船舶超谐共振响应运动

由于船舶阻尼系数和恢复力矩的非线性，船舶大幅运动时横摇和纵摇耦合。各类船舶的纵摇固有频率接近横摇固有频率的两倍，存在基于动力学理论的2；1的内共振关系。本文考虑大幅波浪激励，建立了船舶横摇与纵摇耦合的非线性运动方程，针对纵摇和横摇频率存在2：1内共振关系以及波浪遭遇频率Ω等于1／4倍纵摇固有频率，采用多惊讶方法，求出了运动方程的摄动解，得到了横摇与纵摇超谐运动的时间历程响应，分析了产生超谐共振的条件。研究表明，在大幅波浪激励下，船舶将出现超谐共振响应，其运动特征是：横摇运动和纵摇运动均为两个不同频率谐波的迭加。横摇响应包括波浪遭遇频率谐波和横摇固有频率谐波；纵摇包括波浪遭遇频率谐波和纵摇固有频率谐波。两个谐波响应的迭加，使横摇和纵摇运动响应显著增加，并且横摇运动不再左右对称，针对算例进行了超谐运动响应计算，计算结果与本文的理论分析结论完全吻合。     

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.     

基于高级遗传算法的船舶模型参数辨识

提出一种以二阶K-T方程为基础，并基于高级遗传算法的船舶参数辨识算法，能有效地保证了算法的收敛性和全局优化能力，避免陷入局部最优解。并引入噪声参数，再用基于多局部种群的遗传算法进行迭代计算，将残差白噪声化。最终将该方法与传统的广义最小二乘算法相比较，得到了较为理想的船舶参数。通过对采集的仿真数据和实际自动舵数据的辨识结果验证了该方法在实际工程应用中的可行性和有效性。     

应用支持向量机的船舶操纵运动响应模型辨识

建模是评估船舶操纵性和可控性的重要前提.基于自由自航船模试验的系统辨识方法是求取船舶操纵运动数学模型中的水动力系数的有效手段之一.文中提出了一种使用支持向量回归估计的船舶操纵运动响应模型辨识方法,该方法通过训练自由自航试验数据样本得到参数回归模型.辨识和仿真结果验证了文中所提出的方法的有效性.     

基于船舶回转试验建立横摇响应型数学模型

为了建立船舶横摇响应型数学模型,在"育鲲"轮上进行了船舶回转试验.在试验数据处理分析的基础上,结合理论讨论,提出了横摇响应型数学模型的结构,并给出了"育鲲"轮的横摇响应型数学模型.该模型简单,便于分析.     

基于遗传算法的船舶横向运动水动力参数辨识的研究

随着海上资源开发与航运物流的发展,海上舰船的动力性能和载重量也不断提高。其中,船舶的动力性能直接决定了船舶的航行安全,对船舶动力性能进行分析和优化有重要的意义。本文研究的主要内容是船舶运动水动力参数的辨识,采用基于遗传算法的参数辨识方法,并详细介绍了该基于遗传算法的横向运动力参数辨识的过程,具有重要的意义。     

基于支持向量回归机的船舶操纵运动在线辨识建模

采用滚动时间窗的方法实现支持向量机的在线辨识。以船舶操纵运动响应模型为研究对象,并由10°/10°和15°/15°仿真Z形试验数据构造支持向量机参数辨识所需的训练样本对,应用支持向量机进行船舶操纵运动在线辨识建模,回归操纵运动响应模型中的操纵性指数,并利用建立的响应模型进行Z形试验的数值模拟。将Z形试验数值模拟结果同仿真Z形试验数据进行比较,结果表明,在线式支持向量回归机是一种进行船舶操纵运动在线辨识建模的有效方法。     

船舶横摇首摇耦合运动前向智能模型的仿真分析

大量的统计数据表明,船舶发生的各种事故原因中,最为常见的船舶受海上大风浪影响,产生剧烈的摇摆和振荡导致船舶受损甚至倾覆。因此,研究船舶的减摇成为迫切的需要。船舶在海面上航行时,主要受到的作用力形式包括海浪作用力及力矩、海风力及力矩和洋流扰动作用力,当船舶受到的摇荡载荷超过船舶所能承受的载荷强度时,就会导致船体结构损坏。此外,当船体产生大幅度的横摇时,可能导致船舶的航向控制失灵,引发事故。本文充分结合神经网络算法,设计一种船舶横摇首摇耦合运动的前向智能控制模型,并介绍该控制模型的原理。     

