بهینه سازی الگوریتم ژنتیک بر اساس کنترل حرکت غیرخطی کشتی

چکیده

کلمات کلیدی

1.مقدمه

2- شرح مسئله

شکل 1: طرح کلی طول بخش l

جدول 1: داده های اصلی کشتی کلاس مارینر .

3- مدل حرکت غیر خطی کشتی

جدول 2: پارامترهای غیر ابعادی (سیستم اولیه I) برای کشتی کلاس مارینر.

شکل 2: طرح برای خطای میانگین مربعات ریشه.

4- الگوریتم

1-4 اندازه گیری خطا

2-4 بهینه سازی با استفاده از الگوریتم ژنتیک

5- نتایج و بحث

1-5 کنترل بر مسیر خط مستقیم

2-5 کنترل مسیر متشکل از خطوط راست متقاطع 

شکل 3: کنترل بر مسیر خط مستقیم (زمان شبیه سازی = 3210 ثانیه).

شکل 4: کنترل بر یک چرخش   شدید (زمان شبیه سازی = 239 ثانیه).

شکل 5: کنترل بر یک چرخش   شدید (زمان شبیه سازی = 264 ثانیه).

شکل 6: کنترل بر یک چرخش   شدید (زمان شبیه سازی = 323 ثانیه).

شکل 7: کنترل بر یک چرخش تدریجی  ، شعاع 2L (زمان شبیه سازی = 46 ثانیه).

شکل 8: کنترل بر یک چرخش تدریجی   ، شعاع 3L (زمان شبیه سازی = 413 ثانیه).

شکل 9: کنترل بر مسیر متشکل از شش خط مستقیم (از [3]) (زمان شبیه سازی = 1597 ثانیه).

3-5 کنترل مسیرهای انحنادار

شکل 10: کنترل بر چرخش 35 درجه -15 گره به سمت راست (زمان شبیه سازی = 1224 ثانیه).

شکل 11: کنترل بر یک سیکل هندسی، شعاع 600 متر (زمان شبیه سازی = 760 ثانیه).

شکل 12: کنترل بر مسیر 25 -25 درجه -5 گره زیگزاگ (U = 5 گره، زمان شبیه سازی = 4369 ثانیه).

شکل 13: کنترل بر مسیر 25 -25 درجه -15 گره زیگزاگ (U = 15 گره، زمان شبیه سازی = 1463 ثانیه).

شکل 14: کنترل یک مسیر انحنادار شبیه به عدد '8' (زمان شبیه سازی = 2746 ثانیه).

6- نتیجه گیری

یک روش به منظور حرکت خودکار شناورهای سطحی در یک مسیر هدف مشخص شده در این مقاله توصیف شده است. مدل حرکت شناور غیر خطی است. این روش به یک کنترلر تکرار مسیر هدف (TPI) یکپارچه با یک الگوریتم ژنتیک (GA) وابسته است. الگوریتم ژنتیک برای بدست آوردن زاویه مطلوب سکان فرماندهی و طول مسیر هدف در یک گام زمانی شبیه سازی خاص با هدف به حداقل رساندن خطای میانگین مربعات از مسیر واقعی گرفته شده توسط شناور در مقابل مسیر هدف استفاده می شود. الگوریتم کنترل پیشنهادی بر روی انواع مسیرهای منحنی گونه (قوسی) و خطی اجرا شده است و نتایج نشان می دهد که روش مورد استفاده دقیق و محکم است.

حرکت کشتی به علت تغییر شرایط محیطی (یعنی باد، امواج و جریان) و تغییرات در رفتار سیستم با تغییرات خم شدگی، غیرتعادل شدگی، فرورفتن عقب کشتی، عمق آب، رشد گونه هاب دریایی روی بدنه و غیره یک مشکل پیچیده است. برای رسیدگی این مسئله کنترل، تکنیک های متداول مانند کنترلرهای مبتنی بر PIO (تناسبی، انتگرال گیر و مشتق گیر) و انواع آنها برای طراحی فرمان خودکار به دلیل سادگی، قابلیت اطمینان و هزینه کم آنها محبوب هستند. با این حال، این کنترل کننده ها نیازمند این است که کاربر نقش مهمی را در تنظیم و تعدیل تغییرات در شرایط بارگیری کشتی و محیط عملیاتی بازی کند. این نظریه های کنترل کلاسیک به راحتی می توانند به سیستم های خطی یا سیستم های غیر خطی ساده اعمال شوند، اما نه برای سیستم های غیر خطی پیچیده. کشتی ها در آب های عمیق می توانند با مدل های حرکت خطی و غیر خطی نمایان شوند، اما به دلیل اینکه کشتی در آب های کم عمق (یعنی ناحیه بندر) قرار می گیرد، اثرات غیر خطی افزایش می یابد و مدل غیر خطی کامل برای توصیف دینامیک کشتی ضروری است.