船舶动力推进装置稳定性控制研究

传统船舶动力推进装置控制算法,存在动力装置输出动力阻力定位误差大,导致控制算法输出层面的非线性ESO参量条件变量缺失,造成算法整体控制输出量精度下降。针对动力阻力定位与非线性ESO数据量缺失导致的问题,设计提出船舶动力推进装置稳定性控制研究。通过对船舶推进装置动力阻力指标进行匹配,准确定位动力阻力分布位置;采用非线性ESO数据模型,对动力阻力值进行非线性ESO数据建模;根据非线性ESO模型数据,完成对动力装置稳定控制量的计算。仿真实验数据的对比结果,证明了提出控制算法的有效性。     

大数据背景的船舶出航频率非线性估计

传统船舶出航频率非线性估计算法输出估计值与实际频率值之间误差较大,已经无法适应大数据背景下的估计应用。为了解决误差较大问题,提出大数据背景的船舶出航频率非线性估计方法。结合大数据计算特征,构建船舶出航参量进行出航流量的状态模型。通过模型输出相关频率变量特征,对频率估计误差展开分析计算。最后,根据分析系数值,对其进行估计内点差量的补偿计算,从而完成对非线性估计误差问题的优化。数据对比表明,提出的非线性估计输出值,相较传统评估输出值更为接近实际频率值。     

船舶电力系统过流保护算法优化

现有船舶电力系统采用的传统过流保护算法存在电流反馈量识别准确率不高,电流控制参数的控制精度低的问题,本文提出船舶电力系统过流保护算法优化。通过对传统算法进行误差产生的分析计算,得到误差产生的原因与误差参量;对电流误差参量进行反时限模型计算,获得电流误差参量与时间之间的关系;根据获得的关系参量,结合引入的电流峰值算法对传统的过流保护算法进行数据的更新,从而完成对船舶电力系统过流保护算法的优化。最后,采用设计仿真实验的方式对提出的设计进行测试,通过测试得到的数据证明提出设计具有电流反馈识别准确率高、保护电流控制精度高、计算运行稳定的特点。     

船舶动力机械设备隔振控制方法

传统船舶动力机械设备的隔振控制方法,存在震动动力参量感应灵敏度低,导致振动参量分析出现误差,无法很好的对动力设备产生的振源进行控制。为了有效解决此种问题,本文提出船舶动力机械设备隔振控制方法研究。首先对船舶动力机械设备机械宁动力学模型计算,根据动力模型获得的参量,对其进行振动能量的计算;最后,通过振动能量值,完成对其控制模型的计算,得到最佳的控制参量。通过设计实验对提出方法进行验证,证明提出方法对船舶动力机械设备产生的振源,具有精准隔振控制的特性。     

基于大数据分析的船舶出海频率预测模型研究

传统船舶频率预测模型存在预测量与实际出海频率值差值较大的问题,通过分析发现,传统预测模型对频率干扰系数的应用缺乏灵活性,无法自适应匹配频率干扰系数值。针对问题根源,提出大数据分析的船舶出海频率预测模型。利用大数据分析算法,对船舶出海频率目标量进行最优量锁定;根据最优目标函数构建频率预测模型,并针对模型相关量进行大数据干扰系数自适应过滤,将静态频率干扰系数转换为动态频率干扰系数。最后通过定义预测任务参量,完成预测模型输出预测量的精度优化。通过与传统预测模型的仿真数据测试表明,设计模型能够将预测误差控制在0.8差值范围内,解决传统预测模型误差大于1.5差值的问题。     

基于自适应学习误差模型的船舶柴油机调速方法分析

传统船舶柴油机调速方法,存在调速误差较大的问题。导致船舶航行过程中速度控制精准度下降,影响船舶航行效率,同时为船舶航行安全留下隐患。通过对调速过程参量的分析发现,导致调速控制误差较大的根源,在于调速控制算法中的控制变量自适应性低。基于上述问题产生原因,提出基于自适应学习误差模型的船舶柴油机调速方法分析。首先对柴油机调速过程中的误差量进行模型计算,然后对误差数据网络络结构进行分析计算。最后,通过自适应学习算法,对误差结构变量进行优化,从而实现提升调速控制精准度,降低误差的效果。通过与传统控制方法的对比,证明提出方法具有解决传统方法不足的效果。     

船舶动力定位用六相永磁无刷直流电机系统控制器设计

船舶动力定位用六相永磁无刷直流电机系统的控制模型具有多变量耦合性,采用传统的模糊控制方法容易出现超导误差,提出一种基于模糊PI双控制的船舶动力定位用六相永磁无刷直流电机系统控制器设计方法。在励磁电流变化较大下,易导致控制误差较大,运用模糊控制进行发电机转子励磁控制,提高船舶动力定位用的直流电机系统无损功率,发电机采用交流励磁机进行电流整流控制。在励磁方式作用下,设有整流变压器控制交流副励磁机防止电压突变,即误差较小时,采用PI控制方法进行电机优化控制。最后进行控制器的整体结构设计。测试结果表明,采用该方法进行电机系统控制器设计,电机的输出增益较大,稳定性较好。     

