[发明专利]一种基于RBF神经网络的船舶运动智能控制器

权利要求书

1.一种基于RBF神经网络的船舶运动智能控制器，包括显控计算机、导引系统、IGA优化单元、扩张观测器、RBF神经网络滑模控制器、执行机构、动力定位传感系统，其特征在于：所述扩张观测器导入变量参数一阶导数、二阶导数以及三阶导数，将外部扰动实时跟踪传递给RBF神经网络滑模控制器；所述RBF神经网络滑模控制器内嵌入设有还包含控制补偿器和逼近器；

所述控制补偿器用于对操舵幅度限制的补偿，使得避免进入饱和状态；

所述逼近器用于对船舶模型不确定项进行在线逼近，并反馈到滑模控制器中；

所述IGA优化单元用于对RBF神经网络进行实时在线优化，提高RBF神经网络对船舶运动系统不确定参数的逼近性能，以使得RBF神经网络误差无限接近于0。

2.根据权利要求1所述的一种基于RBF神经网络的船舶运动智能控制器，其特征在于：所述RBF神经网络优化以构建IGA优化单元，同时在滑模控制器内设有控制补偿器、逼近器的双向作用下，减少船舶运动系统的不确定项对神经网络的干扰，发送指令信号至动力定位传感系统，所述动力定位传感系统控制执行机构实现船舶运动轨迹。

3.根据权利要求2所述的一种基于RBF神经网络的船舶运动智能控制器，其特征在于：IGA优化单元确定RBF神经网络的参数实时在线优化的过程步骤如下：

步骤1：初始化N个子种群，并将初始网络参数进行基因编码；

步骤2：N个子种群独立运行进化寻优操作；

步骤3：性能评价，若满足，转到步骤4；

若不满足，结束并转到RBF神经网络学习步骤：

(1)RBF神经网络自主学习；

(2)绝对误差计算；

(3)参数更新；

(4)性能测定，若满足，请结束；若不满足，请执行步骤7。

步骤4：计算N个子群体的平均适应度。

步骤5：选择和交叉操作分别执行。

步骤6：分别执行变异操作。

步骤7：重新计算新的N个子种群，并返回到步骤2。

4.根据权利要求3所述的一种基于RBF神经网络的船舶运动智能控制器，其特征在于：所述初始网络参数为连接权重、高斯函数的中心宽度和中心值。