBF網(wǎng)絡(luò)的AGC系統(tǒng)支持的厚度測量裝置
- RBF?AR模型的新型網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)辨識方法
- 一種基于FOA優(yōu)化的SOM?RBF的壓力傳感器溫度補償方法
- 基于RBF神經(jīng)網(wǎng)絡(luò)的機械手運動學(xué)逆解方法
- 基于PCA-GA-RBF的換熱器污垢生長預(yù)測方法
- 基于混合遞階遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)RBF評價方法
- 體紋理合成方法、裝置與設(shè)備
- 一種無需角速度反饋的快速響應(yīng)小衛(wèi)星姿態(tài)控制方法
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





