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。     

轨道复合不平顺对无缝线路横向变形的影响分析

轨道复合不平顺会对行车的安全及稳定性产生较大影响,也是影响无缝线路横向变形的一个重要因素。为研究轨道复合不平顺对无缝线路的具体影响,通过构建三维轨道框架非线性有限元模型,采用轨道框架单点(或多点)位置发生横向及竖向位移来模拟复合不平顺状态,通过计算获取节点位移变化规律,进而分析轨道复合不平顺对无缝线路横向变形的影响作用。研究结果表明,轨道的复合不平顺会对无缝线路的横向变形产生显著的影响;当线路出现三角坑等类似病害时,其节点位移变化更为显著,在无缝线路的日常养护维修中应尤为注意。     

最小二乘法分段在船舶航迹拟合研究中的应用

利用GPS获取到信息的船舶经纬度数据分段进行拟合,利用最小二乘法对分成3段的曲线进行船舶航行路线的拟合,建立拟合模型。通过矩阵运算将拟合函数转换为二次规划,最后通过实验仿真进行模型有效性验证。仿真结果表明,本文所采用的算法提高了航迹模拟的精准性,从而能够减小航程计算的误差。     

波形膜盘型线过渡圆角设计及优化

波形膜盘联轴器是在膜片和膜盘联轴器基础上进行研发的一种新型挠性联轴器,其核心元件为高强度高韧性不锈钢膜盘组。膜盘型线过渡圆角的设计直接关系到整个膜盘薄弱点的分布,本文通过建立有限元模型,对波形膜盘型线过渡圆角进行优化设计,改善了波形膜盘的受力分布,增大了波形膜盘联轴器的安全系数。     

基于云理论的船舶航迹容错控制研究

近年来,海上交通的密度不断增加,再加上气候条件不断恶化,飓风等极端天气时常发生,对船舶的航向保持与航迹容错控制等技术提出了更高的要求。随着计算机技术与人工智能的迅速发展,基于大数据的云理论逐渐成型,并在数据分析与控制等领域获得了广泛应用。本文建立了船舶以及船舵的运动学模型,并基于云理论对船舶的航迹容错控制技术进行了深入研究。     

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。