1、隨著海洋經(jīng)濟(jì)的大力發(fā)展，人們對(duì)船舶航行的安全性和經(jīng)濟(jì)性的要求也越來越高。但同時(shí)船舶數(shù)量、噸位、航運(yùn)密度的增大，再加上船舶航行環(huán)境的復(fù)雜性和不確定性，使船舶運(yùn)動(dòng)控制更趨復(fù)雜。
　　 傳統(tǒng)的船舶航向控制算法有PID控制、自適應(yīng)控制等。目前的船舶航向控制大多使用PID控制器，少量的船舶使用了自適應(yīng)控制方法等。PID控制器的參數(shù)整定過于依賴先驗(yàn)知識(shí)和對(duì)象模型，導(dǎo)致超調(diào)量大、調(diào)節(jié)時(shí)間長(zhǎng)、穩(wěn)態(tài)誤差過大等問題。而自適應(yīng)控制方法存在成本高、參數(shù)

2、調(diào)整難度大、系統(tǒng)不穩(wěn)定等問題?，F(xiàn)在使用的航向控制方法都存在應(yīng)用局限性。由于船舶操縱運(yùn)動(dòng)數(shù)學(xué)模型的非線性、操作執(zhí)行機(jī)構(gòu)滯后以及船舶航行環(huán)境和所受干擾的不確定等問題，使得一些基于模型的控制方法難以起作用。隨著計(jì)算機(jī)和現(xiàn)代控制理論的發(fā)展，出現(xiàn)了各種新的智能控制算法。這些智能算法先后應(yīng)用于船舶航向控制系統(tǒng)中，取得了一些效果，但或因模型建立不合適、或因算法木身的原因，都存在一些問題。因此迫切需要建立更合適的仿真模型，將更多的智能控制理論應(yīng)用到船舶

3、航向控制的研究上，研制出高性能的航向控制產(chǎn)品。
　　 Kennedy和Eberhart通過對(duì)鳥群覓食過程的分析和模擬，于1995年最先提出了原始的粒子群算法(Particle Swarm Optimization，PSO)。粒子群算法一經(jīng)提出就迅速成為進(jìn)化計(jì)算領(lǐng)域和智能優(yōu)化方面的研究熱點(diǎn)，被廣泛應(yīng)用數(shù)據(jù)挖掘、動(dòng)態(tài)環(huán)境優(yōu)化、目標(biāo)函數(shù)優(yōu)化、模糊控制系統(tǒng)和神經(jīng)網(wǎng)絡(luò)訓(xùn)練等眾多領(lǐng)域。它能夠高效、并行的搜索問題空間所對(duì)應(yīng)的編碼空間，從而得到

4、問題的全局最優(yōu)值。具有運(yùn)行速度快，數(shù)學(xué)表達(dá)簡(jiǎn)單的優(yōu)點(diǎn)。但也有易早熟，易收斂到局部最優(yōu)值等問題。同時(shí)研究發(fā)現(xiàn)，整個(gè)粒子群的運(yùn)動(dòng)是有規(guī)律的，但整個(gè)種群的初始化具有很大的隨機(jī)性和不可預(yù)測(cè)性。如果將粒子群算法和混沌變量的遍歷性結(jié)合起來，充分發(fā)揮混沌的遍歷性和對(duì)初始條件的敏感性，將使粒子更均勻的分布在整個(gè)搜索空間，使得算法能更好保持種群多樣性，逃脫局部最優(yōu)值，改善算法的全局搜索能力，提高算法收斂的成功率。
　　 建立了船舶航向控制系統(tǒng)的數(shù)