船舶减摇鳍是船舶与海洋工程中的一种重要系统,目前已在多种船舶中广泛应用。减摇鳍对于提高船舶耐波性,增加船舶使用寿命,改善设备与人员的工作条件,提高舰艇的战斗力具有重要作用。减小船舶横摇是目前船舶运动控制领域的重要课题之一。本文以船舶减摇鳍系统作为研究对象,对于船舶减摇鳍系统智能控制算法及其虚拟现实环境下的可视化仿真进行了系统深入的研究。 减摇鳍系统目前大多采用基于力矩对抗原理的PID控制器。控制器的性能对船舶自然横摇周期和无因次横摇衰减系数有着很大的依赖关系。由于船舶横摇运动的复杂性、非线性、时变性和海况的不确定性,经典PID控制难以获得满意的控制效果。采用先进的控制策略是解决这一问题的有效方法。 本文提出了基于逆模式小波神经网络的船舶减摇鳍系统自适应控制方法。由于小波神经网络结合了小波特有的多分辨特性和神经网络固有的自学习和自适应的能力,能够实现良好的动态非线性映射的特点,使得小波神经网络具有学习收敛速度快,逼近精度高、参数(隐层节点数和权重)的选取有理论指导,有效避免了局部最小值问题等优点。仿真实验表明减摇效果有较大的提高,能够克服传统PID控制器适应性差的缺点,具有较好的容错性和较强的适应非线性的能力。在仿真过程中引入一个常量信号乘以一个富含频率的信号、一个频率在期望输出附近的伪随机二元序列信号作为海浪作用于船舶的波倾角输入信号,目的是为了使所建横摇模型对各种不同的输入信号都具有很好的泛化能力。为了获取最佳的常量信号并能减少系统仿真量,增强系统适应性,针对不同海情依有义波高和风速不同可分为三个不同范围的特点,上述常量信号的大小只需取三个不同的值。仿真表明采用此方法后,对各种海况都能获得满意的效果。 由于船舶减摇鳍系统是一个关系到船舶安全、适航的实际工程系统,它除了需要控制精度高以外,还需要保障系统运行的可靠性。尽管神经网络控制在理论研究上取得很大进展,但目前大部分工作还只是处于仿真阶段,完全基于神经网络的控制应用到实际船舶工程系统中还待时日。而常规PID控制在船舶减摇鳍系统实际应用中已非常成熟,所以选择二者的结合不失为一个能有效解决船舶减摇等实际控制