目錄
第1章 緒論
1.1 船舶運動控製概述
1.2 船舶運動控製研究的基本問題
1.3 船舶運動控製策略
習題
第2章 船舶運動數學模型
2.1 引言
2.2 船舶平麵運動的綫性化數學模型
2.2.1 船舶平麵運動的非綫性模型和綫性模型
2.2.2 狀態空間型船舶平麵運動數學模型
2.2.3 傳遞函數型的船舶運動數學模型
習題
第3章 神經網絡控製
3.1 神經網絡控製引論
3.1.1 人工神經元與人工神經網絡
3.1.2 ANN的基本結構
3.1.3 ANN的學習方法
3.1.4 ANN的特點和優點
3.1.5 ANN的發展簡史
3.2 MLP的BP訓練方法
3.2.1 MLP的結構和前嚮算法
3.2.2 MLP的誤差反嚮迴傳算法(BP算法)
3.2.3有關BP算法的一些問題
3.2.4 BP算法的一個簡例
3.3 神經網絡控製方案概述
3.3.1 監督控製
3.3.2 直接逆控製
3.3.3 間接控製
3.3.4 直接控製
3.3.5 內部模型控製
3.4 監督控製在船舶自動舵中的應用
3.5 直接控製應用於船舶自動舵
3.5.1 用於航嚮保持的SISO神經網絡自動舵結構
3.5.2 直接控製式航嚮保持器NNC的訓練方案
3.5.3 直接控製式航嚮保持器NNC的訓練方法
3.5.4 直接控製NNC自動舵的仿真研究結果
3.6 內部模型控製應用於船舶自動舵
3.6.1 航嚮保持環
3.6.2 轉嚮控製器
習題
第4章 模糊控製
4.1 FLS概論
4.1.1人類思維的兩種模式
4.1.2 模糊邏輯係統與模糊邏輯控製
4.1.3 FLS的發展簡史
4.2 FLC基本原理
4.3 模糊規則的提取方法
4.3.1 基於直接匹配的模糊規則抽取方法
4.3.2 基於乘積空間聚類的模糊規則提取方法
4.4 FLC在船舶運動控製中的應用
習題
第5章 混閤智能控製
5.1 混閤智能控製係統引論
5.2 適應式混閤智能係統.ANFIS及其在船舶控製領域的應用
5.2.1 ANFIS的神經網絡結構
5.2.2 ANFIS的訓練
5.2.3 ANFIS用於自動舵控製算法設計
5.2.4 ANF、IS係統小結
5.3 模糊自適應學習控製網絡FALCON及其在船舶運動控製領域的應用
5.3.1 FALCON的結構
5.3.2 FAILCON的學習策略
5.3.3 FALCON的應用——船舶航嚮保持和航嚮改變的模糊自適應學習控製策略
5.4 遺傳算法(GA)及其在船舶運動控製器優化中的應用
5.4.1 GA算法概述
5.4.2 遺傳算法的進一步討論
5.4.3 GA用於優化Fuzzy Autopilot參數之例
5.4.4 GA應用於神經網絡訓練
5.5 模擬退火算法及其在船舶運動控製器優化中的應用
5.5.1 SA算法的物理基礎
5.5.2 SA算法
5.5.3 SA算法在船舶運動控製器優化中的應用
習題
第6章 H∞魯棒控製
6.1 準備知識
6.2 H∞魯棒控製理論概述
6.3 混閤靈敏度算法
6.3.1 小增益理論
6.3.2 模型不確定性
6.3.3 H∞控製的混閤靈敏度問題
6.3.4 H∞標準問題
6.4 迴路成形算法
6.4.1 迴路成形概念及其控製器的直接解法
6.4.2 迴路成形Hoo控製算法
6.5 閉環增益成形控製算法
6.5.1 SIS0係統閉環增益成形控製算法
6.5.2 MIMO係統的閉環增益成形控製算法
6.5.3 PID控製器參數整定新方法
6.5.4 用鏡像映射方法求非穩定過程的魯棒控製器
6.5.5 非方陣被控對象閉環增益成形算法及其應用
6.6 μ分析
6.7 H∞魯棒控製在船舶運動控製中的應用
6.7.1 混閤靈敏度算法應用
6.7.2 一種變形的迴路成形控製器及應用
6.7.3 閉環增益成形算法應用
6.7.4μ分析應用
習題
第7章 非綫性控製
7.1 非綫性控製理論發展概述
7.2 基於精確反饋綫性化的非綫性控製
7.2.1 非綫性係統的基本概念
7.2.2 基於精確反饋綫性化方法的船舶運動航嚮保持控製
7.3 基於Backstepping的非綫性控製
7.3.1 Lvapunov理論
7.3.2 基於Backstepping方法的船舶運動航嚮保持控製
7.4 兩種非綫性PID控製器
7.4.1 基於精確反饋綫性化和閉環增益成形算法的船舶航嚮PID控製器
7.4.2 由閉環增益成形算法構成的非綫性魯棒PID控製器
7.5 不對稱信息理論
7.5.1 不對稱信息理論
7.5.2 簡化魯棒控製算法增加信息傳遞量
7.5.3 改進舵機執行機構增加信息傳遞量
習題
參考文獻
附錄
實驗1 計算船舶運動Nomoto數學模型
實驗2 ANFIS用於自動舵控製算法設計
實驗3 用GA優化模糊控製器及其應用
實驗4 基於閉環增益成形的魯棒PID算法及在液位控製中的應用
· · · · · · (收起)