智能航保体系构建初探

在梳理近年来国内外智能船舶靠泊技术研究现状的基础上,首先从靠泊方式、数学模型和控制算法3个方面分别归纳靠泊技术的研究热点与应用情况,分析智能船舶靠泊技术在自主性、建模精度、路径规划、控制算法、节能效果和系统测试等方面尚待解决的问题。然后,从航海实际需求出发,提出下一步需要突破的有关信息融合、在线建模、智能决策、算法优化、绿色节能和测试技术等方面的核心理论和关键技术问题,努力提升靠泊技术的自主性、鲁棒性、快速性和“韧性”,助力实现安全、绿色、高效的智能航运目标。

     

滑模控制算法在船舶动态轨迹跟踪中的应用

由于变结构控制系统的鲁棒性和自适用控制能使船舶很好的适应外界干扰,本文设计滑动模态自适应反步控制的船舶动态轨迹跟踪控制,同时利用滑模变结构中的虚拟控制以及将滑动模态与自适用反步控制相结合后的Lyapunov函数来处理控制器的设计。最后通过实验验证该控制器的有效性。     

基于机器学习的船舶吃水动态检测系统设计

传统的吃水检测系统存在检测抗扰性差的弊端,为了解决传统检测方法的缺点,动态检测系统得到应用。设计基于机器学习的通航船舶吃水动态检测系统,基于机器学习技术,在现有激光测量器上利用DSP测量技术,构成DSP激光多点测量单元,完成硬件单元构建。采用NPS多波束声呐图源滤波算法,对硬件采集图像做多波束滤波运算,完成图像滤波运算,解决对检测抗扰性差的问题。对比实验证明,提出的基于机器学习的通航船舶吃水动态检测系统设计,能够准确、实时、动态、自主检测船舶吃水数据。各项测试结果均优于传统吃水检测系统。     

欠驱动船舶航向控制系统的粒子群优化控制

随着海上航运业的发展,海上航线的船舶越来越多,航线越来越拥挤,为了保障船舶航行的安全性、可靠性,人们对船舶的航向控制技术进行了深入的研究。欠驱动船舶的航向控制问题是一个典型的非线性问题,为了更好地控制影响船舶航向的因素,如动力、海浪、海风作用力等,本文基于粒子群优化控制技术,设计了一种新型的欠驱动船舶航向控制系统。     

基于遗传算法的船艇冷库模糊控制仿真研究

船艇冷库温度的精确数学模型难以建立,针对传统PID控制精度不高和常规模糊控制获取控制规则和隶属度函数方法的不足,提出利用遗传算法对船艇冷库模糊控制系统的控制规则和隶属度函数进行优化,通过仿真表明,该算法能够使模糊控制系统的控制品质得到较大的改善和提高。     

遗传算法在大型工程船舶运动控制的应用

大型工程船舶主要包括挖泥船、大型起重船、打桩船等,在海上作业等方面有非常重要的应用。由于大型工程船舶的吨位与体积很大,在海水中受到的作用力也相对较大,因此,研究大型工程船舶的运动控制问题具有重要的意义。本文通过建立大型工程船舶的运动模型与船舶干扰力模型,结合遗传算法和模糊算法,设计一种新型的运动控制系统,具有较高的运动控制精度和较快的控制响应。     

基于改进粒子群优化算法的自主水下航行器深度控制

为解决欠驱动自主式水下航行器的定深控制问题,建立欠驱动自主式水下航行器的数学模型,选用经典的PID控制器对其进行控制。为使控制器的各项性能指标良好,控制器的参数整定选用粒子群优化算法。粒子群算法在迭代过程中容易出现粒子早熟现象,为了避免这一现象,本文引入指数函数,对粒子群迭代公式的惯性权重进行动态调整,延长了粒子的大范围搜索时间。在Matlab 2019b环境下进行仿真,通过纵向对比,证明了改进算法的可行性,将改进后的算法与ZN整定算法进行对比,结果表明,改进粒子群算法表现更佳。     

