差分方程在船舶电液比例阀控缸机构建模方法

为了克服海洋环境中巨型波浪的恶劣环境,需要为船舶配备升沉运动补偿系统。当前船舶通用的补偿系统是基于一定的控制算法控制液压系统进行广义补偿,使得平台的广义升沉运动大幅度下降,并消除或减弱由波浪引起的船舶横向摇动和纵向摇动。本文主要使用电液比例原理建立电液比例阀控缸机构模型以及升沉补偿系统的数学模型,并用系统识别技术建立了差分方程模型。通过各机构相互的位移及受力模型,解决了船舶升沉补偿系统滞后大、惯性大的问题。     

舰船波浪运动模拟平台加速度数据检测与处理

在基于加速度计阵列的舰船波浪运动检测方法中,为了解决将加速度积分成速度与位移这一工程难题,构建了加速度数据检测船舶波浪运动模拟试验系统,通过对加速度计零漂动态过程特性和统计规律的分析,选择了合适的加速度计。通过对检测的加速度数据进行傅立叶变换和频谱分析建立了仿真加速度函数,分析了检测的加速度数据简单时域积分中的直流分量、积分常数项、低频分量和高频分量的影响及消除措施。提出了频域滤波后时域积分处理方法和频域通带滤波的积分处理方法。结果表明:频域通带滤波的积分处理方法可对舰船波浪运动检测的加速度有效地积分成速度和位移。     

基于联邦LSTM的突遇新频率船舶升沉运动预测策略

由于浮式起重船在海上进行风电设备安装和运维作业期间,离岸距离远且作业时间长,波浪变化多样且不确定,极易产生新频率的船舶运动,使得无法进行精确预测,从而导致海上作业无法安全进行甚至造成设备损坏,因此文章提出基于联邦学习的多变量多步长短期记忆网络（LSTM）预测方法。针对无线数据采集时间间隔不一致,将其和船舶升沉运动数据共同作为双层LSTM预测模型的输入变量并进行多步预测。同时针对突遇新频率船舶运动的情况,采用联邦学习方法联合多家海上风电安装运维企业的船舶升沉运动数据,共同训练适用于复杂海况下的船舶升沉运动LSTM预测模型。使用Stewart六自由度波浪补偿平台模拟浮式起重船的升沉运动,试验结果表明,在遇到新频率船舶运动时,该方法能有效提高船舶升沉运动的预测效果,模型预测精度（RMSE值）至少可达到0.095。     

基于BP和LSTM组合优化的船舶升沉运动预测

预测船舶升沉运动有助于增强波浪补偿系统的补偿效果,解决补偿系统滞后问题。为提高预测模型的预测精度,提出一种基于误差反向传播（BP）神经网络和长短时记忆（LSTM）神经网络组合优化的船舶升沉运动预测方法。以采用计算流体动力学（CFD）方法获取的船舶在规则波浪作用下的升沉运动和在突发性干扰下的升沉运动为对象,基于PYTORCH框架和LINGO软件,建立以加权方式组合优化BP神经网络和LSTM神经网络的预测模型。研究结果表明,无论是船舶在规则波浪作用下的升沉运动,还是船舶在突发性干扰下的升沉运动,BP-LSTM组合模型的预测精度均高于BP神经网络和LSTM神经网络,有助于提高补偿精度。     

船用捷联惯性系统的IMU测量模型优化研究

为了提高捷联系统惯性测量组件(IMU)的测量精度,在建立完整的惯组测量数学模型的基础上,采用逐步回归法对测量模型的自变量选择进行最优化选择,寻优时用复相关系数R2作衡量测量方程优劣的指标.试验结果表明,在陀螺测量模型中,角速度二次交叉耦合项系数和与比力的二次项系数非常小,加速度计的测量模型中的加速度二次耦合项系数也很小,模型加入该组变量后,R2变化并不大,均可以忽略不计.采用逐步回归分析法从众多的影响因素中,挑选对响应变量贡献大的因素,从而建立了惯组最优化测量模型.     

波浪运动补偿平台广义升沉位移的实时预报

具有波浪运动补偿功能的稳定平台可有效减少船舶在风浪中的摇摆和升沉运动对某些海上作业和设备的影响.为了有效地进行波浪运动补偿,需要对该平台的广义升沉位移(横摇、纵摇以及升沉的耦合作用结果)进行极短时预报.本文采用时间序列分析理论中的自回归(AR)模型作为预报模型,对波浪运动补偿平台的广义升沉位移进行极短时预报.在以往的研究中,通常采用递推最小二乘法AR模型进行在线参数估计.但是采用递推最小二乘法进行参数估计容易引起参数爆发,从而影响AR模型的稳定性.针对该问题,本文采用阻尼递推最小二乘法对AR模型进行在线参数估计,并结合实验获得的平台控制点的广义升沉位移数据进行实时建模预报.仿真结果表明,采用阻尼递推最小二乘法进行参数估计能抑制参数爆发,并能提高AR模型实时预报精度.     

