摘要: |
帆船在海上行驶是一个极其复杂的过程,要受到海浪、海风及海流等环境条件变化的影响,是一个具有复杂环境、不完备信息的系统。帆船比赛是运动员驾驶帆船在规定的距离内比赛航速的一项运动。如何依据比赛时的海洋气象信息制定最优航行轨迹是比赛取胜的重要环节。利用现代信息技术和智能控制方法规划最优航行路线,指导帆船运动项目的科学训练,提高运动员成绩,促进复杂系统的理论研究,是一项具有实际应用和科研价值的课题。
从优化理论的角度来看,帆船运动路线的规划是一个时变、非线性、受约束、不确定性系统的优化问题,包括帆船力学特性、航行策略、航向控制、航向决策、路线规划等一系列相互关联的问题。
针对以上问题,本文在国家自然科学基金项目“基于模糊—进化理论的奥运帆船项目路线规划方法的研究”的资助下,展开基于模糊—进化理论的帆船运动路线规划的研究。具体的研究内容包括以下几部分:
1.首先对帆船的船体、风帆的受力、及帆船操纵运动及其干扰信号的数学模型进行了较详细的综述。
2.利用流体力学原理分析风帆、船体的受力情况及帆船运动情况,提出了依据风向变化调整帆转角,选择帆船最佳航向的控制策略。进行帆船行驶控制策略分析。与海浪和海流的干扰力相比,风向和风速的变化对帆船的航向和航速的影响最大。忽略海浪和海流对帆船行驶产生的扰动影响,依据对帆船受力情况及运动情况的分析,建立一定区段内航行时间最短的受约束非线性多元函数。利用约束最优化方法,求解不同风向时航行时间最短的转帆角和航向角,从运算结果中归纳出简单易行的航行策略。所推导出的航速预测公式以及航行控制策略,是后续进行帆船操纵运动智能控制以及帆船运动路线规划研究的必备前提条件。
3.提出了一种帆船操纵运动的模糊自适应控制方法。针对模糊逻辑系统有很强的知识表达能力和逻辑推理能力,但自学习能力比较差,而人工神经网络在自学习和函数逼近方面具有独特的优越性等特点,将两者结合,提出了一种基于Sugeno模糊模型和Adaline线性神经网络的帆船自适应控制新方法。采用Sugeno模糊模型,依据归纳出的简单易行航行策略,将舵角的非线性控制局部线性化,设计相应的局部线性控制器,通过模糊推理综合各局部线性控制器的输出,得到全局控制量。用线性神经网络Adaline的自学习技术,获取模糊推理规则,优化模糊控制器的参数,提高系统的自适应性。仿真结果表明:该方法能实现对帆船航向的智能控制。该系统将嵌入帆船运动路线规划的仿真中模仿一个舵手。
4.提出了帆船运动航向决策综合评价数学模型。帆船行驶过程中,帆船的当前位置、航速和航向都是不断变化的,而且在各时刻的变化情况有很大的不确定性。引入模糊概念来表达这种不确定性。帆船行驶的方向决策需要综合考虑行驶速度和接近目标两个因素,并以航道宽度为约束条件,建立航向决策综合评价函数。这个航向决策数学模型作为帆船运动路线动态规划的理论依据。
5.针对帆船直线航行比赛的情况,提出了基于进化规划理论的帆船直航比赛训练最优路线动态规划方法。首先基于动态规划思想对最优路线规划方法进行了研究,然后针对动态规划方法的局部搜索效率低、收敛速度慢等缺点提出了基于进化规划理论的最优路线动态规划方法。该方法以帆船航向决策的综合评价函数为基础,利用进化规划全局优化搜索和函数优化能力提高动态规划的局部搜索效率和准确性。最后通过仿真试验对两种路线规划方法进行了对比,体现了基于进化规划理论的帆船行驶最优路线动态规划方法的优越性。
6.从工程实现的角度出发,提出了一种帆船辅助训练监控系统的设计方案。该系统将利用GPS技术、GIS技术、无线数据传输技术以及串口通信技术实现对帆船训练实际航行路线的实时检测、监控及航行效果评价等功能。通过该系统的实际应用,将把本文所研究的帆船运动路线规划理论用于指导帆船训练,提高帆船运动项目的科学训练水平,并在实践中进一步检验路线规划算法的有效性,使算法更加完善。
在本文最后一章对全文进行了总结,并且对今后进一步的研究方向进行了分析和展望。
|