基于深度学习的三维感知算法在船舶自主靠泊场景中的应用

随着船舶自主化在航运业的快速发展,《自主货物运输船舶指南》提出了针对自主靠泊场景的环境感知等相关技术要求。本文提出一种基于深度学习的三维感知算法,将多传感器的点云和图像数据进行深度融合,提升目标检测和分类的精度,用于寻找指定的靠泊目标。搭建基于虚拟物理引擎的船舶靠泊仿真系统,模拟靠泊场景,解决数据采集的难题。最后结合成熟的决策和控制算法,构建完整的自主靠泊系统,完成靠泊仿真试验,验证算法的有效性,对船舶自主靠泊应用具有重要意义。     

智能学习算法在航迹控制系统中的应用

为保证船舶按照既定的航线航行,船舶轨迹控制至关重要。为此提出神经PID智能算法,并应用在航迹控制系统中。建立干扰因素下的船舶运动控制数学模型,对此基础上,以PID算法为核心,利用BP神经网络算法进行改进,解决PID算法在解决复杂时变非线性问题效果较差的问题。结果表明,在环境因素干扰下,所研究的神经PID智能算法应用下,船舶航行轨迹跟踪误差要小于3种前人研究方法,证明其应用效果。     

脉动风压下局部动力效应研究

探讨了随机脉动风压作用下,结构的局部动力效应问题,通过实例计算证明了局部动力效应影响不可忽略,这为正确分析脉动风压下结构的动力响应,准确、可靠地指导工程设计提供了理论依据.     

基于遗传学习算法的船舶航向智能控制方法

针对现有船舶航向控制方面采用的传统控制算法,在对船舶航向数据计算过程中存在数据迭代分析准度失常,无法适应性逻辑推导航向数据量的问题。本文提出基于遗传学习算法的船舶航向智能控制方法,利用遗传算法作为理论算法,对船舶航向数据进行遗传数据的建模,从而得到迭代航向控制量计算因子;接着,引入基于遗传算法的NRD蚁群学习算法,对得到的迭代航向控制量计算因子进行最优控制因子的蚁群化计算,得到船舶航向控制的最优适应控制参量;最后,引入适应性控制算法将最优适应控制参量导入算法,使其生成航向适应性计算逻辑策略,最终实现船舶航向的智能化控制。实验数据表明,提出的方法在航向数据迭代分析计算准确性上,准确度较高,满足可行性与有效性测试要求。     

非线性Backstepping算法在船舶动力定位系统控制的应用

船舶的动力定位是指船舶在某些特定工况下,利用推进器和螺旋桨等产生推力和力矩,抵消海风、海浪等因素的干扰作用力和力矩,从而使船舶在海面某一区域保持相对静止。由于海上气象条件和海水深度的影响,传统的锚式系泊定位已经难以满足需求,而船舶动力定位系统的灵活性高、定位精度高、抗干扰能力强,因此应用越来越广泛。本文建立了船舶动力定位系统和干扰因素的数学模型,结合Backstepping非线性控制理论,设计了一种新型船舶动力定位系统的控制策略,并对该动力定位系统的位移控制响应进行了基于Matlab的仿真分析。     

小波神经网络算法在船舶动力控制系统中的应用研究

随着航海技术的发展,人类对海洋的探索也越来越频繁,在不断研究的过程中,人们不仅对船舶的位置有升级的要求,对于其内部动力控制系统的研究范围也在不断的拓宽。本文主要研究船舶动力定位系统的构成原理,并结合神经网络算法对船舶动力定位关键技术进行数学建模。最后在Matlab仿真系统中建立船舶动力控制系统在海洋环境中的实际干扰模型,并从静态角度对小波神经算法的性能进行分析与仿真,仿真结果表明此算法的控制效果良好。     

Design and evaluation of a hierarchical control architecture for an autonomous underwater vehicle

This paper researches on a kind of control architecture for autonomous undelwater vehicle （AUV）. After describing the hybrid property of the AUV control system, we present the hierarchical AUV control architecture. The architecture is organized in three layers： mission layer, task layer and execution layer. State supervisor and task coordinator are two key modules handling discrete events, so we describe these two modules in detail. Finally, we carried out a series of tests to verify this architecture The test results show that the AUV can perform autonomous missions effectively and safely. We can conclude the control architecture is valid and practical.     

