船舶航向RBF神经网络模糊控制及综合监控数据通讯系统
【摘要】：
本文由三部分组成：第一部分侧重理论研究，提出了一种基于RBF网络的船舶航向神经模糊控制器的设计；第二部分侧重计算机网络通讯，介绍了交通部重点项目“综合船舶监控系统”数据接口子系统的设计；第三部分侧重单片机应用，介绍了自动解说及节能灯光控制系统的设计。
第一部分从模糊控制和神经网络控制原理出发，通过对典型模糊控制系统、实时模糊控制系统以及神经网络控制特点的分析，本文提出了一种基于RBF网络的船舶航向神经模糊控制器。该控制器利用RBF神经网络的非线性映射和学习能力，通过RBF神经网络的离线训练，使其非线性映射逼近模糊控制规则，在在线控制中代替模糊推理的过程。该控制器还增加了自适应调整机构，通过对比例系数的调整达到增强系统的快速性和减少系统的静态误差的目的。详细阐述了控制器的的设计、实现方法，给出了MATLAB训练实现神经网络的步骤和函数，介绍了通过构造S-Function进行SIMULINK仿真的方法。通过仿真研究和与传统航向模糊控制器比较，该控制器的动态特性、鲁棒性及鲁棒稳定性都有所提高，具有一定的实际应用价值。
第二部分详细介绍了交通部重点项目“综合船舶监控系统”数据接口子系统的设计。该子系统是保证系统数据准确性、实时性的重要组成部分。在硬件连接设计上采用了智能CAN—PC总线适配卡、多串口卡和100/10自适应网卡等不同的设备，保证了数据接收、传送的实时性和稳定性。在软件设计上，在保证数据在最小丢失率的情况下稳定接收的前提下，采取查询、中断两种接收数据方式，避免了数据冲突的问题。
第三部分介绍了自动解说及节能灯光控制系统的软、硬件设计。该系统以89C51单片机为控制核心，利用热释电传感器自动探测是否有观众走近观看，通过软件模拟SPI通讯协议控制单片语音录/放芯片播放录制好的解说词，同时控制灯光控制芯片控制展台的背景灯光的暗、亮，达到节能效果。
【关键词】：船舶航向控制 神经模糊控制器 RBF神经网络 仿真 数据接口 Winsock控件 单片机 语音芯片 灯光控制 【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2001
【分类号】：TP273.4
【DOI】：CNKI:CDMD:2.2002.060427
【目录】：
- 中文摘要5-6
- 英文摘要6-8
- 第1章 引言8-13
- 1．1 研究课题的历史背景8-11
- 1．1．1 模糊控制的发展概况8
- 1．1．2 神经网络的发展概况8-9
- 1．1．3 模糊系统和神经网络的融合9-10
- 1．1．4 模糊系统和神经网络融合形态10-11
- 1．2 研究课题的提出11-12
- 1．3 论文的结构12-13
- 第2章 模糊控制及神经网络理论13-26
- 2．1 模糊控制理论13-22
- 2．1．1 模糊集合13
- 2．1．2 模糊关系13-14
- 2．1．3 模糊规则库14-15
- 2．1．4 模糊推理机15
- 2．1．5模糊控制的基本原理15-22
- 2．2 神经网络控制理论22-26
- 2．2．1 神经网络基本知识22-23
- 2．2．2 径向基函数神经网络23-26
- 第3章 基于RBF网络的船舶航向神经模糊控制器的设计26-44
- 3．1 船舶航向控制的一般分析26
- 3．2 常规航向模糊控制系统26-27
- 3．2．1 典型航向模糊控制系统26-27
- 3．2．2 实时航向模糊控制系统27
- 3．3 基于RBF网络的船舶航向神经模糊控制器的设计27-37
- 3．3．1 神经网络1的设计实现28-35
- 3．3．2 神经网络2设计实现35
- 3．3．3 神经网络3设计实现35-36
- 3．3．4 比例系数的确定36-37
- 3．4 基于RBF网络的船舶航向神经模糊控制系统的仿真37-44
- 3．4．1 船舶运动数学模型37
- 3．4．2 利用SIMULINK进行系统仿真研究37-44