海洋漂浮物运动的非接触测量方法研究

浮体的六自由度运动,是海洋、港口和船舶工程模型试验研究中的的重要参考信息,传统的接触式测量方法是利用直尺测量位移值,使用陀螺仪测量摇角,通过光线示波仪记录信号,人工读取分析,精度低,浪费人力物力,无法满足使用要求。以江苏科技大学船舶与海洋工程学院水池的非接触系统为原型,讨论了基于六自由度运动平台测量点目标实现非接触跟踪测量目标物体位置与姿态的新方法。     

基于NARX神经网络的船舶升沉运动实时预测方法

[目的]对船舶升沉运动进行预测有助于增强升沉补偿器的补偿效果,减少海浪对作业设备的干扰。为提高升沉预测模型的精度和稳定性,提出一种船舶升沉运动实时预测方法。[方法]基于带外源输入的非线性自回归(NARX)神经网络建立单海况预测模型,利用船舶系统仿真器获取母船升沉运动仿真数据,将NARX模型与卡尔曼(Kalman)模型、普通反向传播(BP)模型的预测结果进行对比。在此基础上,对单海况预测模型进行改进,建立多海况预测模型。[结果]多海况预测模型预测精度较高,且稳定性优于单海况模型,在2～5级海况下的最大预测误差均小于10-4量级。[结论]仿真结果表明,NARX神经网络对复杂海浪环境具有良好的适应性,它的预测速度和精度均优于BP神经网络和传统滤波方法,在高海况下仍可保持高预测精度。     

基于混沌理论和改进极限学习机的船舶升沉预报

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分.为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM).在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型.不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10％,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性.     

基于混沌理论和改进极限学习机的船舶升沉预报（英文）

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分。为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM)。在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型。不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10%,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性。     

基于二阶自适应Volterra级数的船舶运动极短期预报研究

针对随机海浪作用下船舶运动的非平稳、非线性特性,文章提出了基于卡尔曼(Kalman)滤波原理的非线性二阶Volterra级数自适应预报模型.通过把Volterra级数核向量作为状态向量,利用随机游动模型建立系统的状态方程,一步Volterra级数预报模型作为系统的观测方程,从而进一步提高了Volterra级数模型的核估计的收敛速度.同时验证了利用AIC准则对Volterra级数预报模型定阶的可行性,通过迭代法实现了自适应多步预报.仿真结果表明文中提出的基于Kalman滤波算法的自适应预报模型应用于船舶运动极短期预报是可行的,该方法在理论和工程应用方面具有重要的意义.     

基于小波滤波和LSTM神经网络的船舶运动极短期预报研究

为了提高船舶运动极短期预报精度及预报时间长度,本文采用小波多分辨率分析方法,将含有噪声的船舶运动信号进行了多尺度小波变换,通过采用阈值函数法对各尺度下细节信号的小波系数进行处理,对小波分解层数、小波基函数、阈值处理方法进行了深入研究,并通过模型试验数据对滤波效果进行了验证分析,实现了船舶运动信号的小波滤波.进一步针对船舶运动的非线性特性,基于深度神经网络的非线性映射能力,建立了基于LSTM网络的多步直接映射船舶运动极短期预报模型,并采用滤波后的船舶运动数据进行了不同工况下的预报分析.结果表明,不同时间长度的预报与试验结果幅值和相位吻合较好,验证了所建立的极短期预报模型的可行性.     

用于船舶升沉运动估算的自适应数字滤波器

  目的  对船舶升沉运动进行预测有助于增强升沉补偿器的补偿效果,减少海浪对作业设备的干扰。为提高升沉预测模型的精度和稳定性,提出一种船舶升沉运动实时预测方法。  方法  基于带外源输入的非线性自回归（NARX）神经网络建立单海况预测模型,利用船舶系统仿真器获取母船升沉运动仿真数据,将NARX模型与卡尔曼（Kalman）模型、普通反向传播（BP）模型的预测结果进行对比。在此基础上,对单海况预测模型进行改进,建立多海况预测模型。  结果  多海况预测模型预测精度较高,且稳定性优于单海况模型,在2~5级海况下的最大预测误差均小于10⁻⁴量级。  结论  仿真结果表明,NARX神经网络对复杂海浪环境具有良好的适应性,它的预测速度和精度均优于BP神经网络和传统滤波方法,在高海况下仍可保持高预测精度。     

船舶结构分布式测量系统及其模型

基于船舶挠性结构变形测量的现状、捷联惯导系统的应用现状和目前光纤布拉格传感器可复合使用、波长编码的独特优点,本文提出采用捷联惯导系统与分布式光纤布拉格光栅组成对船舶结构进行变形测量和健康监测的设计方案,分析了可行性,并建立了由捷联惯性系统和光纤布拉格传感器组成的光电多传感器初步测量模型.     

