文献

J-GLOBAL ID：201902259108450682   整理番号：19A1006240

無人水面船目標経路追跡最適化制御研究【JST・京大機械翻訳】

Research of Target Path Tracking Optimization Control of Unmanned Surface Vehicle

著者 (3件)： Cong Xiaoyi (上海海事大学航運技術与控制工程交通行業重点実験室,上海,201306) ,  Wang Jianhua (上海海事大学航運技術与控制工程交通行業重点実験室,上海,201306) ,  Li Zhenyi (上海海事大学航運技術与控制工程交通行業重点実験室,上海,201306)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 36  号： 1  ページ： 325-330  発行年： 2019年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 無人水面船(USV)目標経路追跡最適化制御研究は,自律的,正確,および高速経路追跡を実現する。時間変動風擾乱は,無人船の経路追跡において無視できない環境要因であり,時変風擾乱の影響の下で,可変船長比(LOS-PD)制御方法を採用することによって,大きな追跡誤差を生み出した。従って,無人水面船のターゲット経路追跡最適化制御の困難技術の1つは,時間変動風の干渉に抵抗する効果である。上記の問題を解決するために,ニューラルネットワークに基づく電圧制御学習アルゴリズムを提案した。LOS-PD制御方法を採用して,時間変動風擾乱の下で,多くの事前データを得て,次に,ニューラルネットワークを訓練して,距離偏差,角速度,風速,目標経路方向,および目標経路方向からの傾斜角度を得た。航路角から無人船の左右の電圧制御量の間の最適重み行列を得た。シミュレーションを通して,平均追跡誤差,追跡時間および平均追跡エネルギー消費を,異なる風外乱の下で得た。シミュレーションの結果は,ニューラルネットワークに基づく電圧制御学習アルゴリズムが,時変風干渉に抵抗するのに有効であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  ニューラルネットワーク ,  電圧制御 ,  *船舶 ,  制御方式 ,  傾斜角 ,  風速 ,  高速度 ,  干渉 ,  経時変化 ,  エネルギー消費 ,  風 ,  *最適制御
準シソーラス用語： 自律性 ,  *経路トラッキング , 【Automatic Indexing@JST】

分類 (3件)： システム設計・解析  (IA02030D) ,  計算機シミュレーション  (JE11000H) ,  船舶性能  (QJ02010Q)

タイトルに関連する用語 (5件)： 水面 ,  目標 ,  経路追跡 ,  最適化制御 ,  研究