- 第4章 综合船舶监控数据接口子系统设计44-55
- 4．1 系统概述44
- 4．2 数据接口子系统设计44-53
- 4．2．1 数据接口的硬件连接设计45-47
- 4．2．2 数据接口软件设计47-53
- 4．3 数据接口子系统设计小结53-55
- 第5章 自动解说及节能灯光控制系统的设计55-63
- 5．1 系统概述55
- 5．2 系统工作原理55-56
- 5．3 系统硬件设计56-59
- 5．3．1 核心控制单元的设计56-57
- 5．3．2 自动探测单元的设计57
- 5．3．3 语音录放存储单元的设计57-58
- 5．3．4 灯光控制单元的设计58-59
- 5．4 系统软件设计59-60
- 5．4．1 SPI协议的时序周期及控制指令59-60
- 5．4．2 软件模拟SPI传输协议子程序60
- 5．5 系统实验结果60-63
- 第6章 结论63-64
- 攻读学位期间公开发表的论文64-65
- 攻读学位期间参与的科研项目65-66
- 致谢66-67
- 参考文献67-69
全文下载：
CAJ格式
不支持迅雷等加速下载工具，请取消加速工具后下载
|
|
|
|
| 1 |
韩明红
,李凡
,邓家;用于多层前馈神经网络学习的快速遗传算法[J];航空制造技术;2003年07期 |
| 2 |
雎刚,陈来九;一种新的预测控制算法:模糊预测控制算法[J];控制理论与应用;1998年01期 |
| 3 |
吴宏鑫;自适应控制技术的应用和发展[J];控制理论与应用;1992年02期 |
| 4 |
程代展,洪奕光,秦化淑;多输入非线性系统后推(Backstepping)型(英)[J];控制理论与应用;1998年06期 |
| 5 |
余星火,武玉强;不确定非线性系统的自适应最终滑模控制──Backstepping方法(英)[J];控制理论与应用;1998年06期 |
| 6 |
陈霁威,乐慧丰,黄道;基于神经网络和遗传算法的在线优化软件设计与实现[J];华东理工大学学报;2002年04期 |
| 7 |
王强德,魏春玲,陈卫田;不确定非线性系统的鲁棒输出反馈自适应控制[J];控制与决策;1999年06期 |
| 8 |
彭新竹;遗传算法的改进策略及其应用[J];华东船舶工业学院学报(自然科学版);2002年03期 |
| 9 |
周锐,韩曾晋;一类非线性系统的自适应控制方法[J];自动化学报;1999年02期 |
| 10 |
王伟;广义预测自适应控制的直接算法及全局收敛性分析[J];自动化学报;1995年01期 |
|
|
|
|
|
| 1 |
华琇,陈继红;基于RBF神经网络的销售预测模型的研究与应用[J];南通大学学报报(自然科学版);2004年04期 |
| 2 |
吴彦春,王舜燕;神经网络在机械设备故障诊断中的应用研究[J];武汉理工大学学报;2002年05期 |
| 3 |
潘昊,江朝华,钟珞;基于神经网络的故障诊断应用研究[J];微机发展;2004年12期 |
| 4 |
张秀艳,王秀芳,陶国彬;RBF神经网络在非线性滤波中的应用[J];大庆石油学院学报;2004年04期 |
| 5 |
于文莉,陈亚军,李海;基于RBF神经网络和遗传算法的建模与优化研究[J];玉溪师范学院学报;2005年03期 |
| 6 |
梁新荣,刘智勇,毛宗源;高速公路RBF神经网络限速控制[J];计算机工程与应用;2005年06期 |
| 7 |
朱程辉,陈昕,王金玲;基于RBF神经网络在图像分割参数估计的应用[J];计算机工程与应用;2003年30期 |
| 8 |
田丽,曹安照,陈俊,段争光;RBF神经网络在进出口总额预测中的应用[J];兵工自动化;2005年02期 |
| 9 |
罗小波,王云安,肖春宝,王西林;RBF神经网络在遥感影像分类中的应用研究[J];遥感技术与应用;2004年02期 |
| 10 |
王东风,韩璞;基于RBF神经网络的球磨机负荷软测量[J];仪器仪表学报;2002年S1期 |
|