船舶非线性横摇的精确模型

本文以Taylor级数展开法表示横摇非线性模型的一般表达式,采用一阶谐波平衡法求其定常周期解,对运动稳定性,跳跃现象及最大摇幅特性进行了分析计算。 本文依据横摇力矩激振装置进行的船模激振横摇试验结果,提出了一套较完整的横摇非线性模型的辨识技术。实例表明横摇非线性模型的辨识效果圆满且可靠。 本文还对非线性横摇的分支跳跃现象可能造成的船舶倾覆机理作了初步探讨。     

基于遗传算法的纵摇运动模式识别模型分析

本文针对一型复合三体船船模,对其纵摇运动模式识别进行分析,建立三体船运动模式识别的优化模型,设计并完成静水纵摇运动试验。最终,基于遗传算法建立辨识系统,对复合三体船的纵摇运动模式进行辨识分析,并得出该辨识模型具有一定的精度,验证该优化模型的可行性。     

船舶水下垂直吊放系统动态响应

分析了与船舶相连的水下垂直吊放系统动态响应,对三维缆索分段动态响应方程采用了凝集参数法和平均切向量技术,在5 m有义波高和4 s超越周期下模拟了吊索的动态张力.结果对避免系统谐振,延长缆索寿命都有重要意义.     

参数辨识在船舶运动控制中的研究与应用

本文以系统辨识的方法,对船舶运动模型--KT方程的参数进行辨识.通过分别研究最小二乘法和遗传算法在船舶运动方程参数辨识中的应用,提出了一种结合最小二乘法和间接模型参考自适应法的混合辨识算法,并经仿真实验数据的辨识结果分析,有力地证明了本方法的可行性和合理性.     

人的失误模型在船舶溢油事故应急中的应用分析

船舶交通事故问题的预测一直是业内研究人员十分重视的研究课题。分别采用回归预测法、时间序列预测法、灰色理论预测法和贝叶斯统计预测法等不同方法,结合国内某港引航站近十多年来船舶引航总量和事故的实际情况,进行了比较分析和对未来情况予以预测。着重就贝叶斯方法在港口船舶引航风险预测中的运用进行了探讨。结论证明贝叶斯估计方法得到的结果具有良好的预测效果。     

内河船舶交通流建模与仿真研究

为了更精确地模拟内河船舶交通流的运行状态,根据内河船舶相互影响特性,将航道作为交通流中为船舶提供通航服务的主要资源,将船舶行为及相互之间的耦合关系模型化,在此基础上构建基于通航服务资源的内河船舶交通流模型.利用仿真软件进行仿真实验,结合长江干线某断面流量数据进行实例验证.实验结果表明,该模型能较好地模拟内河宏观交通流.     

基于实船数据的船舶航速与油耗优化建模

为获得水路运输中船舶的最佳航速,实现燃油效率的最大化,以长江航线货运船的航速、燃油等真实监测数据为基础,提出一种新的船舶航速与油耗优化模型。模型包括白箱模型(White-Box Model,WBM)和黑箱模型(Black-Box Model,BBM)两个部分:WBM由改进后的物理方程和数学公式组成;BBM是BP(Back Propagation)神经网络。两者结合成新的灰箱模型(Grey-Box Model,GBM)。通过分析船舶航行过程中影响船舶燃油消耗的多种因素,确定WBM参数,分别用串联和并联的方式将白箱与BP网络结合构建船舶航速与油耗优化模型,采用牛顿-拉普森迭代算法进行求解。计算结果表明:优化模型可在选定的航段内找到最佳的指导航速,并且模型的R2达到了0.945。此外,将建立的模型与单一的WBM进行对比验证,所建立的船舶航速与油耗优化模型得到的最佳航速更加精确,整体误差也从0.130减小到0.071。     

基于遗传算法优化的小波神经网络对船舶受扰力及力矩建模预报

首先构造小波神经网络,建立船舶横向和纵向运动模型及其运动受扰力模型,采用小波神经网络对船舶受扰力建模预报,并用遗传算法对其进行优化,对预报结果进行分析比较,给出超前5秒、15秒的船舶运动受扰力与力矩预报结果.     

冰载荷下的船舶运动建模

随着极地航道的开辟以及极地海洋能源开发的需要,海冰与船体的相互作用以及极地船舶航行与作业安全越来越受到关注。本文主要针对破冰过程的几个典型阶段,对冰载荷对船舶的作用力进行了分析与计算,并考察了破冰船在不同的海冰密集度、冰厚以及船舶不同航速情况下的不同影响。