自适应神经模糊推理系统及其在船舶舵阻横摇中的应用
|
摘要
本文对自适应神经模糊推理系统(ANFIS)在非线性船舶舵阻横摇中的应用进行了仿真研究。ANFIS设计方法是一种将模糊逻辑系统(FLS)和人工神经网络系统(ANN)相结合，利用两者各自的优点所形成的混合智能系统。用神经网络的连接结构表述模糊逻辑系统，通过ANN的学习功能使这些FLS规则中出现的许多参数的优化和自适应得以实现。
自适应神经模糊系统最大的特点就是，该系统是基于数据的建模方法。自适应神经模糊系统中的模糊隶属度函数及模糊规则是通过对大量已知数据的学习得到的，而不是基于经验或是直觉给定的，所以尤其适用于缺乏专家经验知识的一类复杂的工业控制过程问题。本设计主要通过下面的工作来完成的：
首先在M文件中编写出船舶的非线性模型，并通过龙格库塔法将其求解出来，将海浪干扰编写成函数，调入到船舶模型中，将得到的整个船舶模型先设计出PID控制器，取出ANFIS所要的训练数据，为后面的ANFIS训练作准备，同时可以得出舵阻摇PID控制的仿真曲线，以及减摇效果在30％左右。
然后利用MATLAB中的ANFIS工具箱，训练初始模糊推理系统，即在训练之前先设计一个sugeno型的模糊推理系统，作为初始模糊推理系统，用训练数据加以训练，可以看出隶属函数通过训练发生了变化，将训练后的模糊推理系统保存，调入到所要控制的船舶模型中，得出舵阻摇的控制仿真曲线，其减摇效果在25％左右。为了加深对ANFIS的理解，同时设计了基于BP网络的PID控制器，进一步理解了神经网络的自学习能力，以及神经网络所具有的任意非线性表达能力，通过神经网络的自学习来实现具有最佳组合的PID控制。
Adaptive neural-fuzzy inference (ANFIS) and its application on the nonlinear ship rudder damping system are studied in this thesis. The ANFIS design method is a blend intelligent system which combines the Fuzzy Logic System(FLS) and the Annual Neural Network (ANN) and uses their's strongpoints. It expresses the FLS by the connection structure of ANN , meanwhile realize the parameter optimization of the FLS rules by the self-learning function of ANN.
The biggest point of ANFIS is that it is a modeling method based on data. Through a great deal of datas not experience or instinct can get the Fuzzy membership and rules of ANFIS, so ANFIS especially fits the complex industry control processes without specialist knowledge. This design mainly finish through the below work:
First the non-linear ship model is programmed in M file and uncoiled by Runge-Kutta. The wave disturbance function is programmed to be used to ship model. In order to get the training data of ANFIS,PID control is adopted to the ship model which prepare for the ANFIS training, meanwhile get the simulation result. The roll reduction can reach about 30%.
Second the ANFIS toolbox is used in matlab, training the preliminary Fuzzy Logic System. Before the training a sugeno Fuzzy system is designed as the preliminary FLS which use the training data to train. It can be seen that the Fuzzy membership have changed. The FLS is saved after training and used to the ship model. The roll reduction is about 25%.In order to understand the ANFIS further , a PID control based on BP network is designed. The scale coefficient of PID is adjust by the self-learning of network, resolve the abuse which it need test repeatly to get the three PID parameter. It can be proved there is good effect.
自适应神经模糊系统最大的特点就是，该系统是基于数据的建模方法。自适应神经模糊系统中的模糊隶属度函数及模糊规则是通过对大量已知数据的学习得到的，而不是基于经验或是直觉给定的，所以尤其适用于缺乏专家经验知识的一类复杂的工业控制过程问题。本设计主要通过下面的工作来完成的：
首先在M文件中编写出船舶的非线性模型，并通过龙格库塔法将其求解出来，将海浪干扰编写成函数，调入到船舶模型中，将得到的整个船舶模型先设计出PID控制器，取出ANFIS所要的训练数据，为后面的ANFIS训练作准备，同时可以得出舵阻摇PID控制的仿真曲线，以及减摇效果在30％左右。
然后利用MATLAB中的ANFIS工具箱，训练初始模糊推理系统，即在训练之前先设计一个sugeno型的模糊推理系统，作为初始模糊推理系统，用训练数据加以训练，可以看出隶属函数通过训练发生了变化，将训练后的模糊推理系统保存，调入到所要控制的船舶模型中，得出舵阻摇的控制仿真曲线，其减摇效果在25％左右。为了加深对ANFIS的理解，同时设计了基于BP网络的PID控制器，进一步理解了神经网络的自学习能力，以及神经网络所具有的任意非线性表达能力，通过神经网络的自学习来实现具有最佳组合的PID控制。
Adaptive neural-fuzzy inference (ANFIS) and its application on the nonlinear ship rudder damping system are studied in this thesis. The ANFIS design method is a blend intelligent system which combines the Fuzzy Logic System(FLS) and the Annual Neural Network (ANN) and uses their's strongpoints. It expresses the FLS by the connection structure of ANN , meanwhile realize the parameter optimization of the FLS rules by the self-learning function of ANN.
