摘要：20世纪60年代，智能控制登上历史舞台，随后经过很多控制爱好者的不断地探索和改进，控制理论取得了全面的发展，为船舶运动控制系统设计提供了诸多新的控制算法。支持向量机(SVM)是近年来机器学习研究的一项重大成果，作为一种新型的智能算法，是近年来的研究热点，它是基于统计学习理论建立起来的一种机器学习算法，具有与神经网络类似的结构，许多研究人员也在尝试将支持向量机结合到船舶控制领域当中。支持向量机这一方法通过寻求结构化风险最小来提高学习机器的泛化能力，实现经验风险和置信范围的最小化，从而达到在样本量较少的情况下，亦能获得良好的统计规律的目的。支持向量机一直被认为是效果最好的分类算法之一，除了在学术界己成为重要研究内容之外，支持向量机也在工业界被广泛使用着。

本文给出了船舶运动的线性和非线性数学模型，由于船舶运动具有大惯性、大滞后以及受外界干扰等特点，因此给出了具有不确定性项的船舶航向控制系统的非线性数学模型。

    针对船舶运动模型的非线性，本文设计了基于支持向量机的船舶航向控制器。首先，从支持向量机的基本原理出发，研究了SVM回归方法对船舶运动数学模型的辨识问题。然后，针对船舶航向运动控制中船舶模型辨识困难的问题，将最小二乘支持向量机(LSSVM)应用到船舶航向运动模型的辨识建模中，提出了一种基于LSSVM的船舶航向系统控制方案，利用最小二乘支持向量机良好的非线性映射能力和并行信息处理能力，建立了船舶航向运动系统的逆模型，并把该逆模型作为前馈控制器，形成了船舶航向直接逆控制。同时，为了提高船舶航向控制系统的精度和抗干扰能力，增加了PID控制回路，提出了一种基于LSSVM和PID的船舶航向系统复合控制方案。最后，仿真验证表明所设计的复合控制系统具有比传统船舶航向PID控制系统更好的动态跟踪性能和抗干扰能力。

  关键词：船舶航向控制，最小二乘支持向量机，PID，复合控制

目录

摘要

ABSTRACT

第一章 绪论-8

1.1 本课题研究的目的和意义-8

1.2 船舶航向控制的现状及发展-8

1.3 本文主要内容与结构安排-12

第二章 船舶运动数学模型的建立-13

2.1 船舶平面坐标系-13

2.2 船舶平面运动的一般方程-15

2.3 船舶运动模型-16

2.3.1船舶运动Nomoto线性数学模型-16

2.3.2 船舶运动Norrbin非线性数学模型-17

2.4 船舶运动的状态空间模型-17

2.5 本章小结-19

第三章 基于SVM的船舶航向控制器的设计-20

3.1 支持向量机的基本原理-21

3.1.1 支持向量机非线性回归-25

3.1.2 核函数-25

3.1.3 使用松弛变量处理异常值方法-26

3.2 基于LSSVM的船舶航向控制-28

3.2.1 最小二乘支持向量机的原理-28

3.2.2  LSSVM直接逆模型控制-30

3.3 仿真验证-31

3.4 本章小结-34

第四章 基于LSSVM-PID船舶航向控制-35

4.1  PID控制器介绍-35

4.1.1 PID控制的基本原理-35

4.1.2 仿真验证-37

4.2 基于LSSVM-PID的控制器设计及仿真验证-40

4.3 本章小结-42

第五章 总结-43

参考文献-44

致    谢-45