状态受限下的水下履带式清淤机器人轨迹跟踪控制北大核心CSCD

[目的]针对桥梁建设中运用履带式清淤机器人进行沉井清淤时易出现附着力不足而打滑的工程问题,设计基于障碍Lyapunov函数(BLF)的轨迹跟踪控制器。[方法]考虑到轨迹跟踪控制器算法质心与几何中心不重合的情况、外界未知有界扰动的影响和系统动态不确定性,建立运动学及动力学运动模型。利用终端滑模观测器(TSMO)在有限时间内逼近外界扰动和系统动态不确定性。通过时变对称有限时间BLF稳定性分析,验证控制系统的稳定性,同时限制系统速度状态以防止控制失效。[结果]仿真结果表明,履带式清淤机器人在所设计的控制器控制下能够平滑且快速地到达期望的轨迹。[结论]研究结果证明了所用方法可以将机器人系统的速度状态限制在符合工程实际的区间内。     

多UUV搜索海底声信标任务规划方法

[目的]为了提高特定海域内多水下无人航行器(UUV)执行海底声信标搜索任务时的搜索性能,需增加对目标的搜索概率。[方法]首先,给出各UUV所载被动声呐的搜索能力指标函数,采用蒙特卡罗方法模拟海底声信标的坐标位置,并在任务区域建立搜索能力函数,从而得到本次优化任务的优化目标;然后,根据UUV实际执行任务时的队形要求建立本次优化的约束条件,整合得到基于海底声信标搜索概率最大化的多UUV队形优化模型,并使多UUV按照此队形完成指定区域的声信标搜索工作;最后,采用遗传算法对优化模型进行参数优化,通过设定合理的目标函数以及改进传统的遗传算子使目标函数的值达到设定标准,随之取出相应的参数完成值的选择。[结果]将求解出的优化队形与传统优化队形进行对比发现,求解出的优化队形具有更高的发现海底信标的平均概率。[结论]该方法能够有效提升多UUV对海底声信标的搜索性能,并给出合理的队形优化方案。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

推力受限的ROV预设性能精准跟踪控制北大核心CSCD

[目的]针对有缆水下机器人(ROV)推进器推力/力矩受限的现实情况,研究面向三维轨迹跟踪的预设性能精准控制问题,同时考虑系统不确定性、水下环境干扰等未知因素,提出基于有限时间扩张状态观测器和预设性能变换的精准跟踪控制方案,确保轨迹跟踪误差快速镇定。[方法]首先,针对推进器饱和约束,设计补偿系统消除输入饱和限制;其次,设计有限时间扩张状态观测器,对外界扰动和未知系统动态进行集总观测和补偿;进而,基于预设性能函数和误差转换函数,将受预设性能限制的跟踪误差转换成非受限的跟踪误差并构造积分滑动模态,采用快速幂次趋近律和边界层减缓执行器抖振;最后,采用Lyapunov理论证明所提出算法的整体稳定性。[结果]仿真结果验证了所设计控制方法的有效性和优越性。[结论]该控制方案可为解决集总扰动下推力受限的ROV轨迹跟踪预设性能精准控制问题提供一种新的解决方案。     

Feedback-feedforward variable gain iterative learning method adopted in electro-hydraulic position servo system北大核心CSCD

[目的]为了实现电液位置伺服系统的精确控制,提出一种反馈-前馈变增益迭代学习法。[方法]首先建立电液位置伺服系统的简化模型,然后对迭代学习控制算法进行改进,采用带遗忘因子的变增益学习律,最后开展Matlab仿真对比验证。[结果]仿真结果表明:相较于传统的迭代学习和传统PID控制,改进后的迭代学习算法具有更好的收敛性和更小的跟踪误差,可以使电液位置伺服系统快速精确地跟踪位置曲线,从而提高系统动态特性。[结论]研究成果可为电液位置伺服系统的控制性能优化及实际工程应用提供参考。     

Energy efficiency optimization analysis of fuel cell/lithium battery hybrid ship based on whale optimization algorithm北大核心CSCD

[目的]为提升船舶的能源利用率,对多因素影响下的燃料电池/锂电池混合动力船舶能效优化方法进行分析。[方法]基于Matlab/Simulink仿真建模软件,建立对象船舶的能效仿真模型,研究通航环境要素对船舶能效的影响。考虑动力源特性和船舶功率需求,提出基于模糊逻辑的功率分配策略,以优化系统能量流动。然后在此基础上,以系统总能耗最低为优化目标,建立考虑多因素的船舶航速非线性优化模型,采用鲸鱼优化算法开展优化模型动态寻优,并进行不同航行方法和航行时间约束下的能效优化分析。[结果]结果显示,在总航行时间不变的情况下,采用所提的考虑多因素的船舶能效优化方法可以降低船舶5.04%的总能耗和13.16%的燃料电池氢气总消耗。[结论]所述方法对船舶节能减排具有积极的作用,同时对提高船舶续航力和经济性具有重要意义。     