The biggest point of ANFIS is that it is a modeling method based on data. Through a great deal of datas not experience or instinct can get the Fuzzy membership and rules of ANFIS, so ANFIS especially fits the complex industry control processes without specialist knowledge. This design mainly finish through the below work:
First the non-linear ship model is programmed in M file and uncoiled by Runge-Kutta. The wave disturbance function is programmed to be used to ship model. In order to get the training data of ANFIS,PID control is adopted to the ship model which prepare for the ANFIS training, meanwhile get the simulation result. The roll reduction can reach about 30%.
Second the ANFIS toolbox is used in matlab, training the preliminary Fuzzy Logic System. Before the training a sugeno Fuzzy system is designed as the preliminary FLS which use the training data to train. It can be seen that the Fuzzy membership have changed. The FLS is saved after training and used to the ship model. The roll reduction is about 25%.In order to understand the ANFIS further , a PID control based on BP network is designed. The scale coefficient of PID is adjust by the self-learning of network, resolve the abuse which it need test repeatly to get the three PID parameter. It can be proved there is good effect.
引文
[1] 杨承恩，贾欣乐，毕英君．船舶舵阻横摇及其鲁棒控制．大连海事大学出版社,2001
[2] 贾欣乐，张显库．船舶运动智能控制与H∞鲁棒控制．大连海事大学出版社，2001
[3] 刘金琨．先进PID控制及其MATLAB仿真．电子工业出版社，2002
[4] 陈同英．计算方法．厦门大学出版社．2001
[5] 薛定宇．控制系统计算机辅助设计．清华大学出版社，1996
[6] 张智星．神经-模糊和软计算．西安交通大学出版社，2000
[7] 张宜华．精通MATLAB 5．清华大学出版社，1998
[8] 吴晓莉，林哲辉．MATLAB辅助模糊系统设计．西安电子科技大学出版社，2002
[9] 柳林，杨竹青．MATLAB6.5 辅助神经网络分析与设计．电子工业出版社，2003
[10] 张乃尧，阎平凡．神经网络与模糊控制．清华大学出版社，1998
[11] 张浩炯，余岳峰，王强．应用自适应神经模糊推理系统(ANFIS)进行建模与仿真．计算机仿真，2002，Vol．19,No．47
[12] 刘怀国，孙建华，张冰，张尤赛ANFIS及其在控制系统中的应用．华东船舶工业学院学报(自然科学版)，2001，Vol．15，No．5．
[13] 胡耀波，李鹏．BP神经网络的实现及应用．机械工程材料．2002，Vol．26,No．6
[14] 赵英凯，李胜，林锦国，蔡宁．基于ANFIS的锅炉蒸汽温度预测控制系统．基础自动化，2002，Vol．9，No．1
[15] 杨国清．水轮发电机模糊神经励磁控制器研究．西安理工大学．2003
[16] 缪国平．关于舵在尾斜浪和横浪中横摇衰减效果的理论研究．中国造船，1982，No．76
[17] 缪国平，朱文蔚等．舵减摇的试验研究．中国造船，1991，N0．112：39～46
[18] 朱文蔚，缪国平等．舵减摇仿真研究．中国造船，1997，No．136：33-42
[19] 费乃振等．遥控自航船模舵减摇试验研究．中国造船，1998，No．140
[20] 沈建清，陈家和，赖延辉．自适应准则的舵减横摇控制系统的仿真研究．海军工程学院学报，1994，No．66：44～51
[21] 郑明辉，周松林．一种采用模糊控制的舵减摇系统的仿真研究．船电技术，Vol．17，No．85
[22] 孔金彪，钱国梁．新型舵减摇系统．船舶性能研究，1992，No．66：73～84
[23] 胡启庸，汪石真，魏纳新．舵减摇的试验研究．中国造船，1996，Vol．5
[24] 杨承恩，贾欣乐，毕英君．一种用于舵阻摇的多变量自动舵控制器．船舶工程，1998
[25] 杨承恩，贾欣乐，毕英君．几种舵阻摇控制模式的比较．大连海事大学学报，1998
[26] 杨承恩，贾欣乐，毕英君．一种舵阻摇H∞控制器．大连海事大学学报，1998
[27] 杨承恩，贾欣乐．舵阻摇控制器的设计．中国造船，1999，No．144
[28] Yang Chengen. A Robust RRD Controller for a Container Vessel. Denmard: Aalborg University, Research Report R1997-4117,1997
[29] Mogens Blanke and Anders C. Christensen. Rudder-Roll Damping Autopilot Robustness to Sway-Yaw-Roll Couplings. Fredrik Bajers Vej7-Dk 9220 Aalborg φ-Danmark.
