基于BP神经网络的船舶航向智能PID控制研究

doi:10.3976/j.issn.1002-4026.2018.04.002

山东科学 ›› 2018, Vol. 31 ›› Issue (4): 8-14.doi: 10.3976/j.issn.1002-4026.2018.04.002

基于BP神经网络的船舶航向智能PID控制研究

李小峰，于慧彬

齐鲁工业大学（山东省科学院），山东省科学院海洋仪器仪表研究所，山东省海洋监测仪器装备技术重点实验室，国家海洋监测设备工程技术研究中心，山东青岛 266001

收稿日期:2017-12-04 出版日期:2018-08-20 发布日期:2018-08-20
通信作者: 于慧彬。E-mail：binbinyu@163.com。 E-mail:binbinyu@163.com
作者简介:李小峰（1983—），女，硕士，工程师，研究方向为自动化控制系统、嵌入式系统与智能控制。
基金资助:
山东省科技重大专项（2015ZDZX08001）；国家重点研发计划（2016YFE0205700）

Research on intelligent PID control of ship course based on BP neural network

LI Xiao-feng，YU Hui-bin

Shandong Provincial Key Laboratory of Marine monitoring instrument equipment technology，National Engineering and Technological Research Center of Marine Monitoring Equipment,Institute of Oceanographic Instrumentation，QiLu University of Technology (Shandong Academy of Sciences)，Qingdao 266001,China

Received:2017-12-04 Online:2018-08-20 Published:2018-08-20

摘要/Abstract

摘要：

针对船舶航向控制非线性的特性，以船舶航向运动一阶KT模型为研究对象，设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合，对被控对象由BP神经网络进行辨识，给出PID控制参数，由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数，利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明，基于BP神经网络的PID控制系统超调小、鲁棒性好，可长时间稳定工作，几乎无稳态误差，控制算法的实用性以及动态控制系统的优越性得到验证。

关键词: PID控制, MATLAB仿真, BP神经网络, 船舶操纵

Abstract:

According to the nonlinear characteristics of ship course control, and taking the first-order KT model of ship course motion as the research object, the selftuning PID algorithm course controller based on BP neural network was designed. Combining the traditional PID and the BP neural network, the controlled object was identified by the BP neural network, the PID control parameters were given, and the PID control algorithm was used to control and optimize the

convergence speed. Based on a true ferry′s characteristic parameters, the ship′s course motion control system model was established using MATLAB/Simulink simulation software. The simulation results show that the design has small overshoot, good robustness, capable to work steadily for a long time, and almost no steadystate error. The practicability of the control algorithm and the superiority of the PID control system were verified.

Key words: BP neural network, ship manoeuvring, MATLAB simulation, PID control

中图分类号:

TP 273

李小峰，于慧彬. 基于BP神经网络的船舶航向智能PID控制研究[J]. 山东科学, 2018, 31(4): 8-14.

LI Xiao-feng，YU Hui-bin. Research on intelligent PID control of ship course based on BP neural network[J]. SHANDONG SCIENCE, 2018, 31(4): 8-14.

[1]	郑威, 杨英，惠力, 鲁成杰，赵彬，杨立. 基于BP神经网络模型的ADCP倾斜条件下的修正算法研究[J]. 山东科学, 2018, 31(3): 1-7.
[2]	郭祥洋，鲁守银，高鹏，刘存根，胡涛. 基于模糊-PID控制的水冲洗机器人液压伺服控制系统[J]. 山东科学, 2016, 29(4): 99-105.
[3]	刘东彦，张颖颖，吴丙伟，张颖，胡云川. 固体氧化物燃料电池系统仿真分析与控制[J]. 山东科学, 2016, 29(1): 1-6.
[4]	秦鉴，何世伟. 基于BP神经网络的全社会集装化货物运量预测[J]. 山东科学, 2015, 28(2): 70-74.
[5]	刘霏，谷文静，王公堂，万洪林. 基于BP神经网络的虹膜图像质量分类方法[J]. 山东科学, 2015, 28(2): 108-112.
[6]	李连伟，刘展，胡利民，王振杰. 基于BP神经网络的黄河口海水入侵程度评价研究[J]. J4, 2014, 27(2): 1-7.
[7]	丁硕，常晓恒，巫庆辉，杨友林. 数值优化改进的BP神经网络逼近性能对比研究[J]. J4, 2014, 27(1): 68-72.
[8]	朱世伟，鞠镁隆，于俊凤，魏墨济，王蕾. 基于模糊神经网络的数字资源服务绩效评价研究[J]. J4, 2013, 26(6): 51-56.
[9]	刘鹏，籍艳，漆随平，王东明，宋文杰，孙佳. 基于MATLAB的海浪及船舶横摇仿真模型研究[J]. J4, 2012, 25(6): 87-89.
[10]	孙晓红,杜龙安,刘弘,张晓伟. 基于PSO的BP网络在3D动漫造型评价中的应用[J]. J4, 2012, 25(5): 67-72.
[11]	王春兴, 庄晓梅. 基于MATLAB的无限长冲激响应滤波器的设计[J]. J4, 2011, 24(4): 32-35.
[12]	周磊. 基于粗糙集和支持向量机的股指期货预测模型研究[J]. J4, 2010, 23(5): 66-70.
[13]	姜军伟, 赛英. 基于模糊神经网络的企业绩效评价方法研究[J]. J4, 2010, 23(1): 36-40.

基于BP神经网络的船舶航向智能PID控制研究

Research on intelligent PID control of ship course based on BP neural network

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

Metrics

本文评价

推荐阅读 0