耙吸挖泥船耙头密度估计器研究与分析

针对新型耙头的挖掘模式,利用黑箱模拟法与在线滚动优化预测理论,设计了一种耙头吸入密度估计器,采用现场实测数据进行了仿真实验。结果表明,该密度估计器可以较为准确地预测耙头底部的吸入密度,在疏浚作业中实时提供连续的混合物吸入密度信息,及时指导操作人员针对不同工况调整疏浚参数,满足高效疏浚的需求。     

基于PCA和RBF神经网络的绞吸挖泥船实时产量预测

绞吸挖泥船在实际作业过程中的动态特性非常复杂,影响产量的控制因素众多。若这些控制因素全部参与产量预测比较耗时。为了实时训练网络及预测产量,先对影响绞吸挖泥船产量的控制因素进行主成分分析(PCA),再根据分析结果约减控制因素;在系统仿真建模中,分别以全部因素和约减后因素作为径向基(RBF)神经网络的输入变量,以产量作为输出变量来建立绞吸挖泥船产量预测模型。结果表明,减少输入变量,不仅降低产量预测模型的复杂程度,减少神经网络计算耗时,而且能保持模型良好的预测精度,从而为施工现场的操作人员提供实时的产量参考。