激光探测与测量视觉技术在堆取料机全自动控制中的应用

针对散货料场堆取料机人工操作堆取作业随意性大、精度差、效率低等现状,设计了一种堆取料机全自动控制系统。该系统基于激光雷达(Lidar)机器视觉技术,通过3D激光扫描仪实时获取料堆形状的点云数据,并完成对目标料堆的在线实时建模,最后控制堆取料机完成自动作业;提出了一种基于视觉图像处理算法的作业路径规划算法,通过实时提前预测作业轨迹来指导堆取料机自动作业。实践表明该控制系统提高了设备的作业效率,降低了作业成本。     

子空间在线辨识算法原理及应用技术研究

为了解决船舶数学模型中水动力参数可能随着外界海洋环境的不同而发生漂移的问题，提出一种在线更新船舶黑箱模型的子空间辨识策略。该方法根据子空间辨识过程中QR分解的特点，采用Givens旋转矩阵对该复杂分解过程进行处理，从而降低计算复杂度，并通过改进使得子空间辨识算法能够适用于在线辨识。最终将该算法应用于动力定位系统中，实现了对船舶模型参数的实时调整，克服了传统船舶模型辨识算法只能对模型进行离线辨识的缺点，同时也为动力定位中紧急情况下的船位推算提供了较为准确的模型依据，最大限度地提高了作业的安全性。文末的仿真及实船数据进一步验证了算法的有效性。     

基于移动对象数据库的导航信息更新机制设计

移动对象追踪和更新技术,是影响移动对象数据库性能的重要因素。本文提出了一种基于移动向量和船舶导航信息的移动对象信息更新机制。这种方法通过对船舶航线的建模,设计了自动化的移动对象信息更新算法。通过仿真和实验,证明了本文提出的方法与传统的真实航线信息更新方法相比,具有更好的性能表现,能够在较低的系统开销下,实现较高的精确度。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

堆取料机无人化系统在散货港口的应用

针对现有堆取料机无人化系统解决方案中存在的问题，提出一种基于3D主动激光扫描技术的堆取料机无人化控制系统。3D主动激光扫描技术可独立于堆取料机设备的运动状态，主动感知周边作业环境。作业前和作业过程中通过激光扫描系统采集数据构建并实时更新作业对象料堆三维模型。构建基于三维模型分析作业控制策略决策算法系统，实现堆取料机的无人化全自动控制。同时构建人机友好的可视化交互系统。此系统成功用于大型煤炭港口的储煤料场，通过系统应用有效降低人力成本，改善操作人员工作环境，提高设备作业过程的安全可靠性，提升堆取作业效率和料场利用率，技术和经济效益显著。     

基于选择性核学习的在线软测量建模方法

离线建立的软测量模型的预报精度往往逐渐降低,通常需要在线更新模型。为此,提出一种基于选择性核学习的在线软测量建模方法。该方法首先建立最小二乘支持向量机模型,并采用基于预报误差限的选择性前向学习策略更新模型,以提高其稀疏性。此外,为了更准确地删除冗余样本,在后向学习中,提出一种在高维特征空间同时利用输入输出数据的相似度准则,选择性删除与当前状态相似度最小的样本。利用某石化公司聚丙烯熔融指数的软测量建模结果进行了方法验证。     

基于万维引擎的船舶倾斜试验虚拟仿真系统

针对以往船舶倾斜试验受试验条件影响等因素只能进行理论知识的学习问题,提出基于虚拟现实的实现方法。为实现倾斜试验虚拟仿真的作业过程,在系统中使用船舶的倾斜运动算法和Extrude Line Tool及Editable Poly的建模方法等。通过3Ds Max建模软件、Unity3D和万维引擎等混合编程的手段,针对排水量为64 000 t散货船开发一套倾斜试验虚拟仿真系统。经过对该系统测试应用,并将试验数据与实际值对比分析,试验数据误差在规定范围内,该系统符合设计使用要求。     

3D激光扫描仪在散货料场三维建模中的应用

针对在散货堆场进行三维建模时存在复杂性高、实时性差、稳定低等问题,设计了一种基于三维激光扫描仪的三维成像系统,通过对扫描数据进行算法处理,以及与定位数据的实时融合,完成对整个散货料场的三维建模,提高了建模过程的实时性、稳定性。     

基于混合遗传算法的船台装配优化研究

为了在船台装配作业中最小化船台周期、降低作业成本、均衡资源负荷,分析了船台装配作业的特点并对其进行了建模,设计了一种适于解决本优化问题的混合遗传算法,开发了对应的软件。将最小化船台周期的优化目标体现在解码的过程中,保证了解码的唯一性;同时将降低成本的优化目标体现在评价和选择的过程中。经本方法得出的船台装配日程计划为实际生产提供了很好的指导。最后,通过一个算例,验证了本方法的可行性和有效性。     

船舶涂装爬壁机器人系统研究及集成应用

提出一种大型船舶开放性工作面涂装爬壁机器人系统理论设计与应用方法,研究系统本体运行机理并获得满足工作特性的两项必要条件,即轮辐磁吸力及双轮驱动力矩的极小值条件。建立涂装机器人系统的功能组成及控制机理,并结合开放性工作面开展无线定位及自主规划方法研究,形成能够适应喷涂作业的机器人在线路径规划算法。并结合实际开展涂装系统集成应用测试,检测并采集系统运行过程中动力学参数,系统空间坐标轨迹路线等,实现了涂装工作路径的实时在线规划。通过试验验证了文中的系统力学特性分析及定位方法的有效性。     

基于支持向量机的船舶操纵运动在线建模

支持向量机算法以结构风险最小化为准则,具有良好的泛化性,是一种先进的人工智能算法。文章根据最小二乘支持向量机对其增量式算法进行推导,并应用该算法对船舶操纵运动进行在线建模。通过仿真试验对粘性力和舵力水动力导数进行在线辨识,通过自航模试验对操纵性K、T指数进行在线辨识,并利用K、T指数对自航模的转首角速度进行了预报,所得结果都同试验值非常接近,证明了增量式最小二乘支持向量机应用于船舶操纵运动在线建模的有效性。     

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.     

