基于近似模型技术的复合材料耐压壳性能研究

基于纤维增强复合材料具有高比模量,高比强度的特点,提出内部环肋金属内衬外部缠绕复合材料的潜水器耐压壳结构形式,结合有限元方法和近似模型技术对该种结构形式的耐压壳进行研究。得到复合材料加强纤维的含量与耐压壳结构性能参数的关系以及不同铺层角对耐压壳临界失稳压力的影响,为该种形式复合材料耐压壳的设计提供设计依据。     

潜艇PMM实验的CFD仿真技术研究

操纵性是现代潜艇最重要的总体性能之一.为预报潜艇的操纵性能,需求得所有的水动力导数.借助CFD技术和动网格技术数值模拟小振幅平面运动机构试验,求解了SUBOFF主艇体的水动力导数,并与混合分布法计算的附加质量项作了比较,二者符合良好,从而验证了方法的有效性.流场的求解基于RANS方程和RNG k-ε湍流模型,动网格的处理采用Hrvoje Jasak和Zeljko Tukovic的方法,压力和速度的耦合采用PIMPLE方法解耦.流场的控制方程采用有限体积法离散且分离式求解,网格运动的控制方程采用有限元方法离散,网格的分裂采用体和面同时分裂法.     

参数化艇型最优化设计研究

传统的艇型设计方法是通过反复的选型-计算-修改实现的,不但效率低下,而且因为选型范围有限,常导致得不到最优解.iSIGHT优化设计平台可以自动选择设计点并执行仿真过程,能实现设计过程的自动化和数据的可视化,是很有前景的设计工具.本文研究了iSIGHT的过程集成技术和智能寻优等关键技术,实现了参数化驱动Gambit建模,iSIGHT集成Gambit和Fluent的智能化艇型设计流程.首先阐述了格兰韦尔艇型的数学线型方程的建立过程和参数的限定范围.然后针对某潜水器,以最小阻力为目标,艇内布置要求为约束条件,将可调参数作为设计变量,采用基于全局探索的遗传算法进行优化.结果表明,本文方法提高了设计效率,实现了优化目的,并对类似数学船型的优化提供了一种新思路.     

用模糊逻辑实现动力定位船舶的艏向寻优

由于各种环境因素随时间不断变化，船舶作为动力定位作业时，最优艏向也是不断变化的，所以艏向寻优是动力定位的关键技术之一，本文用模糊逻辑实现艏向寻优，其优点是，不依赖于环境要素的测量值和数学模型，寻优与控制相结合，反应快，准确程度高。     

基于最佳逼近理论的主动吸收造波算法研究

在海洋工程水池试验中,二次反射波会严重影响实验的可靠性和准确性,如何消除反射波成为一个重要课题。针对MARINTEK水池为仿真对象展开相关研究,运用目前较为成熟的主动吸收造波算法理论,解算摇板式造波机的传递函数,在此基础上应用最佳逼近理论,设计出相应的数字滤波器,来达到同等的主动吸收造波效果,并验证该方法的有效性,从而实现模拟滤波器向数字滤波器的转换。仿真结果显示,数字滤波器输出与标准(主动吸收造波算法理论)输出有着良好的拟合效果,表明所设计的数字滤波器能够到达预期的主动吸收造波效果。本研究的意义在于,初步实现了主动吸收造波算法从理论到实际应用的转换,为工程上的应用提供良好的依据,有助于提高波浪试验的准确性。     

水下运动物体在相互接近过程中的水动力计算

用面元法计算了两个水下物体在相互接近过程中对水动力的影响，给出了水动力系统系数随物体间距离的变化曲线。该计算程序经对圆球的计算值与试验值比较了得到了验证。本研究对水下双潜器的近距离协同作业和潜器在接近障碍物过程中的运动控制能够提供较好的数学模型。     

潜器线性水动力系数计算方法研究

采用流体动力计算软件FLUENT,应用标准k-e湍流模型、标准壁面函数法及动网格技术,计算了椭球体和潜器在纯升沉运动和纯俯仰运动中的水动力.通过傅立叶变换和线性假定条件,得到潜器惯性水动力系数和粘性水动力系数.椭球体附加质蹙的计算值与理论值吻合.计算结果表明.纯升沉运动和纯俯仰运动的水动力与运动无因次频率呈现较好的线性关系,间接验证了所提出的计算方法适用于复杂外形潜器的水动力系数计算.     

无人艇艇型优化方法

为了计算和优化无人艇在中低速段艇型阻力性能,考虑了自由表面非线性和黏性的影响,研究了滑行艇在排水航行状态的兴波阻力计算方法.结合线性兴波阻力理论,将给定约束条件下的艇型优化问题转换为求泛函极值的有约束数学优化问题,通过非线性规划优化理论,对给定的艇体主参数约束下的目标函数做有条件最小化,求解最佳优型.理论计算结果和艇模试验结果表明:利用计算方法能够有效、快速地计算艇型兴波阻力,优化后的艇型在给定的速度区间(傅汝德数为0.1～0.7)的兴波阻力系数明显降低,在优化速度点(傅汝德数为0.5)降低约20％.     

复杂海况下基于强化学习的USV局部路径规划方法研究（英文）

Conducting hydrodynamic and physical motion simulation tests using a large-scale self-propelled model under actual wave conditions is an important means for researching environmental adaptability of ships. During the navigation test of the self-propelled model, the complex environment including various port facilities, navigation facilities, and the ships nearby must be considered carefully, because in this dense environment the impact of sea waves and winds on the model is particularly significant. In order to improve the security of the self-propelled model, this paper introduces the Q learning based on reinforcement learning combined with chaotic ideas for the model's collision avoidance, in order to improve the reliability of the local path planning. Simulation and sea test results show that this algorithm is a better solution for collision avoidance of the self navigation model under the interference of sea winds and waves with good adaptability.     

水下潜器改进S面控制及控制系统仿真(英文)

S surface controllers have been proven to provide effective motion control for an autonomous underwater vehicle (AUV). However, it is difficult to adjust their control parameters manually. Choosing the optimum parameters for the controller of a particular AUV is a significant challenge. To automate the process, a modified particle swarm optimization (MPSO) algorithm was proposed. It was based on immune theory, and used a nonlinear regression strategy for inertia weight to optimize AUV control parameters. A semi-physical simulation system for the AUV was developed as a platform to verify the proposed control method, and its structure was considered. The simulation results indicated that the semi-physical simulation platform was helpful, the optimization algorithm has good local and global searching abilities, and the method can be reliably used for an AUV.