人工智能算法的船舶电网继电保护整定研究

传统船舶电网继电保护整定算法,存在电路整定相关参量定义模糊的问题。在对群居电路参量整定过程中,无法有效识别电路故障代码字串语义,导致整体电路整定出现误差,无法有效保护电路完全。因此,提出人工智能算法的船舶电网继电保护整定方法。根据继电保护整定逻辑特征,引入人工智能算法对其过程进行优化。建立继电电路的电流保护整定模型,根据模型参量特征,对整定参量进行语句的人工智能识别定义。最后,完成电路整定参量与识别量的整合,实现继电保护参量的智能化高精度识别。通过与传统继电保护整定算法对比测试,采用提出算法的继电保护整定准确率均能到达95%以上     

测绘船舶的激光定位技术研究与仿真

现有的测绘船舶上使用的传统激光定位是通过激光光敏硬件与定位算法相结合的方式,来完成对测绘目标的定位操作。在使用过程中,激光定位目标经常出现定位点精度偏差,导致后续图像测绘精度降低的问题。通过对问题的分析,提出测绘船舶的激光定位技术研究与仿真。首先,对传统激光光敏发生硬件参数进行模型构建,通过模型,得到激光发生过程中的误差参量;然后,引入激光高精度定位算法,对误差量进行修正计算,完成高精度激光定位计算;最后,通过仿真实验的方式,对提出的设计方案进行实验性论证,证明其有效性。     

基于机器学习的风暴中船体减摇自动化控制方法研究

针对传统模糊控制方法修正误差大、航行过程中出现风暴现象船舶的晃动程度较高的现象,提出并设计了一种基于机器学习的船体减摇自动化控制方法。结合数学模型对船舶减摇过程中所受的偏移力矩进行分析后,确定船体姿态参量的自整定性处理系数,采用机器学习方法对自动化控制算法进行优化,实现船体姿态参量的误差补偿,完成对风暴环境中船舶的自动化减摇控制。仿真实验结果表明,采用基于机器学习的自动化控制方法能够有效增强船体减摇过程中的误差修正能力,鲁棒性极强。     

基于模糊积分预测控制的船舶动力定位系统设计

提出一种基于模糊积分预测控制器的船舶动力定位系统控制方法,通过引入积分控制器消除了稳态误差,采用模糊控制算法实现了对不确定系统的控制,利用预测控制解决了船舶动力定位中的约束问题,有效地减少了船舶动力定位系统能量的消耗。仿真结果证明,提出的模糊积分预测控制器在满足动力定位要求的同时,大大提高了推力系统的效率,减少了推力消耗。     

抗随机干扰的船舶动力系统混合控制方法

在随机干扰下,船舶航行的动力稳定性控制系统是一个多变量的非线性系统,通过船舶动力系统混合控制优化设计,提高船舶航行动力输出的稳定性。提出一种基于模糊PI双控制的船舶动力系统混合控制方法。构建船舶动力输出控制的约束参量模型,采用稳态误差修正方法进行船舶动力输出的误差反馈控制,结合模糊PI控制方法进行船舶动力输出的自适应调节,实现船舶动力双环自镇定反演控制。仿真结果表明,采用该方法进行船舶动力系统混合控制和输出稳定性调节,控制过程的稳定性较好,动力输出的鲁棒性较高,抗随机干扰性较强。     

随机风浪下船舶航速自适应控制

船舶在航行过程中受到参数扰动及海浪因素等影响,导致航速控制的稳定性不好,提出基于自适应反演误差补偿的随机风浪下船舶航速控制方法。构建随机风浪下船舶航速控制约束参量模型,采用船舶姿态信息的实时调节方法进行误差补偿,结合船舶的航速参量进行位姿修正,提高船舶航行的稳定性。采用Kalman滤波算法进行船舶航速参量的融合处理,实现自适应优化控制。仿真试验结果表明,采用该方法进行船舶航速自适应控制的稳定性较好,输出航速参量的自适应调节能力较强,提高船舶抗随机风浪能力。     

嵌入式技术下舰船主机供油单元控制分析

传统舰船主机供油单元控制方法,存在供油缸体油量控制精度误差过大的问题。导致供油链路控制数据无法准确识别输出的实际油量,造成舰船动力控制异常。为了解决油量控制问题,提出嵌入式技术下舰船主机供油单元控制分析。根据供油单元中油腔阀体工作状态,对其建立伸缩模型;根据模型数据,对控制器控制逻辑变量进行定义;最后,根据新定义参量,完成对供油控制单元控制参量的更新,从而实现高精度油量控制的效果。通过与传统控制方法的多油量测试表明:提出的控制方法就能够满足不同油量,多次连续性的高精度供给控制,油量控制精度达到97.8%以上。     

