浅析浅水对船舶操纵的影响

船舶从深水航行至浅水或在浅水中航行，会产生浅水效应，出现阻力增加，船速下降，船体下沉等现象，从而影响船舶的操纵性能。     

浅水中船舶摩擦阻力的研究

通过对浅水中Ｔｏｄｄ船型系列进行数值计算的方法来探讨浅水对船舶摩擦阻力的影响。计算系列取方型系数为０．６，０．７，０．８；水深与吃水比为１．２，１．５，２．０，２．５；弗劳德数为０．２，０．２５，０．３。     

浅析浅水对船舶操纵的影响

船舶从深水航行至浅水或在浅水中航行 ,会产生浅水效应 ,出现阻力增加、船速下降、船体下沉等现象 ,从而影响船舶的操纵性能     

基于神经网络的船舶操纵运动水动力预报

以散货船和油船为例，采用神经网络方法，利用matlab语言，完成船舶操纵运动的水动力预报，研究结果表明，只要选择适当的学习样本，网络结构和学习算法，神经网络的水动力预报精度在实际中可以接受。     

限制水域中三维船舶操纵运动水动力计算

将Ｈｅｓｓ的三维Ｐａｎｅｌ的方法和Ｂｏｌｌａｙ的平板升力模型相结合，计入了船体厚度的影响，采用三维累加三次张力样条进行船表曲线光顺拟合，并在其上分布源汇，运用高阶面元方法，对Ｓｅｒｉｅｓ６０及其相当平板求解了船舶在浅水、浅窄航道中的操纵运动水动力，给出了各种计算曲线。     

大阪号油轮在浅水,有限航速下的操纵水动力计算

利用浅水有限航速下操纵船体的水动力计算方法计算了大阪号油轮的操纵运动线性水动力导数，将计算结果与试验结果进行了比较，结果是令人满意的。     

船舶操纵性能预报的人工神经网络方法

在船舶初始设计阶段，船舶的主尺度和船型系数可基本确定，这时如能建立这些参数与船舶操纵性之间的关系，就能在初始设计阶段预报船舶的操纵性能。通常，采用线性回归方法建立这些关系，但其预报结果精度难以保证。本文基于人工神经网络理论，提出了新的预报操纵性能的方法，并以船队为例作了计算。     

规则波中船舶运动六自由度数学模型

为了提高船舶操纵模拟器的精度, 应用船舶操纵性分离建模理论, 基于傅汝德-克雷诺夫假设, 将船舶近似为箱型船, 估算波浪对船舶六自由度运动的干扰力与力矩, 并将波浪的干扰力与力矩作为外力与力矩的一部分, 叠加到分离型船舶运动数学模型中, 建立了船舶在规则波作用下六自由度船舶运动的数学模型, 给出5级海况下船舶全速旋回运动响应的时间历程仿真曲线。仿真结果显示: 仿真结果与相关文献结果相近, 运动趋势一致, 能够满足大型船舶操纵模拟器对船舶运动数学模型仿真的精度要求, 同时船舶运动数学模型由3自由度增至6自由度, 提高了模拟的逼真度。     

黄河煤炭运输船浅水升沉特性研究

结合黄河石（屏）－禹（门口）段煤炭运输船的设计，通过与两种隧道尾船型的对比，在满载、压载两种状态，水深吃水比分别为１．５，１．７，最大水深弗氏数为０．７７－０．８５条件下，进行双尾船型浅水升沉特性的研究与分析。     

船舶操纵运动的神经网络控制系统研究

船舶在航行时由于航行工况和环境变化多端,受力十分复杂,使得船舶操纵运动特性具有非线性、时变性和干扰的复杂性等特点．文中基于神经网络控制的自学习和自适应性,研究了三种无监督学习的船舶操纵运动神经网络控制系统,并对系统在混合干扰情况下进行了仿真研究,与优化后的传统PID控制系统进行了比较．     

稳定状态船舶操纵性计算及运用

根据稳定状态船舶操纵运动非线性数学模型，通过优化计算求出操纵性特征曲线，以此作为船舶操纵性初步衡准依据。由此研制的计算机程序可用于船舶初步设计阶段方案论证明，预报和对比所设计船的操纵性能。     

大型船舶操纵性能综合评价

选取6种典型的大型船舶操纵性能试验数据,分析其影响因素,并运用IMO有关船舶操纵性的衡准,确定综合评价指标,运用层次分析法对其操纵性能进行排序,然后对大型油船、散货船和集装箱船的操纵性能进行比较,总结出大型船舶的操纵特点,并得出对实际船舶操纵具有指导意义的结论。     

海洋拖曳系统对船舶操纵性能的影响

将拖曳母船、拖缆和拖曳体视为一个相互作用的整体,利用耦合边界条件,将拖缆顶端和底端的张力与其产生的力矩,分别计入船舶操纵性运动方程和拖曳体六自由度运动方程,结合拖缆的有限差分方程,建立了船/缆/体耦合运动模型,采用数值计算方法,对比分析了海洋拖曳系统对船舶操纵性产生的影响.计算结果表明:当计入拖缆和拖曳体耦合影响后,船舶稳态运动时的速度会降低,改变量为3％～5％;船舶回转机动时,速度、回转半径与横摇角会降低,改变量分别为2％～3％、2％～4％和11％～21％.采用船/缆/体耦合运动模型计算得到的船舶操纵性能符合实际,可为预报海洋拖曳系统的运动信息提供理论依据.     

用RBF网络学习船舶操纵运动的动态特性

提出了利用径向基（ＲＢＦ）神经网络的非线性映射能力,来学习船舶操纵动态特性,通过大量的仿真实验证明,用ＲＢＦ网络学习船舶操纵动态特性,在学习速度、预报误差待经常用的ＢＰ网络要优越得多。     

常规船舶操纵运动计算机模拟

通过对船舶四象限操纵运动数学模型结构的研究，考虑船、浆、舵、风、流、浅水等因素的影响，进行了仿真计算。仿真结果同“明海”轮的实船数据进行比较，精度满足要求，表明仿真计算是可行的。     

船舶操纵性指数计算方法的研究

在阐述了现行《船舶操纵》教材中关于船舶操纵性指数(K,T)计算方法的基础之上，提出运用曲线拟合的分析方法．结合苏通长江公路大桥实船“Z”形试验所记录的原始数据，运用MAT—LAB语言编写的程序进行计算、曲线拟合和作图，为船舶操纵性指数的计算了提供一个更趋于合理、简便、精确的新方法．     

船舶操纵运动的模糊自适应控制系统

船舶操纵运动控制过程中,由于转向角度可任意设置,系统的航向偏差和偏差变化率有时可能会很大。本文在进行船舶操纵运动模糊控制设计中,为使系统工作平稳,研究了一种根据系统工作过程中的偏差和偏差变化率自动校正比例因子的算法,以实现船舶航向自适应控制。同时为满足系统的稳态性能,该系统中不宜采用模糊了ＰＩ控制器。仿真结果显示了该系统设计的合理性。     

基于人工神经网络的船舶操纵运动仿真

探讨神经网络技术在船舶操纵运动仿真领域的应用,构造一种网络结构和训练方法,验证船舶操纵指令与船舶运动态势参数映射的可行性,并构建了基于典型BP神经网络模型的操纵运动仿真系统.