[30] Cowlet and Lambert .W.E.Cowlet and T.H.Lambert,The Use of Rudder as A Roll Stabilizer, Proc.of The 3rd International Ship Control Systems Symposium (SCSS'72),Bath, UK.
[31] Blanke M.Uncertainty Models for Rudder Roll Damping Control. Proceeding of the 13th World Congress of IFAC,Vol Q[C].San Francisco,USA,1996.285-290.
[32] Jang J S R, ANFIS:Adaptive network-based fuzzy inference systems,IEEE Trans.Systems, Man,and Cybem.,1993,23(3):665-686
[33] Yang C E,and Blanke M.A Robust Roll Dampind Controller[C].Proceeding of MCMC'97,Brijuni,Croatia, 1997.60-64
[34] Blanke M, et al.Rudder Roll Damping in Coastal Region Sea Conditions [C]. Proceeding of MCMC 2000, Aalborg, Denmark, 2000.45-50
[35] Perez T, Tzeng C Y, Goodwin G C.Modle Predictive Rudder Roll Stabilization Control For Ships [C]. Proceeding of MCMC 2000, Aalborg, Denmark, 2000.39-44
[36] 罗凯，李俊，许汉珍．舵减摇系统的滑动控制[J]．交通部上海船舶运输科学研究所学报，1999(2)：130-134．
[37] 陈建平，朱越健．舵减摇应用中液压舵机系统的改造[J]．液压与传动,2000(1)：16-18．
[38] Mogens Blanke and Anders C. Christensen. Rudder-Roll Damping Autopilot Robustness toSway-Yaw-Roll Couplings. Fredrik Bajers Vej7-DK 9220 Aalborg,Denmark
[39] 贾欣乐，杨盐生．船舶运动数学模型——机理建模与辨识建模．大连海事大学出版社，1999
[40] Yang Chengen. A Robust RRD Controller for a Container Vessel. Denmard: Aalborg University,Research Report R 19978—4117,1997
[2] 贾欣乐，张显库．船舶运动智能控制与H∞鲁棒控制．大连海事大学出版社，2001
[3] 刘金琨．先进PID控制及其MATLAB仿真．电子工业出版社，2002
[4] 陈同英．计算方法．厦门大学出版社．2001
[5] 薛定宇．控制系统计算机辅助设计．清华大学出版社，1996
[6] 张智星．神经-模糊和软计算．西安交通大学出版社，2000
[7] 张宜华．精通MATLAB 5．清华大学出版社，1998
[8] 吴晓莉，林哲辉．MATLAB辅助模糊系统设计．西安电子科技大学出版社，2002
[9] 柳林，杨竹青．MATLAB6.5 辅助神经网络分析与设计．电子工业出版社，2003
[10] 张乃尧，阎平凡．神经网络与模糊控制．清华大学出版社，1998
[11] 张浩炯，余岳峰，王强．应用自适应神经模糊推理系统(ANFIS)进行建模与仿真．计算机仿真，2002，Vol．19,No．47
[12] 刘怀国，孙建华，张冰，张尤赛ANFIS及其在控制系统中的应用．华东船舶工业学院学报(自然科学版)，2001，Vol．15，No．5．
[13] 胡耀波，李鹏．BP神经网络的实现及应用．机械工程材料．2002，Vol．26,No．6
[14] 赵英凯，李胜，林锦国，蔡宁．基于ANFIS的锅炉蒸汽温度预测控制系统．基础自动化，2002，Vol．9，No．1
[15] 杨国清．水轮发电机模糊神经励磁控制器研究．西安理工大学．2003
[16] 缪国平．关于舵在尾斜浪和横浪中横摇衰减效果的理论研究．中国造船，1982，No．76
[17] 缪国平，朱文蔚等．舵减摇的试验研究．中国造船，1991，N0．112：39～46
