人工智能的航迹控制方法研究

在船舶自动化和电气化的发展历程中,航迹控制作为一项非常重要的功能,正受到越来越多的研究。航迹控制系统中的核心部件之一自动舵,正向着高速化和集成化方向发展。由于海洋环境越来越复杂,天气变化多端,船舶的航行安全受到了更多的威胁,急需一种高性能的自动舵航迹控制系统。本文正是基于这项需求,开发出了基于人工神经智能算法的航迹控制方法,此算法具备了强鲁棒性、自适应性和高可靠性。从仿真结果看,本控制方法的性能优越,易于推广使用。     

神经网络技术在汽轮机智能控制中的应用

世界船运业的不断发展使得船舶各种电气设备的能源和动力需求日益提高,汽轮机作为船舶主要的动力来源,也承担了越来越多的能源供给任务。而汽轮机控制技术也发生了许多新的变化,从传统的现场人力控制,渐渐发展成了计算机自动化控制。本文结合神经网络技术和PID控制技术,实现船舶汽轮机的智能化控制,此系统能够大大提高控制的水平和精度,对汽轮机的工况能够做到实时监控,很大程度上降低了故障的发生率,增强了系统的抗干扰能力,具有广阔的市场应用前景。     

海上风电大直径单桩基础固有频率影响因素的数值分析

针对海上风电整机结构其低阶固有频率的控制问题,基于有限元分析技术开展小直径桩土相互作用的数值模拟分析,与试验结果、API规范计算结果进行对比,验证了数值模型的适用性,分析大直径单桩结构桩内土芯、冲刷深度、表层土置换措施对整机固有频率的影响,结果表明,基于有限元实体单元计算所得一、二阶整机固有频率要明显大于传统p-y方法计算结果;桩内土芯对一、二阶整机固有频率影响很小;在一定范围内,随着泥面冲刷深度的增加,一、二阶固有频率降低不明显,认为传统p-y方法对于大直径单桩的适用性有待研究;在实际工程设计中,桩内土芯的影响可忽略;对于大直径单桩,在一定范围内可以忽略冲刷的影响。     

遗传神经网络的船舶运动受扰力预测模型

船舶运动受扰力预测,是实现对船舶摇摆控制的关键步骤。为达到有效控制船舶摇摆的目的,基于遗传神经网络,完成船舶运动受扰建模预报和预测方法选择。模拟船舶航行状态,设计仿真对比实验结果表明,基于遗传神经网络的船舶受扰力预测模型,有效提升横向与纵向运动受扰力预测准确性,完成有效控制船舶摇摆的目的。     

鱼雷定深航行稳定性的分叉分析

鱼雷定深运动方程含有诸多的非线性项，用传统的分析方法对其稳定性进行研究有较大难度。运用非线性科学中的分叉理论，选定鱼雷定深运动方程中的某一流体动力系数扰动值为分叉参数，系统地分析在经典比例微分深度控制系统作用下，鱼雷在退化平衡点处的航行稳定性。利用中心流形定理，推导出系统状态变量解析表达式，对系统 Hopf分叉进行分析，并进行仿真验证。结果表明，流体动力系数变化使定深航行产生 Hopf分叉，并给出了确保鱼雷稳定航行的流体动力参数取值范围。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.     

量子神经网络技术在船舶电力系统中的应用

短期负荷预测是一种电力系统优化调度工具。其不仅可为电网调度及发、供电计划提供有效的指导,而且可以保障电力系统安全和高效的运行,达到节约经济的目的。本文在分析影响船舶电网短期负荷的因素基础上,提出基于量子神经网络技术的船舶电网短期负荷预测法。