防倾水箱是减少船舶侧倾的重要装置，倾斜试验台是主要的研究手段。计了一种基于RBF神经网络的PID控制器，实验研究表明，它在实际系统中具有比传统PID控制器更好的性能。
RBF PID中图分类号：TP303文献标识码：A文章编号：1672-7800（2014）003-0021-02作者：许磊（1992-），男，电子技术学院的学生江苏该信息来自科技大学，主要研究测量和控制技术。
言船舶在海上航行时受到风，波浪和水流的影响，由于扰动，它们会产生严重的滚动和摇摆运动，这将极大地威胁到船舶的安全。
侧倾水箱是减少船舶侧倾的重要防滚装置之一，特别是当船舶处于低速和零速时，传统的防侧倾装置如防滚水鳍将难以使用，并将采用减少。拌槽的成本相对较低，可以有效地解决波浪对船舶低速阻力的问题，并获得明显的抗侧倾效果。动倾斜平台是进行防倾翻坦克研究的重要手段，因为它模拟了船舶在波浪中的实际运动，允许研究燃料箱的运动控制规律。
并检测相应的防滚效果。于轴承转矩的幅值和频率变化过快而控制系统要求很高，本文设计的倾斜转台采用基于电动液力转矩控制的伺服控制系统。于RBF-PID算法，可以显着提高系统的伺服精度。
1显示了带有倾斜和旋转工作台的电液扭矩伺服系统的数学建模。中Ka是电液伺服阀的比例连接系数; Kf是扭矩传感器的比例耦合系数; Kq是电液伺服阀的流量增益; B是负载的阻尼系数，CK是负载转换刚度，A是气缸活塞的有效工作区域V0是气缸工作室总容积的一半，阀门和连接管; β是工作油的有效弹性模量; Km是气缸的总泄漏系数; m是负载的转换质量。于RBF-PID算法的控制器设计RBF神经网络不仅具有良好的泛化能力，而且避免了反向传播等繁重的长计算，使其比普通BP网络更快。用。RBF神经网络具有任意非线性逼近能力，可以通过大量学习实现PID的最优参数调整。文设计的RBF神经网络控制PID控制系统的结构如图2所示.PID控制算法采用增量算法，在调整模式下设置三个参数kp，ki，kd。上。RBF神经网络采用三层前端网络：输入输出映射是非线性的，隐藏层到输出空间的空间匹配是线性的，大大加快了学习，提高了算法的准确性有效地避免了局部极点。问题。本文的电液转矩伺服系统中，RBF神经网络用于识别。
构如下：输入层由3个神经元组成，隐藏层由6个神经元组成，恒温阀芯输出层由神经元组成。
别网络的三个条目是：u（k），y（k），y（k-1）。经网络调整功能的目的如下：系统模拟参数定义船舶类型参数和船舶的相关环境参数如下：位移D = 1，574t，长度L = 100m，宽度船B = 10.5米，初始稳定高度h = 1，065米，吃水T = 3.2米，水箱的水量约占总排水量的4.1％，船舶自然周期T = 7.263 s，无量纲阻尼系数μ= 0.16，比例λ= 8.6，海平面六级H1 / 3 = 5m最大波浪轴承为Mmax = 3.5×106N·m，波浪的最大角频率为ωmax= 2rad / s，系统误差必须小于5％。
据上述参数，根据比例因子得到的具体参数如表1所示。论本文对摇杆电液转矩控制系统进行了数学建模和仿真。于RBF-PID算法的控制系统的执行。真结果表明，该控制系统能够正确模拟给定信号，并进行相应的防侧倾，能够满足倾斜定向系统的要求和抗侧倾油箱的抗侧倾效果。-roulement。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com