[18] 朱文蔚，缪国平等．舵减摇仿真研究．中国造船，1997，No．136：33-42
[19] 费乃振等．遥控自航船模舵减摇试验研究．中国造船，1998，No．140
[20] 沈建清，陈家和，赖延辉．自适应准则的舵减横摇控制系统的仿真研究．海军工程学院学报，1994，No．66：44～51
[21] 郑明辉，周松林．一种采用模糊控制的舵减摇系统的仿真研究．船电技术，Vol．17，No．85
[22] 孔金彪，钱国梁．新型舵减摇系统．船舶性能研究，1992，No．66：73～84
[23] 胡启庸，汪石真，魏纳新．舵减摇的试验研究．中国造船，1996，Vol．5
[24] 杨承恩，贾欣乐，毕英君．一种用于舵阻摇的多变量自动舵控制器．船舶工程，1998
[25] 杨承恩，贾欣乐，毕英君．几种舵阻摇控制模式的比较．大连海事大学学报，1998
[26] 杨承恩，贾欣乐，毕英君．一种舵阻摇H∞控制器．大连海事大学学报，1998
[27] 杨承恩，贾欣乐．舵阻摇控制器的设计．中国造船，1999，No．144
[28] Yang Chengen. A Robust RRD Controller for a Container Vessel. Denmard: Aalborg University, Research Report R1997-4117,1997
[29] Mogens Blanke and Anders C. Christensen. Rudder-Roll Damping Autopilot Robustness to Sway-Yaw-Roll Couplings. Fredrik Bajers Vej7-Dk 9220 Aalborg φ-Danmark.
[30] Cowlet and Lambert .W.E.Cowlet and T.H.Lambert,The Use of Rudder as A Roll Stabilizer, Proc.of The 3rd International Ship Control Systems Symposium (SCSS'72),Bath, UK.
[31] Blanke M.Uncertainty Models for Rudder Roll Damping Control. Proceeding of the 13th World Congress of IFAC,Vol Q[C].San Francisco,USA,1996.285-290.
[32] Jang J S R, ANFIS:Adaptive network-based fuzzy inference systems,IEEE Trans.Systems, Man,and Cybem.,1993,23(3):665-686
[33] Yang C E,and Blanke M.A Robust Roll Dampind Controller[C].Proceeding of MCMC'97,Brijuni,Croatia, 1997.60-64
[34] Blanke M, et al.Rudder Roll Damping in Coastal Region Sea Conditions [C]. Proceeding of MCMC 2000, Aalborg, Denmark, 2000.45-50
[35] Perez T, Tzeng C Y, Goodwin G C.Modle Predictive Rudder Roll Stabilization Control For Ships [C]. Proceeding of MCMC 2000, Aalborg, Denmark, 2000.39-44
[36] 罗凯，李俊，许汉珍．舵减摇系统的滑动控制[J]．交通部上海船舶运输科学研究所学报，1999(2)：130-134．
[37] 陈建平，朱越健．舵减摇应用中液压舵机系统的改造[J]．液压与传动,2000(1)：16-18．
[38] Mogens Blanke and Anders C. Christensen. Rudder-Roll Damping Autopilot Robustness toSway-Yaw-Roll Couplings. Fredrik Bajers Vej7-DK 9220 Aalborg,Denmark
[39] 贾欣乐，杨盐生．船舶运动数学模型——机理建模与辨识建模．大连海事大学出版社，1999
[40] Yang Chengen. A Robust RRD Controller for a Container Vessel. Denmard: Aalborg University,Research Report R 19978—4117,1997