对于操纵性能与安全性能要求较高的船舶,如浮式采油-储油-卸油船、穿梭运输邮轮、补给船和半潜式钻井平台等,一般采用全驱动配置以实现其目标。在进行某些特定的工程作业如深海勘探、海底管道建设、供给和海上石油钻探等时,需要船舶精确地按照预定的航线航行,由于所航行的环境、船舶自身特性等,多耦合、强非线性的水面船舶不可避免地遭受环境干扰以及存在着动态不确定性,这使得水面船舶轨迹跟踪控制设计极具挑战性。因此,研究全驱动船舶轨迹跟踪控制问题具有重要的理论意义和实际工程价值。首先,针对遭受未知外部环境扰动的三自由度全驱动船舶的轨迹跟踪控制问题,提出带扰动观测器的自适应动态面滑模控制方法。该方法设计扰动观测器估计外部环境扰动并进行前馈补偿,采用自适应律估计扰动观测误差的界,提高控制精度,结合动态面技术构造控制器,避免微分爆炸。其次,针对存在模型不确定项和未知外部环境扰动的三自由度全驱动船舶的轨迹跟踪控制问题,提出基于非线性增益递归滑模的自适应动态面控制方法。该方法引入神经网络逼近模型不确定项,采用自适应律估计神经网络逼近误差与扰动总和的界,综合考虑船舶位置和速度误差之间关系设计递归滑模面,并应用一种非线性
2022-04-19 13:07:14 4.78MB 神经网络 人工智能 深度学习 机器学习
摘要: 针对三自由度全驱动船舶速度向量不可测问题, 考虑船舶模型参数和外部环境扰动均未知的情况, 提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法. 该方法设计神经网络自适应观测器估计船舶速度向量, 且利用神经网络逼近模型参数不确定项, 综合考虑船舶位置和速度误差之间关系构造递归滑模面, 再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律, 并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号. 选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性. 最后, 基于一艘供给船进行仿真验证, 结果表明, 船舶轨迹跟踪响应速度快, 所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.
2022-04-19 10:05:36 625KB 神经网络 学习 机器学习 人工智能
这篇文章主要介绍了python 递归深度优先搜索与广度优先搜索算法模拟实现 ,非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下 一、递归原理小案例分析 (1)# 概述 递归:即一个函数调用了自身,即实现了递归 凡是循环能做到的事,递归一般都能做到! (2)# 写递归的过程 1、写出临界条件 2、找出这一次和上一次关系 3、假设当前函数已经能用,调用自身计算上一次的结果,再求出本次的结果 (3)案例分析:求1+2+3+…+n的数和# 概述 ''' 递归:即一个函数调用了自身,即实现了递归 凡是循环能做到的事,递归一般都能做到! ''' # 写递归的过程 ''' 1、写出临界条件 2、找出这
2022-04-17 23:27:50 834KB python python for循环
1
Matlab下递归扩展最小二乘辨识方法的实现。
2022-04-17 20:43:49 2KB matlab
1
二叉排序、查找树: 1、用随机函数生成10个待排序元素; 2、利用二叉查找树输出升序序列; 3、利用同一棵二叉查找树输出降序序列; 4、写出查找的递归函数;注意:递归出口的处理要求:二叉排序树的程序填空:修改 “BiSearchTree.h” 文件中的myorder()函数,得到二叉排序树的降序序列,要求达到BiSearchTree.exe的执行效果。
2022-04-17 16:09:50 226KB 二叉树 递归算法 遍历 哈希
1
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:递归小波分解_matlab 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:光照归一化算法人脸识别_归一化算法_人脸识别_matlab 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
2022-04-17 11:05:56 414KB matlab 算法 光照归一化算法 人脸识别
数据结构源码C语言描述续,前面上传文档描述了二叉树的递归算法,本篇描述了二叉树三叉链表的非递归操作,以及测试程序:
2022-04-16 16:00:47 48KB 三叉树非递归
1
不用栈 非递归后序遍历二叉树 有mark标志
2022-04-16 15:18:51 2KB 算法
1
这个是用来做多元线性分析的财政收入数据,一共有50组,影响因素选择了工业生产总值、GDP、社会商品零售总额等9个,因此数据为50*10(其中一维为财政收入),可以用来给同学们来作为多元线性回归分析的例子。
1