基于动态种群代价诱导粒子群优化的船舶模糊PID控制方法

    公开(公告)号:CN116300406A

    公开(公告)日:2023-06-23

    申请号:CN202310305954.2

    申请日:2023-03-27

    Abstract: 本发明公开了一种基于动态种群代价诱导粒子群优化的船舶模糊PID控制方法,包括:建立船舶动力定位系统的静水中的船舶操纵运动数学模型与风浪中的船舶操纵运动数学模型;设计模糊PID控制器,通过模糊PID控制器实现对船舶的在固定坐标系下的实际位置进行修正;采用改进的粒子群算法对船舶动力定位系统的模糊PID控制器的模糊参数进行寻优,设计经粒子群优化的模糊控制系统;基于经粒子群优化的模糊控制系统实现对船舶的定位控制。解决了由于现有的模糊控制器中的隶属度函数的选取以及模糊规则等参数的设定全部来自于人工经验获取,且常规PSO控制方法很容易陷入局部最优,从而降低使用人员的工作效率和控制效率,影响船舶动力定位控制的性能得问题。

    一种基于改进黑蜘蛛优化算法的船舶动力定位PID控制方法

    公开(公告)号:CN118192208A

    公开(公告)日:2024-06-14

    申请号:CN202410435571.1

    申请日:2024-04-11

    Abstract: 本发明公开了一种基于改进黑蜘蛛优化算法的船舶动力定位PID控制方法,所述方法包括以下步骤:S1基于动力定位船舶的运动模型获取船舶的位置与艏向信息;S2根据船舶的位置与艏向信息构建船舶PID控制器;S3基于改进黑蜘蛛优化算法t‑GLDBWOA对船舶PID控制器的设计参数寻优,以获取优化船舶PID控制器;S4根据优化船舶PID控制器实现对动力定位船舶的运动控制。本发明解决了PID控制器作为一种基础级的控制方式时,PID控制的适用性有一定范围,使得对于被控对象难以控制的复杂系统以及控制精度要求特别高的系统只采用PID控制效果并不十分理想,且传统的黑蜘蛛优化算法(Black Widow Spider Optimization Algorithm,BWOA)存在全局勘探和局部开发难以协调、收敛速度慢、易陷入局部最优等问题,使得在与PID控制器结合实现船舶动力定位过程中,存在控制精度不高且定位不准确的问题。

    一种基于改进的鱼鹭算法的船舶推力分配方法

    公开(公告)号:CN116541951A

    公开(公告)日:2023-08-04

    申请号:CN202310292223.9

    申请日:2023-03-23

    Abstract: 本发明公开了一种基于改进的鱼鹭算法的船舶推力分配方法,包括以下步骤:建立船舶的三自由度的数学模型与数学模型的干扰模型;根据三自由度的数学模型与数学模型的干扰模型,并结合螺旋桨的水动力特性分析获得船舶推进器的功率、转矩以及推力模型;根据推进器的能量消耗、推进器的磨损以及指令误差建立船舶推力目标分配函数;基于全局人工鱼群算法对推进器参数进行寻优,获取使船舶推力目标分配函数最小值的相对最优参数求解域;通过白鹭算法对相对最优参数求解域进行再次寻优,获取推进器参数的最终相对最优解。解决了现有的推力分配方法的选择在很大程度上影响船舶的控制精度,不能在保证控制精度的基础上有效地减小推进器的磨损以及能量消耗。

Patent Agency Ranking