【船舶】 simulink船舶推力分配【含Matlab源码 2416期】

原创于 2024-07-04 11:30:57 发布 · 1.2k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#matlab

Matlab优化求解（仿真科研站版）专栏收录该内容

433 篇文章

订阅专栏

💥💥💞💞欢迎来到Matlab仿真科研站博客之家💞💞💥💥

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。

🍎个人主页：Matlab仿真科研站博客之家

🏆代码获取方式：
💥扫描文章底部QQ二维码💥

⛳️座右铭：行百里者，半于九十；路漫漫其修远兮，吾将上下而求索。
在这里插入图片描述

⛄更多Matlab优化求解仿真内容点击👇
Matlab优化求解（仿真科研站版）

⛄一、船舶推力分配

1 推力分配问题描述
动力定位船舶为了始终稳定在海平面上预定的位置，会装备比常规船舶更多种类和数量的推进器。DPS中推进器的数目一般多于五台，意味着对于一组给定的控制力，系统存在很多种不同推力大小和方向的组合。推力分配要解决的问题就是实时进行推力分配，在众多组合中找到最优分配方案[10]。

动力定位控制器通过状态反馈η和v计算船舶达到预定位置所需的推力和扭矩τc，推力分配单元负责将τc转化为各推进器的控制输入α和u，满足如下关系[11]:
在这里插入图片描述
每一台推进器对应一个列向量，动力定位船舶三自由度运动控制下，不同类型推进器对应b的表示为

在这里插入图片描述
式中，(lxi,lyi)表示第i个推进器在船体坐标系的位置；X为纵轴方向，艏向为正；Y为横轴方向，右舷为正。

推力分配问题中在建立目标函数时，一般会考虑的因素有能耗、误差及推进器方位变化率等。综合各方面因素考虑，目前相关研究中考虑因素最多的目标函数为
在这里插入图片描述
式中，第一项为消耗的总功率；第二项为惩罚项，用来控制要求推力和实际分配推力之间的误差s,Q为正定对角矩阵；第三项为限定全回转推进器方位频繁变化，减少磨损；Ω为正定对角矩阵；第四项用来避免奇异结构。

2 推力分配优化算法
DPS的推力分配问题根据实际情况的需要，一般会适当忽略部分考虑因素，对上述目标函数进行简化，将问题分为线性无约束分配、线性约束分配和非线性约束分配三大类[12]。针对不同类型的分配问题，相应的优化算法得到广泛的应用，常用的推力优化分配算法有广义逆法、序列二次规划算法、粒子群优化算法等。

广义逆法是广义控制分配中比较常用的算法，其基本思路为仅考虑能耗最低，将上述目标函数仅保留功率消耗项，利用推力误差等式作为限制条件，设计Lagrange函数求解目标函数极值。该算法的优点是方法简单、直接，但在计算过程中可能出现奇异结构，使得解过大而不能应用实际。国内外学者针对算法的缺点对该算法进行了改进，Sørdalen[13]将奇异值分解法引入到推力分配问题广义逆法求解，对推力结构矩阵进行奇异值分解，避免产生奇异结构；徐海祥等[14]针对全回转推进器在进行推力分配时，可能因物理限制存在推力饱和或角度饱和的问题，采用级联广义逆算法，对饱和的推力和角度进行截断处理，保证满足上层控制器的要求。

对于推力分配这类非线性约束问题，序列二次规划（SQP）算法是间接求解该类问题比较有效的手段，由美国数学家Wilson在1963年提出[15]，具有收敛速度快、简单易行等优点，但过分依赖于初始值，存在局部收敛等问题。其基本原理是把推力分配优化问题离散近似成一组等效的凸规划序列，利用Lagrange-Newton法形成迭代关系，最后求得最优解。吴显法等[16]以深海钻井和采油平台为研究对象，采用SQP算法达到降低能耗的目的，避免了奇异结构，提高了系统操纵性；刘鹏等[17]对挖泥船自身配置的推进器系统进行分析，运用SQP算法满足了挖泥船的定位要求。