基于避碰声呐的远程鱼雷水下自主障碍规避算法研究

伴随着航程可达上千千米的远程鱼雷的出现,对鱼雷远程航渡过程中自主规避可能出现的障碍物提出新要求。本文以某型远程鱼雷为背景,基于模糊控制方法,提出一种基于避碰声呐的远程鱼雷自主避障算法,提出规避障碍物的规划,并通过计算模拟避碰声呐探测信息,在仿真平台上对该算法进验证,结果表明运用该算法远程鱼雷能利用自身携带的前视避碰声呐探测到障碍物,并通过障碍规避算法控制鱼雷航行规避障碍物时,本文提出的障碍规避算法可以引导鱼雷规避障碍物,到达设定的目标点。     

基于避碰声呐的远程鱼雷水下自主障碍规避算法研究

伴随着航程可达上千千米的远程鱼雷的出现,对鱼雷远程航渡过程中自主规避可能出现的障碍物提出新要求。本文以某型远程鱼雷为背景,基于模糊控制方法,提出一种基于避碰声呐的远程鱼雷自主避障算法,提出规避障碍物的规划,并通过计算模拟避碰声呐探测信息,在仿真平台上对该算法进验证,结果表明运用该算法远程鱼雷能利用自身携带的前视避碰声呐探测到障碍物,并通过障碍规避算法控制鱼雷航行规避障碍物时,本文提出的障碍规避算法可以引导鱼雷规避障碍物,到达设定的目标点。     

动态不确定海况下的船舶动力定位控制算法

为提高在环境干扰力的影响下船舶动力定位系统的精确性和稳定性,本文建立以船舶动力模型以及环境干扰力模型为基础的动力定位数据模型,同时提出了船舶动力定位控制方法,在此基础上提出建立模糊PID控制模型并进行仿真分析试验。结果表明,在环境干扰力的影响下,模糊PID控制的系统比较稳定且有较强的抗干扰能力,能够达到较精确的定位控制效果。本研究结果为船舶动力定位研究提供一定的理论指导和参考价值。     

Fuzzy-PID合成控制下铺缆船舶首向寻优动力定位

为使海上作业的铺缆船舶能够更好地保持定点作业能力,其上都安装有动力定位系统。船舶运动的数学模型是非线性的,单独使用模糊控制效果不够理想,通过使用Fuzzy-PID合成控制器可实现更精确的动力定位。该控制器包含大误差切换至Fuzzy控制模块、小误差切换至Fuzzy-I控制模块及微误差切换至Fuzzy-PID控制模块3个模块。同时为了船舶能够更好、更节能地抵抗外界环境,在控制器部分还加入了首向寻优环节。仿真验证表明,与传统Fuzzy控制对比后得出,使用Fuzzy-PID控制器仿真时系统的稳定性和响应速度都较为优越,提高了动力定位的效果,符合绿色动力定位的理念。     

基于机器学习的航母智能减摇控制算法研究

航母在浪中航行摇动性较大,需要进行减摇控制,提高航母航行的稳定性,提出一种基于机器学习的航母智能减摇控制算法,构建航母航行的运动学模型,根据航母航行的运动学方程和动力学方程进行控制约束参量分析,采用鲁棒性参数整定方法进行航母的横滚角、俯仰角、纵向倾角等参量的融合处理,实现航行姿态参量的误差反馈补偿,采用机器学习算法进行航母航行的位姿参量的平衡性修正,提高航母航行的稳定性,实现减摇控制。仿真结果表明,采用该算法进行航母智能减摇控制的姿态参数稳定性较好,误差修正能力较强,航母摇动修正的鲁棒性较好。     

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。