[00349218]鲁棒智能控制理论在船舶工程中应用研究

该项目主要研究应用鲁棒智能控制理论，解决船舶航行状态及海洋环境复杂多变、操纵控制存在的参数不确定性及干扰随机性等问题，以满足现代船舶高性能的控制要求。项目围绕以下几个研究方面展开，包括：不确定非线性系统鲁棒与抗饱和控制、随机非线性多变量鲁棒智能控制、免疫遗传模糊神经网络控制、支持向量机在线学习并行优化算法及在船舶控制工程中的应用。首次引入线性微分包含与抗饱和理论，提出了存在执行器幅度与速率饱和的静态抗饱和新方法，并将抗饱和控制问题转化为LMI约束的凸优化问题；首次提出了广义输出干扰的概念，并用结构奇异值理论对船舶航向/横摇不确定非线性系统进行了鲁棒稳定性和鲁棒性能分析。基于反馈线性化方法和复合Lyapunov方法，提出了一种具有可调参数的鲁棒输出跟踪控制律，不仅可以保证系统指数输出跟踪，而且闭环系统状态有界。首次提出了舵(鳍)上增加一个相对独立运动的小控制面—翼舵(翼鳍)，以一类典型的复杂随机非线性多变量系统—船舶航向/横摇-舵/翼舵-鳍/翼鳍综合控制为对象，首次提出了船舶航向/横摇-舵/翼舵-鳍/翼鳍综合协调智能H∞鲁棒控制策略及舵角/翼舵角、鳍角/翼鳍角智能决策分配规则，提高系统控制精度，降低能耗。从算数生成空间角度证明了交叉在解空间的扩展性，指明了交叉和变异对遗传算法(GA)多样性的作用机理，提出了具有全局搜索能力的免疫模糊遗传算法；在递归T-S模糊神经网络的前向结构中，引入内部反馈连接，提出了基于前向反馈免疫遗传模糊神经网络和多元线性回归的非线性系统辨识方法，并应用于船舶水动力系数辨识及航迹/航向综合控制。将主元分析法和统计学理论中的核思想相融合，综合Nystrm方法及二次Renyi熵判据，提出了固定尺度最小二乘支持向量机记忆增量在线学习算法(FR-LSSVM)，在保证回归鲁棒性的基础上改善实时性；提出FR-LSSVM参数在线并行优化策略，为复杂非线性系统在线回归精度问题提供了一条有效途径。依托该项目发表论文百余篇，其中SCI检索6篇，EI检索近百篇，相关论文被引频次500余次，出版专著3部，申请国家发明专利60余项，授权11项，获计算机软件著作权登记2项。培养博士10名、硕士16名、2人获黑龙江省优秀硕士学位论文称号。课题在国家自然科学基金(60704004、60804009、60703090、50879012)、国家计划项目(973-61334)、国防基础研究基金项目(97J40.2.2)、省自然科学基金(A2004-19)的共同支持下，历经十余年的努力，在鲁棒智能控制理论及在船舶工程中的应用方面取得了巨大突破，同时研制成功了船舶舵/翼舵-鳍/翼鳍-桨联合智能控制系统样机。该项目对于促进控制理论和控制工程发展和船舶现代化装备进程，具有重要理论意义和应用价值。