粒子群优化算法由于需要调节的参数非常少，对算法参数调整比较容易，已被应用到很多领域。该算法是对鸟群寻找食物的行为进行模拟，将寻找最优解的过程比作鸟群寻找食物的过程，在这个过程中，每只鸟都有记忆功能，会记录自身曾经找到的历史最优位置并共享给整个鸟群，对整个鸟群最佳鸟的位置信息和速度信息进行更新，直至迭代结束。该算法的原理比较简单，导致了存在求解精度不高、在规定迭代次数达不到理想收敛精度的问题。尚留宾等[18]针对粒子群优化算法解决动力定位推力分配问题此类易遭遇局部最优、计算时间长等瓶颈，探索不同粒子决策变量对推力分配结果的影响，构建了基于3种不同粒子决策变量的粒子群推力分配算法，提高了推力分配的实时性；李新想等[19]提出了一种以粒子群算法为基础，引入混沌理论和遗传算法中交叉变异策略的混合算法，通过对某铺管船的仿真，证明该算法在兼顾能耗的同时有效降低推进器磨损。

除上述算法外，部分文献资料针对上述算法应用在推力分问题中存在的不足，将算法进行了结合和改进，如多智能体粒子群优化算法、粒子群优化算法与SQP算法相结合等；还引入了其他算法，如遗传算法、偏置推力分配算法等。

⛄二、部分源代码

function result=func4(x,apl0,B)
%%最小推力函数%%
Pc=2;
K=1;
% pbias=200-op;
Q1=diag([10^8 10^8 10^9]);
% s0=[x(5);x(6);x(7)];
% result=Pc*((abs(x(1)))^{(3/2)+(abs(x(2)))}(3/2)+(abs(x(3)))^{(3/2)+(abs(x(4)))}(3/2))+s0’Q1s0;
sta=1000;dlt=10^(-6);omg=diag([1 1 10 10]);
apl=[x(5);x(6);x(7);x(8)];
s0=[x(9);x(10);x(11)];
result=KPc((abs(x(1)))^{(3/2)+(abs(x(2)))}(3/2)+(abs(x(3)))^{(3/2)+(abs(x(4)))}(3/2))+s0’Q1s0+(apl-apl0)‘omg(apl-apl0)+sta/(dlt+det(B*B’));
end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]曹宇翾,杨宣访,李厚朴.动力定位船舶推力分配问题研究[J].舰船电子工程. 2022,42(10)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
1.1 PID优化
1.2 VMD优化
1.3 配电网重构
1.4 三维装箱
1.5 微电网优化
1.6 优化布局
1.7 优化参数
1.8 优化成本
1.9 优化充电
1.10 优化调度
1.11 优化电价
1.12 优化发车
1.13 优化分配
1.14 优化覆盖
1.15 优化控制
1.16 优化库存
1.17 优化路由
1.18 优化设计
1.19 优化位置
1.20 优化吸波
1.21 优化选址
1.22 优化运行
1.23 优化指派
1.24 优化组合
1.25 车间调度
1.26 生产调度
1.27 经济调度
1.28 装配线调度
1.29 水库调度
1.30 货位优化
1.31 公交排班优化
1.32 集装箱船配载优化
1.33 水泵组合优化
1.34 医疗资源分配优化
1.35 可视域基站和无人机选址优化

2 机器学习和深度学习分类与预测
2.1 机器学习和深度学习分类
2.1.1 BiLSTM双向长短时记忆神经网络分类
2.1.2 BP神经网络分类
2.1.3 CNN卷积神经网络分类
2.1.4 DBN深度置信网络分类
2.1.5 DELM深度学习极限学习机分类
2.1.6 ELMAN递归神经网络分类
2.1.7 ELM极限学习机分类
2.1.8 GRNN广义回归神经网络分类
2.1.9 GRU门控循环单元分类
2.1.10 KELM混合核极限学习机分类
2.1.11 KNN分类
2.1.12 LSSVM最小二乘法支持向量机分类
2.1.13 LSTM长短时记忆网络分类
2.1.14 MLP全连接神经网络分类
2.1.15 PNN概率神经网络分类
2.1.16 RELM鲁棒极限学习机分类
2.1.17 RF随机森林分类
2.1.18 SCN随机配置网络模型分类
2.1.19 SVM支持向量机分类
2.1.20 XGBOOST分类

