【船舶避碰】od45方程求解六自由度船舶避碰仿真【含Matlab源码 3498期】

最新推荐文章于 2024-05-10 15:13:50 发布

Matlab武动乾坤

最新推荐文章于 2024-05-10 15:13:50 发布

阅读量862

点赞数 20

分类专栏： Matlab物理应用（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/136555101

版权

Matlab物理应用（进阶版）专栏收录该内容

140 篇文章 4 订阅

订阅专栏

本文介绍了如何在Matlab中使用Ode45求解器进行六自由度船舶避碰仿真，详细解释了Ode45算法的工作原理，包括采用泰勒级数计算状态变量近似值并根据误差调整积分步长。部分源代码展示了具体实现过程。

摘要由CSDN通过智能技术生成

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、od45方程求解六自由度船舶避碰仿真简介

对于用数值方法求解常系数微分方程(Ordinary Differential Equation,ODE)或微分方程组，Simulink提供了七种求解函数（的方法）。

Ode45。这种求解器采用龙格一库塔方法，这也是利用Simulink求解微分方程时最常用的一种方法。这种算法精度适中，是计算方程的首选项。
它是利用有限项的泰勒级数取近似解函数，而误差的来源就是泰勒的截断项，误差就是截断误差。

Ode45分别采用四阶、五阶泰勒级数计算每个积分步长终端的状态变量近似值，并利用这个级数的值相减，得到的误差作为计算误差的判断标准。如果误差估计值大于这个系统的设定值，那么就把该积分步长缩短，然后重新计算：如果误差远小于系统的设定值，那么就将积分步长放长。

Od45分别采用泰勒级数计算每个积分步长终端的状态变量近似值，并利用这个级数的值相减，得到的误差作为计算误差的判断标准。如果误差估计值大于这个系统的设定值，那么就把该积分步长缩短，然后重新计算。如果误差远小于系统的设定值，那么就将积分步长扩大。Ode23和Ode45都是变步算法。

⛄二、部分源代码

clear all;clc;

delta=0.1;
iniangel=0;
n=1500;
R=0;
indd=0;
meet=0;
xm=0;
ym=0;
laichuanshu=3;
buchang=1;
deltae=0;
hxu1=8;
xielv=0;
jieju=0;
adds=0.25;
xmm=0;
ymm=0;
% am=zeros(laichuanshu);
% bm=zeros(laichuanshu);
Dis=zeros(n,laichuanshu);
%Dis=zeros(laichuanshu);
sida1=zeros(1,laichuanshu);
sida2=zeros(1,laichuanshu);
sida3=zeros(1,laichuanshu);
rad=zeros(1,laichuanshu);
x=zeros(1,laichuanshu);
y=zeros(1,laichuanshu);
a4s=0;
a5s=zeros(1,laichuanshu);
rvx=zeros(1,laichuanshu);
rvy=zeros(1,laichuanshu);
Kp=4; %4.1;
Td=0; %1.5;
Ti=400;
ind=zeros(1,n);

ind2=zeros(1,n);
sdd=iniangel;
sdd1=0;
sdd2=0;
rad(1)=200+rand2
rad(2)=200+rand2
rad(3)=200+rand*2
% numbers of other ship
% for i=1:laichuanshu
x=input(‘please select ship meeting situation:1 or 2 or 3 or 4\n’);
switch (x)
case 1

a11=rand*100+4000
a21=(a11+19*rad(1))*cos(asin(rad(1)/a11)*(0.3+rand*0.7)+asin(rad(2)/(a11+19*rad(1))))
a31=a11+5000
b11=-rand*3+4
b21=-rand*3-4
b31=rand*3-4



a12=0   %-rand*100-1000;
a22=(a11+19*rad(1))*sin(asin(rad(1)/a11)*(0.3+rand*0.7)+asin(rad(2)/(a11+19*rad(1))))
a32=a12-rad(1)*4


b12=0.1 %-rand*2-1
b22=-rand*0.2
b32=rand*1

case 2


a11=rand*100+4000
a21=(a11+15*rad(1))*cos(-asin(rad(1)/a11)*(0.3+rand*0.7)-asin(rad(2)/(a11+15*rad(1))))
a31=a11+5000
b11=-rand*3-2
b21=-rand*3-2
b31=-rand*1-2



a12=0    %-rand*100-1000;
a22=(a11+15*rad(1))*sin(-asin(rad(1)/a11)*(0.3+rand*0.7)-asin(rad(2)/(a11+15*rad(1))))
a32=a12+rad(1)*4


b12=0.1%-rand*2-1;
b22=rand*0.2+1
b32=-rand*0.1 -1 
    
    
    
    
case 3


a11=rand*100+3500
a21=(a11+15*rad(1))*cos(asin(rad(1)/a11)*(1.1+rand*0.7)+asin(rad(2)/(a11+15*rad(1))))
a31=(a11+22*rad(1))*cos(-asin(rad(1)/a11)*(2+rand*0.7)-asin(rad(2)/(a11+22*rad(1))))
b11=-rand*3-2
b21=-rand*3-2
b31=-rand*3-2



a12=0    %-rand*100-1000;
a22=(a11+15*rad(1))*sin(asin(rad(1)/a11)*(1.1+rand*0.7)+asin(rad(2)/(a11+15*rad(1))))
a32=(a11+22*rad(1))*sin(-asin(rad(1)/a11)*(2+rand*0.7)-asin(rad(2)/(a11+22*rad(1))))


b12=0.01%-rand*2-1;
b22=-rand*0.1-1
b32=rand*0.2+0.2

case 4
    
a11=rand*100+3500
a21=(a11+15*rad(1))*cos(-asin(rad(1)/a11)*(0.3+rand*0.7)-asin(rad(2)/(a11+15*rad(1))))
a31=(a11+20*rad(1))*cos(asin(rad(1)/a11)*(0.3+rand*0.7)+asin(rad(2)/(a11+20*rad(1))))
b11=-rand*3-2
b21=-rand*3-2
b31=-rand*3-2



a12=0    %-rand*100-1000;
a22=(a11+15*rad(1))*sin(-asin(rad(1)/a11)*(0.3+rand*0.7)-asin(rad(2)/(a11+15*rad(1))))
a32=(a11+20*rad(1))*sin(asin(rad(1)/a11)*(0.3+rand*0.7)+asin(rad(2)/(a11+20*rad(1))))


b12=0.01  %-rand*2-1;
b22=rand*0.2+1
b32=-rand*0.2-1

end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 门云阁.MATLAB物理计算与可视化[M].清华大学出版社，2013.
[2]李晓峰, 王志强, 王磊, 等. 自适应反步非奇异快速终端滑模控制在水面无人船舶镇定中的应用[J]. 中国舰船研究, 2018, 13(2): 1-9.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
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

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、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、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

3 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

4 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、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 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

6 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

7 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

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合