基于粒子群算法的船用光伏发电系统最大功率跟踪

我国船舶应用光伏发电系统进行电力供应尚处于起步阶段,当前光伏发电系统的电能转换效率偏低,使其成为光伏发电技术应用与发展的瓶颈。从电池板自动跟踪、电池板MPPT控制算法以及最大功率跟踪3个层面入手,分析船用光伏发电系统功率跟踪的研究现状,阐述粒子群算法的基本原理与应用优缺点,并针对粒子群算法的缺点提出优化方法,论述回退粒子群算法在船用光伏发电系统最大功率中的应用,仿真实验证实该算法具备良好的收敛性和较高的精准性。     

某型自动化立体仓库储位优化算法研究

[目的]某船用自动化立体仓库在使用过程中存在不同类储具乱序的问题,该现象将影响后续物资保障效率,因此需要进行自动化立体仓库储位优化研究。[方法]首先,分析某型自动化立体仓库的运行特点,以最小化储位优化时间、同组货品距离为目标建立储位优化模型;随后,为了克服传统蒙特卡洛搜索易陷入局部最优的缺点,引入模拟退火算法进行最优节点选择优化,同时改进蒙特卡洛树搜索算法;最后,对改进的蒙特卡洛树搜索算法进行算法优化性、稳定性和收敛性测试。[结果]试验表明,与基于贪心、基于魔方还原以及传统蒙特卡洛树搜索算法相比,改进的蒙特卡洛树搜索算法在储位优化运行时间上至少优化30%。[结论]通过在蒙特卡洛树搜索算法中加入最优路径随机选择因素,能够避免算法陷入局部最优;优化后的蒙特卡洛树搜索算法能够有效实现储位优化     

基于改进RRT算法的无人艇编队路径规划技术

[目的]为了解决无人艇编队在智能航行时全局路径规划与局部自主避碰问题,提出基于改进快速搜索随机树(RRT)算法的无人艇编队路径规划技术。[方法]针对无人艇编队形状稳定问题,在RRT算法扩展环节提出一种非严格保形修正向量与非严格保形控制圆区域,使搜索树有朝着严格保形坐标点生长的趋势;针对突发障碍物与非严格保形规划点碰撞问题,在RRT算法碰撞检测环节提出可调节避碰圆区域与障碍物修正向量,使无人艇安全避碰并最大程度地保持队形稳定。[结果]结果显示,无人艇编队在该算法作用下表现出了良好的保形性能,并能对突发障碍物进行有效的避碰。[结论]该算法效能高、稳定性强、路径规划质量高,在实际工程应用中具有重要的意义。     

基于离散蝙蝠算法的舰船作战系统测试性分析

[目的]针对舰船作战系统中系统级测试性分析的测试集优化和测试序列优化问题,[方法]以多信号流图模型为基础,采用优化精度高、算法收敛速度快的离散蝙蝠算法(DBA)对最优完备测试集和各类故障测试序列进行求解,并以舰船作战系统为研究对象,将故障隔离率、平均测试代价和平均期望测试代价等主要指标与现有的优化方案进行仿真对比分析。[结果]仿真结果表明:与其他算法相比,离散蝙蝠算法具有更好的优化效果,其故障隔离率可提升5.5%、平均测试代价与期望测试代价可分别下降6.35%和17.01%。[结论]研究成果验证了离散蝙蝠算法应用于系统级测试性分析的可行性和优势,可为系统级测试性分析工程提供参考。     

基于SPH模型的2种压力振荡抑制算法比较分析

[目的]传统光滑粒子流体动力学(SPH)方法在模拟包含自由液面的水动力学问题时存在流场压力振荡。为了选取有效的算法来抑制压力振荡,对比分析密度正则化和密度耗散项这2种密度耗散算法对压力振荡的抑制效果。[方法]采用波高探测程序定量比较流动形态,并考虑运动速度对2种算法的影响。针对二维矩形液舱中的晃荡问题,考虑在不同的角速度情况下,选取流场中的压力和波面高度变化综合评判2种算法的效果。[结果]通过比较后发现,密度耗散项算法在耗散系数取为0.05时在不同的角速度情况下,均能有效抑制压力振荡,获得更稳定的流场压力和波面形态;当角速度较小时,密度正则化算法的结果较差。在角速度高的晃荡问题中,2种SPH算法对抑制压力振荡的效果基本持平。[结论]该结论具有一定的工程借鉴价值。     

基于CSSOA的多船智能避碰决策研究

[目的]智能避碰决策作为船舶安全航行的关键技术之一,对智能船舶的发展具有重要意义。针对多船会遇下的智能避碰决策问题,提出一种基于高斯变异和Tent混沌的改进麻雀搜索优化算法（CSSOA）。[方法]算法采用Tent混沌映射初始化麻雀原始种群,提高其多样性,并对适应能力差和搜索停滞的麻雀个体进行混沌映射,利用高斯变异提升局部搜索能力和鲁棒性,改进方案优化启发式算法收敛速度慢和易陷入局部最优的问题。综合考虑船舶间船速比、最小会遇距离、相对距离、最小会遇时间、相对方位等因素,利用模糊隶属度函数建立船舶碰撞风险模型,并通过多船典型会遇场景进行实例验证。[结果]实验结果显示,改进算法的平均迭代次数较粒子群算法和原麻雀算法分别减少了77.97%和53.57%。[结论]改进后的麻雀优化算法能以更优的收敛速度寻到安全经济的避碰路径,为船舶驾驶员提供避碰决策参考。     

