基于BP和LSTM组合优化的船舶升沉运动预测

预测船舶升沉运动有助于增强波浪补偿系统的补偿效果,解决补偿系统滞后问题。为提高预测模型的预测精度,提出一种基于误差反向传播（BP）神经网络和长短时记忆（LSTM）神经网络组合优化的船舶升沉运动预测方法。以采用计算流体动力学（CFD）方法获取的船舶在规则波浪作用下的升沉运动和在突发性干扰下的升沉运动为对象,基于PYTORCH框架和LINGO软件,建立以加权方式组合优化BP神经网络和LSTM神经网络的预测模型。研究结果表明,无论是船舶在规则波浪作用下的升沉运动,还是船舶在突发性干扰下的升沉运动,BP-LSTM组合模型的预测精度均高于BP神经网络和LSTM神经网络,有助于提高补偿精度。     

波浪运动补偿平台广义升沉位移的实时预报

具有波浪运动补偿功能的稳定平台可有效减少船舶在风浪中的摇摆和升沉运动对某些海上作业和设备的影响.为了有效地进行波浪运动补偿,需要对该平台的广义升沉位移(横摇、纵摇以及升沉的耦合作用结果)进行极短时预报.本文采用时间序列分析理论中的自回归(AR)模型作为预报模型,对波浪运动补偿平台的广义升沉位移进行极短时预报.在以往的研究中,通常采用递推最小二乘法AR模型进行在线参数估计.但是采用递推最小二乘法进行参数估计容易引起参数爆发,从而影响AR模型的稳定性.针对该问题,本文采用阻尼递推最小二乘法对AR模型进行在线参数估计,并结合实验获得的平台控制点的广义升沉位移数据进行实时建模预报.仿真结果表明,采用阻尼递推最小二乘法进行参数估计能抑制参数爆发,并能提高AR模型实时预报精度.     

新型升沉补偿试验系统的仿真设计

为能更准确地对波浪升沉补偿系统进行研究,设计一种基于数字液压技术的新型试验系统,采用Stewart平台结构模拟船舶的六自由度运动,以数字液压缸作为驱动器对重物升沉进行补偿。在LabVIEW仿真环境下运用广义预测与PID控制策略,实现了对升沉补偿试验系统的设计。结果表明,该系统仿真相似度高,方便取得各种工况下的试验数据。     

船用起重机主动式升沉补偿控制的研究

对海上作业的船舶运动和起重机升沉运动进行分析、建模,从速度补偿和位移补偿两个方面分析了船舶起重机主动式升沉波浪补偿控制的原理。     

深水勘察船提取设备波浪补偿系统研究

为减小深水勘察船在勘察作业时受风浪的摇摆和升沉运动对基盘提取设备的影响,根据对3000m深水勘察船工况和结构参数要求的分析、计算,研制了深水勘察船基盘提取设备波浪补偿系统。应用Simulink动态系统的建模仿真功能对该补偿系统进行建模与仿真分析,得出波浪补偿系统位移响应仿真曲线,由仿真曲线可知系统运动范围明显减小,基本能实现基盘的补偿控制,从而降低了船舶的升沉运动对基盘的影响。     

并联式主被动升沉补偿系统的非线性分析与仿真

海上平台吊放重物过程中,需要升沉补偿装置进行辅助作业。本文设计一种基于并联液压缸的主被动一体式升沉补偿系统,描述该系统的工作原理与特点。为建立准确的数学模型,对该系统进行详细的运动学和动力学分析,分析过程中充分考虑液压系统的非线性因素。在此基础上,利用Simulink,建立该系统的非线性仿真模型。仿真结果表明,该升沉补偿系统对波浪升沉运动具有良好的补偿效果,所设计的基于并联液压缸的升沉补偿系统对辅助海上作业具有良好作用。     

海马号ROV升沉补偿系统张力与压力特性研究

"海马"号4,500m级无人遥控潜水器(ROV)是国家"863计划"重点项目"4,500m级深海作业系统"的主要研究成果,是我国自主研发的第一套大深度ROV系统,最大工作水深4,500m,主要作业功能是进行海底探测、取样以及其他水下作业。在工作过程中,为防止母船在波浪作用下产生升沉运动通过主脐带传递到吊放的ROV等水下设备,研制一套升沉补偿系统以减小升沉耦合运动传导、吸收加速度动力、减少脐带松弛,以改善ROV运动控制条件、防止脐带缆破坏、提高系统作业安全性。本文参考了国内外升沉补偿系统的设计方案并进行了比较,介绍了所设计的被动式升沉补偿器的主要组成部分,通过建立模型、分析计算、以及实验的方式对升沉补偿系统进行了力学特性研究。     

深海采矿双波浪补偿系统自适应跟踪控制

为满足深海采矿过程中管道的快速自动对接要求,设计了一种能够同时进行布放回收和升沉补偿的双波浪液压补偿系统.基于波波夫超稳定理论,设计了上波浪补偿的自适应跟踪控制律.仿真实验结果表明,上波浪补偿系统能够在自适应跟踪控制律作用下,迅速跟踪下波浪补偿系统的升沉运动,其跟踪精度能够满足同步对接要求.     

基于混沌理论和改进极限学习机的船舶升沉预报

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分.为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM).在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型.不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10％,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性.     

基于混沌理论和改进极限学习机的船舶升沉预报（英文）

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分。为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM)。在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型。不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10%,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性。