船载三自由度并联稳定平台的设计及运动学分析

针对船载设备在海洋中会受到6个自由度的影响,设计一种船载三自由度稳定平台,能够补偿升沉、横摇和纵摇。分析了稳定平台的逆运动学特性,利用Matlab/Simulink的Simscape工具建立了虚拟样机测试系统。在平台模型中添加了姿态传感器,根据逆运动学算法,实现了虚拟样机仿真系统的物理仿真。实验表明,设计的三自由度并联稳定平台能在一定范围内有效的进行波浪姿态补偿。     

并联式主被动升沉补偿系统的非线性分析与仿真

海上平台吊放重物过程中,需要升沉补偿装置进行辅助作业。本文设计一种基于并联液压缸的主被动一体式升沉补偿系统,描述该系统的工作原理与特点。为建立准确的数学模型,对该系统进行详细的运动学和动力学分析,分析过程中充分考虑液压系统的非线性因素。在此基础上,利用Simulink,建立该系统的非线性仿真模型。仿真结果表明,该升沉补偿系统对波浪升沉运动具有良好的补偿效果,所设计的基于并联液压缸的升沉补偿系统对辅助海上作业具有良好作用。     

某油缸式主动波浪补偿系统的动态特性分析

基于AMSim仿真平台建立包括液压元器件、气动部件、机械传动部件,以及控制算法在内的油缸式主动波浪补偿系统的机液耦合仿真模型,分析被吊货物质量、吊重钢丝绳长度、主动波浪补偿模式开启时刻,MRU传感器误差等因素对主动波浪补偿吊机补偿系统动态特性的影响,结果表明,在控制方式和外界条件相同的条件下,而货物质量不同时,补偿响应速度和精度的差别很小;钢丝绳长度对补偿精度的影响可以忽略;从非波浪补偿模式切换至波浪补偿模式时,在升沉运动的零位置切换至主动波浪补偿模式切换更平稳快速;提高MRU传感器和气瓶压力传感器精度对补偿精度有利。     

二次调节波浪升沉补偿液压系统设计

为实现二次调节技术在波浪升沉补偿起重机的应用,分析二次调节升沉补偿原理,提出一种液压系统关键参数设计计算方法,并根据该方法设计出波浪升沉补偿起重机工程样机,样机试验结果表明,针对陆上模拟波浪升沉信号输入,最大位置补偿精度偏差小于10%;相同补偿波浪升沉参数下,负载增加会导致位置补偿精度下降。     

新型升沉补偿试验系统的仿真设计

为能更准确地对波浪升沉补偿系统进行研究,设计一种基于数字液压技术的新型试验系统,采用Stewart平台结构模拟船舶的六自由度运动,以数字液压缸作为驱动器对重物升沉进行补偿。在LabVIEW仿真环境下运用广义预测与PID控制策略,实现了对升沉补偿试验系统的设计。结果表明,该系统仿真相似度高,方便取得各种工况下的试验数据。     

基于节流方法的被动式吊机升沉补偿系统设计

设计一种基于蓄能器和液压缸的被动式船舶吊机升沉补偿系统,为了提高系统补偿率,对其进行动力学分析和性能指标分析,提出一种基于节流阀的改进方案,即在液压管路中加入节流阀,通过改变节流阀通径和个数,调整系统阻尼比至合适值,从而提高系统补偿率。改进前后的系统仿真对比结果表明:基于节流阀改进方案的被动式升沉补偿系统具有更好的补偿效果。     

主动波浪补偿平台及其试验系统的设计与仿真

补给船在海里工作时受到风浪的影响会发生横摇、纵摇和升沉,这严重影响了工作的平稳性和有效性。为了对补给船的横摇、纵摇和升沉进行补偿,设计了一种基于微惯导传感器的新型主动波浪补偿装置,提出了一种简单准确的波浪补偿值的求解方法,并搭建了六自由度并联主动波浪补偿平台试验系统,最后通过实验仿真验证了该主动波浪补偿装置的实用性和有效性。     

深海采矿双波浪补偿系统自适应跟踪控制

为满足深海采矿过程中管道的快速自动对接要求,设计了一种能够同时进行布放回收和升沉补偿的双波浪液压补偿系统.基于波波夫超稳定理论,设计了上波浪补偿的自适应跟踪控制律.仿真实验结果表明,上波浪补偿系统能够在自适应跟踪控制律作用下,迅速跟踪下波浪补偿系统的升沉运动,其跟踪精度能够满足同步对接要求.     

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。     

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。