粒子群優(yōu)化分數階控制器及欠驅動船舶航向控制研究.pdf

1、船舶動態(tài)具有大慣性、大時滯、非線性的特點，航行工況、貨物裝載量變化、慣性矩、重心坐標變化等因素引起船舶運動數學模型的參數攝動，使得船舶模型具有不確定性;同時，風、浪、流的存在也導致船舶模型參數和結構的攝動。因此，對欠驅動水面船舶采用常規(guī)線性和非線性控制方法難以取得理想的控制效果。欠驅動水面船舶主要利用舵系統(tǒng)來改變或保持船舶的航向，而通過螺旋槳轉動產生推力來改變或保持船舶的航速。操舵與螺旋槳推進之間存在交互作用。本文研究基于粒子群優(yōu)化的分

2、數階航向智能控制算法，完成了以下主要研究工作。
　　(1)針對受模型參數不確定性和外界環(huán)境干擾的欠驅動水面船舶運動控制，本文提出一種分數階PIλDμ控制器，并將該控制器應用于欠驅動水面船舶航向控制的自動舵設計中。仿真結果表明，采用分數階PIλDμ控制器與采用常規(guī)PID船舶航向自動舵相比能進一步提高船舶航向的控制精度和抗擾動能力;
　　(2)針對分數階PIλDμ控制器較常規(guī)PID多出兩個可調參數積分階次λ和微分階次μ，使得分數

3、階PIλDμ控制器參數整定難度進一步加大，本文提出將粒子群優(yōu)化算法引入到控制器設計中，對分數階PIλDμ控制器的參數進行在線整定。仿真結果驗證了基于粒子群優(yōu)化算法的分數階PIλDμ控制器在欠驅動水面船舶航向控制中的有效性;
　　(3)針對慣性權重ω和最大飛行速度vmax對粒子群優(yōu)化算法全局搜索能力和局部開發(fā)能力的重要影響，以及兩者之間的內在聯(lián)系，本文提出一種時變非線性三角函數用于改進粒子群優(yōu)化算法，并將該算法用于船舶航向的分數階P

4、IλDμ控制器參數整定中。仿真結果驗證了該算法的有效性;
　　(4)針對學習因子c1和c2對粒子在解空間搜索速度的影響，本文構造一種異步時變學習因子的粒子群優(yōu)化算法，將兩個學習因子在算法優(yōu)化過程中隨時間進行不同的變化，并將該算法用于船舶航向的分數階PIλDμ控制器參數整定中。仿真結果驗證了該算法的有效性;
　　(5)針對慣性權重ω影響粒子的局部最優(yōu)搜索能力和全局最優(yōu)搜索能力，本文提出將非線性動態(tài)慣性權重引入到粒子群優(yōu)化算法結