基于虚拟流水的多重约束环境下船体分段车间动态调度

提出了固定位置分段生产和流水式的作业模式结合的分段虚拟流水式建造模式,分析了分段作业-人员-工具-物料-场地多关联约束下的资源调配机制。考虑时间-空间-资源等多重约束,给出了一种基于虚拟流水线生产模式的人员调度算法和场地调度算法,同时以某船厂的实际场地布局和生产建造数据为案例进行了分析讨论。结果表明,提出的算法能够较好的适应分段调度过程的多重约束、动态调整等特点,较大幅度提高分段建造资源的利用效率。     

基于神经元网络的钻杆热处理温度信号校正

神经网络是非线性系统建模的重要方法。反向传播（BP）算法常常用于神经网络的权值训练中，但是BP算法收敛慢。为此，将非线性最小二乘法用于前馈神经网络的权值学习。采用这一建模方法对石油钻杆在热处理中的温度测量偏差进行校正。研究结果表明，该方法具有很快的收敛速度和很好的拟合精度，适用于工业过程中测量信号的在线校正。     

船舶运动辨识建模研究现状与展望

辨识建模是船舶运动建模的主要方法之一.当前的船舶运动辨识建模以参数辨识为主要形式,本文通过文献回顾,归纳总结了参数可辨识性、辨识模型、辨识算法和辨识数据等4个方面的研究成果.分析指出当前存在辨识数据局限性、理论支撑不足和工程应用欠缺等问题,并就下一步在数据处理、理论完备性、非参数辨识和在线辨识方面的研究前景进行了展望.     

水下平台进水下潜过程的稳定性控制

介绍了某型水下平台的压载水系统组成,分析了其进水下潜过程的工作特点,结合静力学原理对平台进行分析和建模。针对进水控制系统为MIMO型且存在多变量耦合,采用模糊解耦的方法进行解耦分析,提出了一种基于模糊控制算法的平台进水下潜过程稳定性控制方法。经Matlab仿真表明,这种控制方法能够满足平台自动进水下潜过程的稳定性以及快速性要求。最后,通过实际系统水下试验进一步验证其可靠性。     

大规模电子海图矢量数据在船舶路径规划建模中的应用

为了提高船舶航运效率,确保海上航运的安全性,利用电子海图数据进行船舶路径避障规划具有重要意义。本文设计一种基于电子海图矢量数据的船舶路径规划建模方法,首先介绍电子海图系统的研究现状,然后针对电子海图矢量数据的数学建模进行深入研究,最后结合GA算法开发了一种海上船舶路径规划与建模的方法。     

船舶横摇变参数LSSVM在线预报方法(英文)

为提高船舶横摇运动预报的精度以及实时性,提出一种利用混沌理论和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)在线训练算法的实时在线预报方法。针对预报模型的固定核参数不能适应横摇运动的动态变化而进行自动调节这一问题,设计一种基于LSSVM的变参数在线建模方法。利用三个LSSVM并行建模,将整个预报过程分为初始阶段和若干个预报阶段,并在每个阶段末选出下一个预报阶段的预报LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为下一阶段的比较LSSVM。对某船横摇运动时间序列进行预报,仿真结果表明,所提变参数LSSVM在线预报方法平均相对均方误差为6.85%,相比于固定参数预报方法具有更好的适应性。     

多任务约束条件下基于强化学习的水面无人艇路径规划算法

本文提出一种多任务约束条件下基于强化学习的水面无人艇路径规划算法。利用灰色预测进行区域建议,提升神经网络检测连续视频帧中水面目标的速度和准确率,进而提高了路径规划环境建模的准确性。基于Q_learning算法进行在线训练,完成多任务约束条件下的无人艇路径规划。针对Q_learning算法在多任务约束条件下收敛较慢的问题,提出了一种基于任务分解奖赏函数的Q_learning算法。通过仿真试验,验证了在多任务约束条件下,采用强化学习进行路径规划的可行性,并通过实物试验,验证了该算法能够满足实际要求。     

水下自主机器人航向控制算法应用研究

为了提高AUV航向控制系统的控制品质,研究基于模糊理论的参数自调整PID算法。该算法在AUV原控制器的基础上对控制器参数进行在线调整,使控制器具有了一定的自适应特性。分析模糊控制规则对控制效果的影响,提出一种基于非线性函数的尺度变换方法对模糊控制器输入数据进行处理,简化了模糊控制器输入数据的量化过程。通过湖上试验,验证了模糊PID控制算法的有效性。对比试验结果显示,改进后的算法在AUV航向控制中能够获得更好的控制效果。在大角度转向中,该控制算法的优越性明显,系统响应快,超调小,航向误差均方差小。