基于恒压插值法的光伏发电系统最大功率跟踪

分析现在工程运用中最常见的两种算法(扰动观测法和定电压法)的优缺点,提出一种新的跟踪算法——恒压插值法,用Matlab进行算法模型的仿真分析,结果表明恒压插值法具有其可行性和实用性,该算法克服上述两种方法的缺点,实现有效的光伏系统最大功率跟踪。     

新型电液舵机的自抗扰控制算法及试验研究

[目的]直驱式容积控制的新型电液舵机是典型的大惯量小阻尼系统,为解决其控制快速性、稳定性以及安静性之间的矛盾,需开展电液舵机的自抗扰控制研究.[方法]首先,建立电液舵机的自抗扰控制(ADRC)模型,重点设计过渡过程以缓解启停瞬间的液压冲击;然后,搭建实物控制试验台,通过分析实物控制过程的稳定性问题,相应调整算法的滤波效...     

舰载机典型调运方案推演与时序优化

[目的]为提高舰载机甲板调运效率,开展舰载机调运路径与时序的快速规划研究.[方法]建立一种基于网络拓扑结构的调运路径快速规划方法,引入舰载机运动模型和轨迹跟踪控制方法,建立仿真推演模型.以典型出动回收作业为例探讨舰载机调运约束条件、调运原则以及优化目标,提出一种调运时序快速优化方法.[结果]仿真推演结果显示,优化算法可...     

基于高速单体无人艇航行性能的并行优化方法

基于高速单体无人艇航行性能建立包括快速性、操纵性和耐波性的综合优化数学模型,构造混合的遗传混沌算法(GAPCA)和混沌遗传算法(PCAGA),并编制相关软件对该模型进行综合优化计算,探讨混合算法和单一算法(遗传算法(GA)和混沌算法(CA))优化性能的优劣,同时研究二次载波搜索域区间比例和区间并行次数对优化效率的影响,得到遗传混沌优化算法和混沌遗传优化算法相比单一优化算法寻优效率高,不同算法对应于不同的最佳二次区间搜索比例。     

船舶混合动力推进系统多目标优化研究

为了解决船舶混合动力系统多目标优化难题，采用精确的阻力预测模型及螺旋桨模型预测9 000 DWT化学品运输船功率需求。基于推进系统的需求功率，提出基于目标聚类的方法建立多目标优化数学模型，并对系统关键设计参数进行多目标优化研究，对比分析4种典型多目标优化算法对该优化问题的适应性。结果表明：基于快速非支配排序的多目标算法对于含有整数变量、等式约束等混合动力系统多目标优化问题具有良好的鲁棒性和收敛性。采用多目标综合决策求解出的最优设计参数相较于原型船动力系统，最大能效提升约6.1%。     

多点锚泊定位系统布锚夹角的影响及优化分析

[目的]为优化布锚夹角并满足锚泊线的强度要求,提出一种计算锚泊系统静回复力的方法。[方法]使用该方法,研究布锚夹角对平台静回复力、艏向变化及锚泊线受力均匀程度的影响。利用改进的遗传算法,优化布锚夹角,并从2个方面提高算法精度:一是通过对3种因素(静回复力大小、静回复力对扰动方向的敏感程度、锚泊线的受力均匀程度)的影响分析人为生成初始种群;二是结合自适应算法加强局部搜索能力。[结果]结果显示,改进后的遗传算法拥有更高的优化精度,把优化后的结果反馈给锚泊系统受力模型,可降低锚泊线对破坏强度的要求。[结论]所做研究可为锚泊系统布锚夹角及锚泊线材质的选择提供参考。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

未知扰动下的无人艇编队优化轨迹跟踪控制

[目的]针对水面无人艇（USV）编队轨迹跟踪中存在的未知扰动和队形变化问题,提出一种基于有限时间扰动观测器的最优反步控制（FDO-OBC）方法。[方法]首先,基于虚拟结构法,建立无人艇编队控制框架,并设计运动学和动力学编队控制器;其次,设计有限时间扰动观测器,实时估计补偿未知环境扰动;然后,针对编队队形变化的轨迹跟踪问题,提出基于最优反步控制的动态轨迹优化策略,利用扰动观测器信息来计算最优控制输入,实现无人艇编队轨迹跟踪的动态优化;最后,采用李雅普诺夫稳定性理论证明该编队控制方法的稳定性。[结果]仿真对比结果表明,FDO-OBC策略可有效提高无人艇编队系统的精确性和鲁棒性。[结论]对于面向扰动环境下的无人艇编队控制系统设计,FDO-OBC方法提供了一种新的技术手段。