七○四研究所科研成果展示

“拖曳装置液压控制系统性能提高研究”的主要研究成果有以下四个部分: 1.研制了数字控制型绞车控制仪及相应的不规则波发生器和绞车运动模拟器。该绞车控制仪集升沉信号积分和绞车控制于一体,自行研制的特殊数字积分器具有较强的抗直流干扰能力,能很好地从船体的升沉加速度获得船体的升沉位移信号,为提高控制精度提供了保证。其控制器采用预测控制和复合控制技术,控制参数能按海况自动调整,控制性能和控制精度均得到了提高。 数字型绞车控制仪可取代现有的模拟型绞车控制仪,装备后续生产的声纳拖曳装置电液控制系统,提高主动伺服拖曳系统的控制品质、可靠性和技术先进性。并可推广应用于船舶稳定装置的自适应系统或类似的电液控制系统。 2.提高现有模拟控制方式绞车控制仪的抗干扰性研究。针对模拟积分器的抗直流干扰和控制仪的抗电磁干扰性能进行分析和试验,找出薄弱环节并采取措施,解决了原模拟积分     

基于船舶运动信息的航行海域海浪特性预报

以船舶自身为波浪测量仪,致力于采集方便而又尽可能少的船舶运动信号以提取航行海域实时海浪特性.由于估计中不依赖原始理论计算的传递函数,不需要附带波浪采集装置,而仅利用航行中船舶运动的观测序列完成海浪谱反演,故该海浪测量方法可适应船舶自身运动参数的变化.另一方面,由于反演估计的船舶运动频率响应特性,与事先计算或以其它实验方法得到的船舶运动频率响应特性得以比较,可以深化、修正对许多不易实时测量的海浪激励状态与船舶运动响应关系的认识,并积累船舶工程研究设计所必需的相关海域海浪谱信息.     

用三次样条函数插值法处理测量数据

本文用三次样条函数插值法，对某型潜地导弹发射过程中导弹运动测量数据进行处理，能够较准确地提供导弹运动的行程、速度、加速度和时间的关系，解决了用二次三项式的最小二乘法处理时存在的加速度为常数和出简速度偏离的问题。     

一种基于扩展状态观测器的智能船舶Nomoto模型参数辨识方法北大核心CSCD

[目的]为了支持制导、导航、控制等船舶智能化技术的测试验证平台的搭建,利用系统辨识技术得到高精度的智能船舶野本(Nomoto)运动模型参数。[方法]充分结合扩展状态观测器(ESO)以及鲁棒加权最小二乘支持向量回归(RW-LSSVR)算法的优势,提出一种高效低成本的混合参数辨识方法。为解决模型参数辨识中无法直接有效获取某些状态量的问题,构建了基于ESO的状态估计方法。基于估计方法与直接测量的船舶运动状态量,采用具有较强抗异常值干扰的RW-LSSVR对智能船舶二阶线性Nomoto运动模型参数进行辨识。以已知模型的两艘船舶为测验对象,对所提参数估计与辨识方法进行综合测验。[结果]在利用较少传感器的情况下,通过ESO可较精确地估计出非直接测量的船舶运动状态量,并且利用RW-LSSVR辨识得到的参数值十分接近标准值。[结论]利用所提方法获得的估计状态可用于参数辨识,并且辨识模型具有较好的泛化性。     

响应型船舶运动模型的建模与遗传算法辨识

为了建立更准确的响应型船舶运动模型,在充分考虑横摇对舵响应的非最小相位性、阻尼震荡性和惯性横倾的基础上,提出一种横摇响应型模型,其参数具有物理意义明显和估值简单的特点.在此基础上,以某多功能运输船的非线性运动模型的对舵响应输出为试验数据,应用自适应遗传算法对船舶运动响应模型的各参数进行辨识,得到该船的艏摇与横摇的响应模型.仿真试验结果显示,遗传算法辨识后的船舶响应型模型能以较高的精度逼近试验数据,进而验证了响应型船舶运动模型及其参数辨识的有效性和可靠性.     

超大型船舶安全航速建模研究

针对超大型船舶的通航特性,对超大型船舶的安全航速确定标准开展研究。纵向：为确保船舶维持有效舵效且不至于因船速过快导致交通流拥堵,基于船舶交通流观测统计结果确定船舶安全航速范围;横向：基于船舶漂移运动数学模型和船舶操纵性丁指数回归模型,建立超大型船舶最小安全航速限定模型;垂向：基于富裕水深确定原则和船舶蹲底回归公式,建立超大型船舶最大安全航速限定模型。以VLCC和Bulk Carrier为代表船型,综合横向、纵向和垂向安全航速限定要求,确定了不同风级、不同流速、不同船型情况下的渤海海域超大型船舶安全航速标准。