大型船舶减摇鳍控制技术仿真研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 论文的背景及意义 | 第9-10页 |
| 1.2 船舶减摇鳍控制策略概述 | 第10-12页 |
| 1.3 群智能算法概述 | 第12-16页 |
| 1.3.1 遗传算法概述 | 第12-13页 |
| 1.3.2 人工神经网络优化算法概述 | 第13-14页 |
| 1.3.3 粒子群优化算法概述 | 第14-16页 |
| 1.4 论文主要研究内容与结构 | 第16-17页 |
| 第2章 船舶的横摇运动建模 | 第17-29页 |
| 2.1 船舶横摇运动建模 | 第17-21页 |
| 2.1.1 船舶的横摇受力及线性模型 | 第17-18页 |
| 2.1.2 船舶非线性横摇运动模型 | 第18-20页 |
| 2.1.3 线性横摇模型传递函数求取 | 第20-21页 |
| 2.2 船舶横摇运动特性分析 | 第21-23页 |
| 2.3 海浪干扰仿真 | 第23-28页 |
| 2.3.1 海浪遭遇谱变换 | 第24-25页 |
| 2.3.2 随机海浪干扰力矩的数字仿真 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 减摇鳍升力特性建模 | 第29-45页 |
| 3.1 减摇鳍的有效面积估算 | 第29-31页 |
| 3.2 船舶摇摆运动对升力特性的影响 | 第31-33页 |
| 3.3 减摇鳍的的神经网络升力特性建模 | 第33-36页 |
| 3.3.1 BP神经网络训练样本处理 | 第33-35页 |
| 3.3.2 BP神经网络结构的确定 | 第35-36页 |
| 3.4 基于遗传算法的BP神经网络优化 | 第36-38页 |
| 3.5 GA-BP神经网络的减摇鳍升力特性建模 | 第38-42页 |
| 3.6 本章小结 | 第42-45页 |
| 第4章 智能SA-PSO-PID控制策略设计研究 | 第45-57页 |
| 4.1 PID控制器设计及参数整定 | 第45-49页 |
| 4.1.1 PID控制概述 | 第45页 |
| 4.1.2 PID控制器设计及参数整定 | 第45-49页 |
| 4.2 基于改进粒子群算法的PID控制器设计 | 第49-56页 |
| 4.2.1 基本粒子群算法 | 第50-51页 |
| 4.2.2 基于模拟退火思想的SA-PSO算法 | 第51-53页 |
| 4.2.3 智能SA-PSO-PID控制器设计 | 第53-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第5章 减摇鳍控制系统仿真研究 | 第57-77页 |
| 5.1 减摇鳍仿真模型设计 | 第57-58页 |
| 5.2 减摇鳍控制回路仿真模型设计 | 第58-61页 |
| 5.3 减摇鳍控制系统仿真 | 第61-71页 |
| 5.3.1 海浪干扰下船舶横摇响应仿真 | 第61-65页 |
| 5.3.2 减摇鳍PID控制仿真 | 第65-68页 |
| 5.3.3 减摇鳍SA-PSO-PID控制仿真 | 第68-71页 |
| 5.4 仿真结果统计与分析 | 第71-75页 |
| 5.5 本章小结 | 第75-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第83-85页 |
| 致谢 | 第85页 |
