基于神经网络增强学习的船舶电驱运动控制系统设计开题报告

1. 研究目的与意义（文献综述）

自动舵是船舶驱动控制系统中的不可或缺的关键设备，随着人们对航行安全和运营需求的增长，船舶运动系统中的自动舵也取得了长足的发展。其从操纵需要繁重的体力活动到实现自动控制，主要经历了四个阶段。第一阶段是机械式的自动舵，这种自动舵只能进行简单的比例控制，同时为了避免振荡，需要选择低的增益，它只能用于低精度的航向保持控制；第二阶段是pid舵，它是随着电子学和伺服机构理论的发展及应用而得以问世，其比机械式的自动舵有着明显的进步，但缺乏对船舶所处的变化着的工作条件及环境的应变能力，因而操舵频繁，操舵幅度大，能耗显著；第三阶段是自适应舵，其在控制精度、减少能源消耗方面取得了一定的成绩，但物理实现成本高，参数调整难度大，特别是因船舶的非线性、不确定性，控制效果难以保证，有时甚至影响系统的稳定性，尽管存在这些困难，熟练的舵手运用他们的操舵经验和智慧，也能有效地控制船舶；第四阶段是智能舵，这是人们通过寻找类似于人工操作的智能控制方法，目前主要分为专家系统、模糊控制、和神经网络控制三种，依靠学习与推理能力能够不基于船舶运动模型而设计航向控制系统，但智能控制器自身参数设计却困扰着设计者。

而神经网络的发展则经历了三大阶段。第一阶段是启蒙阶段，也是神经网络理论研究的奠基阶段。1943年，meculloch和pitts合作，提出了第一个人工神经元模型，并在此基础上抽象出神经元的数理模型，开创了人工神经网络的研究。1949年，hebb提出了连接权值强化的hebb法则，为构造有学习功能的神经网络模型奠定了基础。1958年，rosenblatt在原有的mp模型上增加了学习机制，进而提出感知器模型，首次把神经网络理论付诸工程实现，他的成功之举大大激发了众多学者对神经网络的兴趣。上述结果表明神经网络研究已经取得了很大的成功。

第二阶段是低潮时期，正当不少科学家怀着极大的热情追求神经网络那遥远但并非不可及的目标时，minsky和papert对以感知器为代表的神经网络系统的功能及局限性从数学上做了深入研究，并于1969年指出简单的线性感知器的功能是有限的，甚至不能解决“异或”等简单的逻辑关系，这一论断给当时人工神经元网络的研究带来沉重打击。使神经网络研究处于低潮的另外一个原因是，20世纪70年代以来，集成电路和微电子技术的迅猛发展，使基于逻辑符号处理方法的人工智能得到了迅速发展并取得显著成绩,它们的问题和局限性尚未暴露,因此暂时掩盖了发展新型计算机和寻求新的神经网络的必要性和迫切性。

2. 研究的基本内容与方案

我所研究的是基于神经网络增强学习的船舶电驱运动系统设计，首先是收集国内外神经网络增强学习和船舶电驱运动控制系统的设计方法，对比分析并总结各种算法的优缺点，最后选择得出合适的算法，用以设计船舶航向神经网络控制器，同时根据选择的神经网络增强学习的算法来设计合理的参数调整方法，实现航向自适应控制，适应外部环境变化导致的系统参数变化。其次是建立船舶六自由度模型，拟基于Simulink完成动态水域上方六自由度船舶虚拟现实系统的设计，利用MATLAB中V-Realm Builder仿真软件创建船舶几何模型和海洋表面环境。通过ElevationGird节点创建水面环境,在Size窗口修改海面仿真参数，并对其进行美化处理。拟通过Extrusion、Indexed Face Set和Box节点建立船舶几何模型。此外，也将通过Matlab搭建船舶航向控制仿真系统。最后将模拟海上运行和内河运行时的负杂工况（风浪条件等），利用Matlab测试所设计的控制系统的可行性与优越性。

在得到满意的仿真结果后再进行论文的详细写作，直至交出定稿。

3. 研究计划与安排

3-6周: 研究所搜集的各类设计方法以及算法，仔细分析对比，选择得出自己所要采用的一种算法。同时也要研究基于神经网络增强学习的船舶运动控制系统设计原理。

7-12周：通过matlab仿真验证船舶运动控制系统性能，并对仿真结果进行检验分析；

13-14周:撰写并完善论文；

4. 参考文献（12篇以上）

[1].张华军，耿涛，赵金.船舶航向无静差跟踪控制系统设计[j].华中科技大学学报(自然科学版)(12):62-65.

[2].徐昕,贺汉根.神经网络增强学习的梯度算法研究[j].计算机学报(2):100-106.

[3].苏莹莹，王宛山，王建荣.基于神经网络增强学习算法的工艺任务分配方法[j].东北大学学报(自然科学版)(2):129-132.