【船舶运动】基于ode45模拟船舶运动仿真附Matlab代码
天天科研工作室
编辑于 2024年02月04日 05:43

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。 🍎个人主页:Matlab科研工作室 🍊个人信条:格物致知。 更多Matlab完整代码及仿真定制内容点击👇 智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统 信号处理              图像处理               路径规划       元胞自动机        无人机

🔥 内容介绍

为了描述船舶的运动,一般采用下述两个右手直角坐标系:一个是固定坐标系(以下简称“定系o1-x1y1z1,原点固定于地球另一个是运动坐标系(以下简称“动系),原点固定于船舶中心G随船一起运动。动系坐标轴GxGyGz分别是经过G水线面、横剖面和中剖面的交线。各坐标轴的正方向符合右手坐标系的一般规定,即Gx向首,Gy向右Gz向下,如图2.1所示。

图2.1 船舶操纵运动坐标系

Fig.2.1 Coordinate system of ship manoeuvring motion

V船舶重心的速度,VG-xyz坐标系上的投影分别为uvw;Ω为船舶转动的角速度,ΩG-xyz坐标系上的投影分别为pqrF为船舶所受外力,其在G-xyz坐标系上的投影分别为X,Y,Z;M为船舶所受外力矩,其在G-xyz坐标系上的投影分别为L,M,N。角速度力矩的正方向按右手法则确定,例如,r和N的正方向是从Gx转向Gy。

其中,m为船舶质量;Iz船体绕z轴转动的惯性矩。

分离型数学模型

船舶在水平面内的操纵运动可用MMG模型描述为:

1.本质上是解一个ode方程;

2.特点就是后面六个参数XP、XR、YP、YR、NP、NR与u、v、r和δ(delta即舵角)有关,会随着迭代的进行而变化,变化规律公式较多,但是不难,我写的那两个m程序就是输入u、v、r和δ然后输出这六个参数。(程序中用到的全局变量已经给出;必须先运行luoxuanjiang.m,再运行duo.m因为有一个参数wp是在luoxuanjiang.m中算出来的。)

3.舵角δ没有出现在方程中,但是它会影响方程里面的参数,它的变化是我们自己规定的,比如:迭代总时间为500秒,前20秒δ=0之后δ=15.

📣 部分代码

⛳️ 运行结果

🔗 参考文献

[1] 陈一凡.基于CFD的船舶水动力计算及操纵运动仿真[D].大连海事大学,2017.

[2] 李文魁,陈永冰,田蔚风,等.基于MATLAB的船舶运动控制实时仿真研究[J].系统仿真学报, 2007, 19(19):5.DOI:10.3969/j.issn.1004-731X.2007.19.018.

🎈 部分理论引用网络文献,若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合