【船舶运动】基于ode45模拟船舶运动仿真附Matlab代码

 ✅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Gx、Gy、Gz分别是经过G的水线面、横剖面和纵中剖面的交线。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是船舶重心处的速度，V在G-xyz坐标系上的投影分别为u，v，w;Ω为船舶转动的角速度，Ω在G-xyz坐标系上的投影分别为p，q，r；F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。角速度和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为船体绕z轴转动的惯性矩。

2 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

<span style="color:#333333"><span style="background-color:#fafafa"><code>%% 初始化</code><code>clc</code><code>close all</code><code>clear all</code><code>format shortg</code><code>%% 输入数据</code><code>global L Lw B d Cwa Cp Cb m Iz rou V n Dp Cpp  H wp wr P AR Xuu Xvr Xvv Xrr Yv  Yvr Yvv Yrr Yvrr Yvvr Nv  Nr Nvv Nvvr Nvrr m mx my Jz Iz</code><code>L=5.110;%船长</code><code>Lw=5.000;%设计水线长</code><code>B=0.729;%型宽</code><code>d=0.158;%设计吃水</code><code>Cwa=0.74;%水线面系数</code><code>Cp=0.59;%菱形系数</code><code>Cb=0.55;%方形系数</code><code>m=321.2;%船模质量</code><code>Iz=524.428;%转动惯量</code><code>rou=1;%水密度</code><code>V=1.38;%船舶速度</code><code>n=1070;%转速</code><code>Dp=0.128;%桨直径</code><code>Cpp=0.10;%两桨距离的一半</code><code>H=0.10;%舵高</code><code>P=0.133;%螺距</code><code>AR=9.71*10^(-3);%舵面积</code><code>​</code><code>Xuu = 0.2662;</code><code>Xvr = -1.2557e+03;</code><code>Xvv = -1.7885;</code><code>Xrr =3.3078;</code><code>Yv = -3.7834;</code><code>Yr = 440.5878;</code><code>Yvr = 10; %%% 需要输入</code><code>Yvv = 31.3088;</code><code>Yrr = 0.9757;</code><code>Yvrr = -141.3138;</code><code>Yvvr = 0.9757;</code><code>Nv = -5.7760;</code><code>Nr = -14.1131;</code><code>Nvv = 1.8433;</code><code>Nrr = -88.4434;</code><code>Nvrr = -13.3994;</code><code>Nvvr = 3.0399e+03;</code><code>mx =1.3587;</code><code>my = 40.9595;</code><code>Jz = 2.1962e+03;</code><code>​</code><code>% delta = @fcn_delta; %</code><code>% duo   = @duo;</code><code>% luoxuanjiang = @luoxuanjiang;</code><code>​</code><code>u0 = 1.1;</code><code>v0 = 1;</code><code>r0 = 0;</code><code>​</code><code>%% ode</code><code>tspan = [1  500]; % Solve from t=1 to t=5</code><code>Y0 = [u0 v0 r0];</code><code>[T,Y] = ode45(@(t,x) f(t,x,@fcn_delta,@duo,@luoxuanjiang),tspan,Y0);% Solve ODE</code><code>Y</code><code>semilogy(T, Y);</code><code>title('u(t),v(t),r(t)');</code><code>xlabel('t'); ylabel('u(t),v(t),r(t)');</code><code>legend('u','v','r')</code></span></span>

⛳️ 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