Time Series Modeling for Analysis and Control: Advanced Autopilot and Monitoring Systems

این کتاب روش‌های سری زمانی چند متغیره را برای تحلیل و کنترل بهینه سیستم‌های بازخورد ارائه می‌کند. اگرچه سیستم‌های خلبان خودکار کشتی‌ها در کل کتاب در نظر گرفته می‌شوند، روش‌های بیان شده در این کتاب را می‌توان برای بسیاری از سیستم‌های کنترل بازخورد پیچیده، بزرگ یا پر سر و صدا که استخراج مدلی از کل سیستم بر اساس تئوری برای آنها دشوار است، به کار برد. در آن حوزه موضوعی مدل‌های پایه مورد استفاده در این روش، مدل خودرگرسیون چند متغیره با مدل متغیرهای برون‌زا (ARX) و تابع پایه‌های شعاعی با ضرایب نوع خالص مدل ARX است. سپس تجزیه و تحلیل سهم نویز را می توان از طریق مدل خودرگرسیون تخمینی (AR) انجام داد و انواع مختلف سیستم های خلبان خودکار را می توان از طریق نمایش حالت-فضای مدل ها طراحی کرد. سیستم‌های خلبان خودکار دریایی که در این کتاب مورد بررسی قرار گرفته‌اند شامل کنترل‌کننده‌های بهینه برای حرکت حفظ مسیر، کنترل‌کننده‌های کاهش غلتشی با حرکت سکان، کنترل‌کننده‌های فرمان موتور، خلبان‌های خودکار سازگار با نویز، کنترل‌کننده‌های ردیابی مسیر با فرمان مستقیم، و رویکرد تنظیم مسیر مرجع. روش‌های ارائه‌شده در اینجا با تجزیه و تحلیل داده‌های واقعی و آزمایش‌ها بر روی کشتی‌های واقعی نمونه‌ای هستند. این کتاب به خوانندگانی که علاقه مند به طراحی کنترلرهای بهینه یا تطبیقی ​​نه تنها برای کشتی‌ها، بلکه همچنین برای هر سیستم پیچیده دیگری تحت شرایط آشفتگی نویز هستند، به شدت توصیه می‌شود.

This book presents multivariate time series methods for the analysis and optimal control of feedback systems. Although ships’ autopilot systems are considered through the entire book, the methods set forth in this book can be applied to many other complicated, large, or noisy feedback control systems for which it is difficult to derive a model of the entire system based on theory in that subject area. The basic models used in this method are the multivariate autoregressive model with exogenous variables (ARX) model and the radial bases function net-type coefficients ARX model. The noise contribution analysis can then be performed through the estimated autoregressive (AR) model and various types of autopilot systems can be designed through the state–space representation of the models. The marine autopilot systems addressed in this book include optimal controllers for course-keeping motion, rolling reduction controllers with rudder motion, engine governor controllers, noise adaptive autopilots, route-tracking controllers by direct steering, and the reference course-setting approach. The methods presented here are exemplified with real data analysis and experiments on real ships. This book is highly recommended to readers who are interested in designing optimal or adaptive controllers not only of ships but also of any other complicated systems under noisy disturbance conditions.