2.2 机器学习和深度学习预测
2.2.1 ANFIS自适应模糊神经网络预测
2.2.2 ANN人工神经网络预测
2.2.3 ARMA自回归滑动平均模型预测
2.2.4 BF粒子滤波预测
2.2.5 BiLSTM双向长短时记忆神经网络预测
2.2.6 BLS宽度学习神经网络预测
2.2.7 BP神经网络预测
2.2.8 CNN卷积神经网络预测
2.2.9 DBN深度置信网络预测
2.2.10 DELM深度学习极限学习机预测
2.2.11 DKELM回归预测
2.2.12 ELMAN递归神经网络预测
2.2.13 ELM极限学习机预测
2.2.14 ESN回声状态网络预测
2.2.15 FNN前馈神经网络预测
2.2.16 GMDN预测
2.2.17 GMM高斯混合模型预测
2.2.18 GRNN广义回归神经网络预测
2.2.19 GRU门控循环单元预测
2.2.20 KELM混合核极限学习机预测
2.2.21 LMS最小均方算法预测
2.2.22 LSSVM最小二乘法支持向量机预测
2.2.23 LSTM长短时记忆网络预测
2.2.24 RBF径向基函数神经网络预测
2.2.25 RELM鲁棒极限学习机预测
2.2.26 RF随机森林预测
2.2.27 RNN循环神经网络预测
2.2.28 RVM相关向量机预测
2.2.29 SVM支持向量机预测
2.2.30 TCN时间卷积神经网络预测
2.2.31 XGBoost回归预测
2.2.32 模糊预测
2.2.33 奇异谱分析方法SSA时间序列预测

2.3 机器学习和深度学习实际应用预测
CPI指数预测、PM2.5浓度预测、SOC预测、财务预警预测、产量预测、车位预测、虫情预测、带钢厚度预测、电池健康状态预测、电力负荷预测、房价预测、腐蚀率预测、故障诊断预测、光伏功率预测、轨迹预测、航空发动机寿命预测、汇率预测、混凝土强度预测、加热炉炉温预测、价格预测、交通流预测、居民消费指数预测、空气质量预测、粮食温度预测、气温预测、清水值预测、失业率预测、用电量预测、运输量预测、制造业采购经理指数预测

3 图像处理方面
3.1 图像边缘检测
3.2 图像处理
3.3 图像分割
3.4 图像分类
3.5 图像跟踪
3.6 图像加密解密
3.7 图像检索
3.8 图像配准
3.9 图像拼接
3.10 图像评价
3.11 图像去噪
3.12 图像融合
3.13 图像识别
3.13.1 表盘识别
3.13.2 车道线识别
3.13.3 车辆计数
3.13.4 车辆识别
3.13.5 车牌识别
3.13.6 车位识别
3.13.7 尺寸检测
3.13.8 答题卡识别
3.13.9 电器识别
3.13.10 跌倒检测
3.13.11 动物识别
3.13.12 二维码识别
3.13.13 发票识别
3.13.14 服装识别
3.13.15 汉字识别
3.13.16 红绿灯识别
3.13.17 虹膜识别
3.13.18 火灾检测
3.13.19 疾病分类
3.13.20 交通标志识别
3.13.21 卡号识别
3.13.22 口罩识别
3.13.23 裂缝识别
3.13.24 目标跟踪
3.13.25 疲劳检测
3.13.26 旗帜识别
3.13.27 青草识别
3.13.28 人脸识别
3.13.29 人民币识别
3.13.30 身份证识别
3.13.31 手势识别
3.13.32 数字字母识别
3.13.33 手掌识别
3.13.34 树叶识别
3.13.35 水果识别
3.13.36 条形码识别
3.13.37 温度检测
3.13.38 瑕疵检测
3.13.39 芯片检测
3.13.40 行为识别
3.13.41 验证码识别
3.13.42 药材识别
3.13.43 硬币识别
3.13.44 邮政编码识别
3.13.45 纸牌识别
3.13.46 指纹识别