船舶压力传感器输出数据实时校正算法

传统船舶压力传感器输出数据之间的关联性较差,导致压力传感器数据校正结果存在数据量的非线性时间误差,无法达到实时校正的目的。因此提出船舶压力传感器输出数据实时校正算法。首先,根据压力传感器特征,结合数据实时校正的时间性,建立压力传感器输出数据实时解释模型;然后,根据模型解释对压力输出数据时间变量下的非线性误差进行计算;最后,根据非线性误差特征,完成对输出数据非线性误差的实时补偿计算,实现对船舶压力传感器输出数据实时校正。通过与传统船舶压力传感器输出数据校正算法的对比测试,证明提出的船舶压力传感器输出数据实时校正算法,在船舶压力传感器输出数据校正方面,具有实时性强、稳定性好、校正误差小的特点。     

基于粒子群优化算法的船舶电力系统脆性分析

为了提高船舶电力系统稳定性,提出基于粒子群优化算法的船舶电力系统脆性分析方法,构建船舶电力系统的稳定性控制约束参量模型,以电机模型参数为控制对象,通过船舶电力系统电机的转速信息和电磁转矩信息进行船舶电力系统脆性特征分析,采用PI控制算法进行船舶电力系统的输出稳定性控制,建立船舶电力系统的反馈动态补偿稳定性控制模型,结合粒子群优化算法进行船舶电力系统稳定性控制的参量自适应调节,实现船舶电力系统脆性预测和稳定性控制。仿真结果表明,采用该方法进行船舶电力系统脆性分析的准确性较好,控制稳定性较强,提高了船舶电力系统的输出鲁棒性。     

人工智能优化算法的舰船电网故障诊断优化

传统舰船电网故障诊断算法存在故障点与电路层数据不同步的问题,导致故障点出现时间量与确定故障位置时间量出现误差,进而影响电网保护策略的启动响应速度,造成不必要的连锁故障。因此,采用人工智能算法,对故障诊断模型进行优化,并提出人工智能优化算法的舰船电网故障诊断优化研究。首先在现有舰船电网故障诊断模型输出端,加入故障数据拟合模型计算,对电网络故障数据与电网结构层进行拟合;然后通过人工智能算法,对拟合故障数据的识别响应阈值进行优化计算,从而提升诊断阈值灵敏度,达到最佳的故障诊断效果。最后,通过与传统诊断算法诊断效果数据的对比,证明提出优化方法的可行性。     

图像处理技术的船舶航向控制测试平台设计

传统船舶航向控制测试平台采用的判定机制为量化数据对比判定机制,在机制中通过两组判定参数的比较,根据误差值大小判定控制精准度。虽然能够快速得到控制结果,但是得到的结果稳定性较差,极易出现加大误差。为了解决此类问题,设计平台引入图像处理技术,将量化数据转换为图像数据,总结出一套图像处理技术的船舶航向控制测试平台。首先,创建航向控制测试图像采集硬件,然后在硬件数据处理层分别采用航向控制图像判定策略定义,测试信号回波补偿算法以及误差阈值闭环增益优化,通过图像化数据参量优化,实现提升航向控制测试参量更新,提升控制准确率的效果。通过对比测试证明,提出设计平台能够满足上述设计预期标准。     

LSTM网络在船舶航行轨迹预测中的应用

针对传统船舶航行轨迹预测算法,计算得到的轨迹预测量的回归适应性差,导致预测结果与实际轨迹之间的误差较大,严重影响船舶航线调度与航行安全的问题,提出LSTM网络在船舶航行轨迹预测中的应用。利用LSTM网络模型的梯度传递特性,建立航行轨迹进行LSTM网络模型,优化轨迹预测学习器预测学习量,采用高斯回归算法,增强预测量的自适应性,减小预测误差,整合网络预测数据,完成轨迹预测输出计算。实验数据表明,提出的预测方法的预测结果与实际轨迹之间的误差较小,能够有效提升轨迹预测精准度。     

多参量状态下舰船网络异常故障智能诊断方法分析

为了解决船舶网络数据交互压力成倍增长,网络故障特点已由单纯的单要素故障转变为多因素故障的问题。提出多参量状态下舰船网络异常故障智能诊断方法分析。对网络环境的全局变量进行收集,获取多参量状态,根据获取的多参量状态数据,建立多参量网络健康评估模型,定义对参量下故障识别的学习状态,确定网络故障点,通过数据提取算法完成对故障点的提取,完成故障的智能诊断。通过实验数据表明:相同时间量与故障量下,采用设计方法的故障诊断效果,要比传统诊断方法多诊断出故障21处,提升效果明显。