[目的]针对舵机故障、控制增益未知和海洋环境干扰情况下的欠驱动船舶航向保持问题,设计一种考虑舵机故障的船舶鲁棒自适应航向保持控制算法。[方法]通过结合鲁棒神经阻尼技术和自适应方法,对繁重的神经网络权值进行横向压缩,仅需设计2...[目的]针对舵机故障、控制增益未知和海洋环境干扰情况下的欠驱动船舶航向保持问题,设计一种考虑舵机故障的船舶鲁棒自适应航向保持控制算法。[方法]通过结合鲁棒神经阻尼技术和自适应方法,对繁重的神经网络权值进行横向压缩,仅需设计2个自适应学习参数对未知增益和舵机故障参数在线补偿,以确保船舶在舵机故障的情况下能够有效执行航向保持任务。通过李雅普诺夫理论,证明所提出的控制器半全局最终一致稳定有界(semi-global uniform and ultimately bounded,SGUUB)。最后以“育鲲”轮为仿真对象,建立非线性Nomoto数学模型,在海洋干扰下进行对比仿真试验验证。[结果]结果表明,在此策略下,“育鲲”轮在舵机故障情况下平均舵角输出比仿真试验中所对比的传统方法降低了51%,可改善航向保持控制效果。[结论]研究结果可为欠驱动船舶的航向保持控制问题提供借鉴。展开更多
针对常规比例、积分和微分(proportional integral derivative,PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation,BP)神经网络相结合的控制算法;在MATLAB中对...针对常规比例、积分和微分(proportional integral derivative,PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation,BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。展开更多
为推动大宗茶机械化采收,提升大宗茶鲜叶采收效率与质量,针对目前仿形采茶机感知传感器易受接触作用力、自然光照或茶蓬面叶片间隙影响,提出了融合2D激光雷达与航向姿态参考系统(Attitude and heading reference system,AHRS)的采茶机...为推动大宗茶机械化采收,提升大宗茶鲜叶采收效率与质量,针对目前仿形采茶机感知传感器易受接触作用力、自然光照或茶蓬面叶片间隙影响,提出了融合2D激光雷达与航向姿态参考系统(Attitude and heading reference system,AHRS)的采茶机割刀仿形距离估计方法,在此基础上,设计并研制精度验证试验台与自动仿形采茶样机,分别开展了室内与田间试验。采茶机采用2D激光雷达测量采茶机割刀仿形距离信息,为提升测距精度与实时性,结合AHRS感知的加速度信息,提出了融合2D激光雷达测距与加速度信息(Fusion of 2D-LiDAR ranging and acceleration,FLRA)的采茶机割刀仿形距离估计算法,并研制了算法精度验证装置和方法,验证了算法有效性。室内试验结果表明,算法处理前仿形距离测距误差均值为36.53 mm,标准差为23.21 mm,算法处理后仿形距离估计误差均值为8.56 mm,标准差为6.31 mm,算法处理后的输出数据延迟更小,提升了仿形距离测距精度与实时性。田间试验表明,鲜叶采收效率达180~210 kg·h^(-1),割刀覆盖蓬面上鲜叶的平均采收率为92.38%,平均芽叶完整率为85.34%,平均杂质率为4.93%,一芽三叶及以下嫩梢占90.72%,满足大宗茶机采技术标准和后续加工工艺要求,与传统超声波感知的自动仿形采茶机相比,提升了大宗茶鲜叶采收效果。展开更多
文摘[目的]针对舵机故障、控制增益未知和海洋环境干扰情况下的欠驱动船舶航向保持问题,设计一种考虑舵机故障的船舶鲁棒自适应航向保持控制算法。[方法]通过结合鲁棒神经阻尼技术和自适应方法,对繁重的神经网络权值进行横向压缩,仅需设计2个自适应学习参数对未知增益和舵机故障参数在线补偿,以确保船舶在舵机故障的情况下能够有效执行航向保持任务。通过李雅普诺夫理论,证明所提出的控制器半全局最终一致稳定有界(semi-global uniform and ultimately bounded,SGUUB)。最后以“育鲲”轮为仿真对象,建立非线性Nomoto数学模型,在海洋干扰下进行对比仿真试验验证。[结果]结果表明,在此策略下,“育鲲”轮在舵机故障情况下平均舵角输出比仿真试验中所对比的传统方法降低了51%,可改善航向保持控制效果。[结论]研究结果可为欠驱动船舶的航向保持控制问题提供借鉴。
文摘针对常规比例、积分和微分(proportional integral derivative,PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation,BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。
文摘为推动大宗茶机械化采收,提升大宗茶鲜叶采收效率与质量,针对目前仿形采茶机感知传感器易受接触作用力、自然光照或茶蓬面叶片间隙影响,提出了融合2D激光雷达与航向姿态参考系统(Attitude and heading reference system,AHRS)的采茶机割刀仿形距离估计方法,在此基础上,设计并研制精度验证试验台与自动仿形采茶样机,分别开展了室内与田间试验。采茶机采用2D激光雷达测量采茶机割刀仿形距离信息,为提升测距精度与实时性,结合AHRS感知的加速度信息,提出了融合2D激光雷达测距与加速度信息(Fusion of 2D-LiDAR ranging and acceleration,FLRA)的采茶机割刀仿形距离估计算法,并研制了算法精度验证装置和方法,验证了算法有效性。室内试验结果表明,算法处理前仿形距离测距误差均值为36.53 mm,标准差为23.21 mm,算法处理后仿形距离估计误差均值为8.56 mm,标准差为6.31 mm,算法处理后的输出数据延迟更小,提升了仿形距离测距精度与实时性。田间试验表明,鲜叶采收效率达180~210 kg·h^(-1),割刀覆盖蓬面上鲜叶的平均采收率为92.38%,平均芽叶完整率为85.34%,平均杂质率为4.93%,一芽三叶及以下嫩梢占90.72%,满足大宗茶机采技术标准和后续加工工艺要求,与传统超声波感知的自动仿形采茶机相比,提升了大宗茶鲜叶采收效果。