3.14 图像修复
3.15 图像压缩
3.16 图像隐写
3.17 图像增强
3.18 图像重建

4 路径规划方面
4.1 旅行商问题（TSP）
4.1.1 单旅行商问题（TSP）
4.1.2 多旅行商问题（MTSP）
4.2 车辆路径问题（VRP）
4.2.1 车辆路径问题（VRP）
4.2.2 带容量的车辆路径问题（CVRP）
4.2.3 带容量+时间窗+距离车辆路径问题（DCTWVRP）
4.2.4 带容量+距离车辆路径问题（DCVRP）
4.2.5 带距离的车辆路径问题（DVRP）
4.2.6 带充电站+时间窗车辆路径问题（ETWVRP）
4.2.3 带多种容量的车辆路径问题（MCVRP）
4.2.4 带距离的多车辆路径问题（MDVRP）
4.2.5 同时取送货的车辆路径问题（SDVRP）
4.2.6 带时间窗+容量的车辆路径问题（TWCVRP）
4.2.6 带时间窗的车辆路径问题（TWVRP）
4.3 多式联运运输问题

4.4 机器人路径规划
4.4.1 避障路径规划
4.4.2 迷宫路径规划
4.4.3 栅格地图路径规划

4.5 配送路径规划
4.5.1 冷链配送路径规划
4.5.2 外卖配送路径规划
4.5.3 口罩配送路径规划
4.5.4 药品配送路径规划
4.5.5 含充电站配送路径规划
4.5.6 连锁超市配送路径规划
4.5.7 车辆协同无人机配送路径规划

4.6 无人机路径规划
4.6.1 飞行器仿真
4.6.2 无人机飞行作业
4.6.3 无人机轨迹跟踪
4.6.4 无人机集群仿真
4.6.5 无人机三维路径规划
4.6.6 无人机编队
4.6.7 无人机协同任务
4.6.8 无人机任务分配

5 语音处理
5.1 语音情感识别
5.2 声源定位
5.3 特征提取
5.4 语音编码
5.5 语音处理
5.6 语音分离
5.7 语音分析
5.8 语音合成
5.9 语音加密
5.10 语音去噪
5.11 语音识别
5.12 语音压缩
5.13 语音隐藏

6 元胞自动机方面
6.1 元胞自动机病毒仿真
6.2 元胞自动机城市规划
6.3 元胞自动机交通流
6.4 元胞自动机气体
6.5 元胞自动机人员疏散
6.6 元胞自动机森林火灾
6.7 元胞自动机生命游戏

7 信号处理方面
7.1 故障信号诊断分析
7.1.1 齿轮损伤识别
7.1.2 异步电机转子断条故障诊断
7.1.3 滚动体内外圈故障诊断分析
7.1.4 电机故障诊断分析
7.1.5 轴承故障诊断分析
7.1.6 齿轮箱故障诊断分析
7.1.7 三相逆变器故障诊断分析
7.1.8 柴油机故障诊断

7.2 雷达通信
7.2.1 FMCW仿真
7.2.2 GPS抗干扰
7.2.3 雷达LFM
7.2.4 雷达MIMO
7.2.5 雷达测角
7.2.6 雷达成像
7.2.7 雷达定位
7.2.8 雷达回波
7.2.9 雷达检测
7.2.10 雷达数字信号处理
7.2.11 雷达通信
7.2.12 雷达相控阵
7.2.13 雷达信号分析
7.2.14 雷达预警
7.2.15 雷达脉冲压缩
7.2.16 天线方向图
7.2.17 雷达杂波仿真

7.3 生物电信号
7.3.1 肌电信号EMG
7.3.2 脑电信号EEG
7.3.3 心电信号ECG
7.3.4 心脏仿真

7.4 通信系统
7.4.1 DOA估计
7.4.2 LEACH协议
7.4.3 编码译码
7.4.4 变分模态分解
7.4.5 超宽带仿真
7.4.6 多径衰落仿真
7.4.7 蜂窝网络
7.4.8 管道泄漏
7.4.9 经验模态分解
7.4.10 滤波器设计
7.4.11 模拟信号传输
7.4.12 模拟信号调制
7.4.13 数字基带信号
7.4.14 数字信道
7.4.15 数字信号处理
7.4.16 数字信号传输
7.4.17 数字信号去噪
7.4.18 水声通信
7.4.19 通信仿真
7.4.20 无线传输
7.4.21 误码率仿真
7.4.22 现代通信
7.4.23 信道估计
7.4.24 信号检测
7.4.25 信号融合
7.4.26 信号识别
7.4.27 压缩感知
7.4.28 噪声仿真
7.4.29 噪声干扰