Upload
javad-sarshar
View
74
Download
0
Embed Size (px)
Citation preview
به نام خدا
BP Neural Network Based PID Control For Ship Steering
عنوان مقاله:
ارائهجواد دهنده:سرشا
94تیر ر
FUZZYCONTROL
مقدمه
در این مقاله قصد داریم:
اساس، مشخصات و الگوریتم یادگیری شبکه را معرفی کنیم.BPعصبی
کالسیک را با شبکه عصبی PIDکنترل کننده BP.ترکیب کنیم
در نهایت، پاسخ سیستم ارائه شده را در مقابل انواع اغتشاشات بررسی کنیم.
در واقع هدف این است که هدایت دستی مسیر کشتی را به صورت خودکار انجام دهیم.
FUZZYCONTROL
PID آنالین به جای PIDدالیل مطرح شدن کالسیک
کالسیک به سختی امکان PIDتنظیم پارامترهای پذیر است.
PIDحتی در صورت تنظیم مناسب پارامترهای کالسیک، با توجه به عواملی همچون سرعت کشتی، میزان بار و شرایطمشخصات دینامیکی کشتی تغییر می کند؛ بنابراین به یک کنترل کننده آنالین نیاز است.
FUZZYCONTROL
محاسبه مدل سروو
معادالت دستگاه هدایت به صورت مقابل داده می شود:
با MATLABمشخصات دینامیکی دستگاه هدایت در فرضیات زیر شبیه سازی شده است:
درجه است.35حداکثر دلتا
درجه در ثانیه 3آهنگ دستگاه هدایت بیشتر از نیست.
FUZZYCONTROL
(steering gearدستگاه هدایت )
در steering gearبلوک دیگرام شکل زیر آورده شده است:
FUZZYCONTROL
steeringنمونه واقعی از gear
FUZZYCONTROL
مدل کشتی
NOMOTOمدل بلوک دیاگرام مدل برای کشتی:
کشتی:
FUZZYCONTROL
روش زیگلر نیکولز برای تنظیم پارامترهای PID
بهره ای که با آن سیستم به نوسان می افتد و نیز مرحله سومپریود نوسانات را یادداشت می کنیم
پس از آن به تدریج بهره را زیاد می کنیم تا جایی که مرحله دومسیستم نوسان بدون اتالف داشته باشد
ابتدا به جای کنترل کننده یک بهره با مقدار اولیه مرحله اولصفر قرار می دهیم
با توجه به جدول مقابل پارامترهای PID.تنظیم می شوند
FUZZYCONTROL
پارامترهای کشتی برای شبیه سازی
متر، 9 متر، عمق: 20.8 متر، عرض: 126طول: متر بر ثانیه، 7.2، سرعت: 0.688ضریب مجذوری:
متر، سطح 0.25فاصله بین مرکز جاذبه و مرکز متر مربع بنابراین:18.8رادر:
FUZZYCONTROL
اغ�تشاش
سیگنال های زیر به عنوان ورودی های اغتشاش در نظر گرفته شده اند:
اغتشاش باد:
اغتشاش جریان:
اغتشاش امواج:
FUZZYCONTROL
بدون حضور اغتشاش و نیز در PIDشبیه سازی کنترل کننده کالسیک حضور آن
FUZZYCONTROL
برای هدایت PID بر پایه کنترل کننده BPشبیه سازی شبکه عصبی کشتی
aتعیین تعداد نرون های ورودی و الیه مخفی و •
در نظر 4 و 5 و 3خروجی که در اینجا به ترتیب گرفته شده اند.
b و نیز به )k(yout و محاسبه )rin)kدریافت •
)e)k(=rin)k(-yout)kدست آوردن c
محاسبه ورودی و خروجی هر الیه که خروجی • هستند.PIDالیه آخر پارامترهای
d• محاسبه سیگنال کنترلیu)k(
e•تنظیم وزن ها
f• برابر قرار دادنk=k+1
FUZZYCONTROL
نتایج و تحلیل شبیه سازی )بدون حضور اغتشاش(
FUZZYCONTROL
نتایج و تحلیل شبیه سازی )با حضور اغتشاش(
FUZZYCONTROL
نتایج
در PID بر پایه BPدر حضور کنترل کننده شبکه عصبی PIDمقایسه با کنترل کننده کالسیک :
سیستم سریع تر با شرایط انطباق پیدا می
سیستم کندمقاوم تر
سیستم فراجهش استکمتری دارد
خس������������ت����������������ه نب�������������������اشی�������������د!