基于改进混合蛙跳算法的船舶推力分配

为了提高船舶动力定位系统的定位精度,保障海上正常作业,本文提出了一种基于改进混合蛙跳算法的船舶推力分配方法.建立了以船舶的推进系统功率最小为目标函数,其中目标包括船舶推进器的功率消耗,推进器的磨损,推力的误差.约束条件包括推进器的推力和方向角正常工作大小以及其变化率的大小.针对传统的混合蛙跳算法的初始化和更新规则进行改进.将改进前后的混合蛙跳算法对船舶推力分配问题进行优化求解,仿真的结果表明改进后混合蛙跳算法能有效的降低船舶的功率消耗,并且提高了船舶动力定位系统的相关精度.     

推力分配优化算法在船舶动态控制中的应用研究

动力定位系统是通过自身的动力推进器来平衡外力作用,使船舶的航行方向及速率按照预设有序进行。其中推力分配优化是动力定位的重要组成部分,在此根据实际的船舶运行环境确定各种外力变换,进一步给出动力定位系统中推力分配优化问题的目标函数及约束条件,从而可以利用各类多目标算法进行求解。本文首先研究海上航行船舶受到的外力及运动模型,在此基础上设计基于遗传算法的船舶动态控制中的推力分配优化算法,最后进行仿真。     

推进器功率推力关系对动力定位能力的影响

动力定位推力分配一般以能量损耗最小为目标进行优化求解。本文旨在讨论推进器功率推力关系对动力定位能力的影响。针对三个不同的推进器功率推力关系,建立性能指标数学模型。基于不同指标函数形式,采用遗传算法、模拟退火算法以及二次规划方法进行优化求解。算例分析结果表明,不同的推进器功率推力关系形式对动力定位能力的影响甚微。同时,遗传算法、模拟退火算法收敛速度慢,计算效率远低于二次规划算法。因此,在处理推力分配优化实际问题时可认为推进器功率正比于推力的平方,推荐采用二次规划算法求解。此外,计算结果还表明动力定位系统在功率受限制时会降低系统的定位能力。     

基于遗传混沌粒子群混合算法的船舶动力定位推力分配研究

针对船舶动力定位系统中一类非线性有约束的推力分配问题,提出了一种以粒子群算法为基础,并引入混沌理论和遗传算法中交叉及变异策略的混合算法。建立以推进系统能耗最小为目标,包括推进器功率消耗、磨损、推力误差等;以推进器推力、方位角的工作范围和变化速率等为约束条件的多变量非线性有约束优化问题。通过仿真表明,该算法能够解决该优化问题,而且能够兼顾船舶推进系统的能耗和操纵性能,有效地提高了船舶动力定位系统的相关性能。     

基于粒子群算法的动力定位推力分配决策变量优选

针对群智能算法解决动力定位推力分配问题易遭遇局部最优、计算时间长等瓶颈,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于3种不同粒子决策变量的粒子群推力分配算法,以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性。对上述3种方法进行仿真分析,结果对比表明,基于文章提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。     

基于粒子群算法的动力定位推力分配决策变量优选

针对群智能算法解决动力定位推力分配问题易陷入局部最优、计算时间长等不足,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。首先考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于三种不同粒子决策变量的粒子群推力分配算法;其次以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性,对上述三种方法进行了仿真分析,仿真结果对比表明,基于本文提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。     

基于舵桨组合模型的动力定位推力分配优化策略

以多用途拖轮船为对象,针对舵桨组合模型在动力定位推力分配中的影响,研究一种舵桨组合推力可行域的凸化处理方法,将舵桨组合等效为在相同位置上两个互相独立且可行域为凸集的推进装置,从而实现其非凸推力可行域的凸化处理;并根据舵桨组合装置的特征,结合增广拉格朗日算法建立目标函数和约束条件,实现动力定位推力分配优化.对不操舵和操舵两种情况下的推力分配优化进行了实例分析,仿真结果表明:舵桨组合推力可行域的凸化处理是可行的,而且能有效地节约能耗,提高多用途拖轮船的机动性和动力定位能力.     

基于能耗最优化的动力定位推力分配逻辑算法研究

文章为动力定位系统执行器的设计提供了两种推力分配最优化的求解方法,旨在寻求一种理想的推力器输出,包括推力与方位角,以维持动力定位系统能力。通过求解非线性约束最优化问题,得出时效性、稳定性与可控制性强的推力分配模块。文中采用一个或若干个合适的结构矩阵来描述推力器的位置及其性能,采用不同的边界条件对系统要求进行描述,如降低推力损失等。基于一个简单的算例,分别采用遗传算法和序列二次方法进行求解,改变约束条件并分析程序运行结果,对比信号输出及其能耗情况,论证两种算法的可行性与稳定性。文中还对比了五种不同的情况,包括约束条件以及算法的变化,以满足不同的应用需求。     

动力定位系统舵桨组合推力分配研究

针对船舶动力定位系统推力分配中舵桨组合的推力建模及优化分配问题,将舵桨组合的非凸推力区域转化成4个凸区域,采用切换控制理论把非线性最优化问题转换为线性最优化问题。将舵、桨组合起来进行推力建模,以最小推力、舵角变化和推力误差为优化目标,对推进器的推力变化率、舵角变化率、推力误差范围和推力大小作了约束,采用多边形的方法把推力范围约束转化为线性不等式约束,基于总功率与总推力误差在不同推力区域设计了切换逻辑,实现了在不同的推力分配器中的切换。实船试验结果表明舵桨组合推力模型及推力分配策略是切实可行的,满足了推力分配的要求,在配备舵的动力定位船上具有良好的应用前景。     

基于遗传蝙蝠算法的任务约束船推力分配优化

针对带有任务约束且装配有多个推进器的动力定位船推力分配优化问题,提出一种全新的遗传-蝙蝠优化算法。该算法在遗传算法的基础上将种群分为两部分,一部分为保留的种群精英个体与蝙蝠算法有机结合进行优化;另一部分采用融入自适应策略的遗传算法进行优化。将该算法与所设计的带有任务约束的多维非线性推力分配目标优化函数相结合,通过仿真验证了所提出的算法可有效地解决在任务约束下的动力定位船多推进器的推力分配优化问题,在同一控制器作用下,通过与其他算法对比,该算法可获得更高的动力定位精度与更少的能量消耗,且推进器方位角变化波动小,稳定性强。可见,该算法可以有效解决带有约束的这一类多维非线性规划问题。