自适应混合智能优化算法及其船舶动力定位应用研究

发布时间：2017-07-19 06:07

  本文关键词：自适应混合智能优化算法及其船舶动力定位应用研究

  更多相关文章： 动力定位 自抗扰 推力分配 自适应 混合算法

【摘要】：动力定位系统利用推进器产生推力来抵御环境外力,从而使船舶或海洋平台以指定艏向保持在海面某一期望位置。由于其具有工作性能不受水深影响、操作简单方便、定位快速精确等优点,已经成为近几年来深海石油勘探与开发领域的关键技术之一。在动力定位系统中,高层控制器根据输入偏差量来计算船舶消除偏差所需的力和力矩,推力分配系统将其转化为各个推进器的推力及方向,底层控制器则控制推进电机带动螺旋桨产生推力。高层控制器与底层控制器的控制参数对控制器的控制性能影响很大,适宜的控制参数能够充分的发挥控制器的性能,使得控制效果最优。此外,推力分配问题的优化不仅能够减小推力误差,还能在降低能量能耗和设备机械磨损方面发挥积极的作用。本文以某动力定位船舶为研究对象,针对其高层控制器和底层控制器控制参数优化问题和推力分配问题建立相关数学模型,并以较为新颖的群智能算法为基础提出自适应混合智能优化来对上述动力定位中的问题进行优化处理。针对动力定位系统高层控制器的参数优化问题,首先本文以自抗扰控制器为基础根据船舶实际运动情况设计动力定位高层控制系统,使用三个自抗扰控制器分别对船舶的纵荡、横荡和艏摇运动进行控制,并分别在理想海况和四级海况下对其控制性能进行研究。然后基于该高层控制器参数情况,结合差分进化算法(DE)和生物地理学算法(BBO)提出基于DE-BBO的自适应混合智能优化算法,该算法能够根据迭代进程中每种搜索算子的表现情况自适应的选择某种搜索算法进行下一步的搜索。最后利用自适应DE-BBO算法对控制器的参数进行优化,使其在控制性能、鲁棒性等方面得到提高。针对推力分配问题,本文结合差分进化算法和粒子群算法(PSO)提出基于DE-PSO的自适应混合智能优化算法,在处理推力分配问题时,与DE算法和PSO算法相比,该算法具有误差小、收敛性快、能耗低等优点。针对底层推进器控制器参数优化问题,本文设计了基于永磁同步电机的嵌模糊矢量控制系统,并结合人工蜂群算法(ABC)和粒子群算法提出基于ABC-PSO的自适应混合智能优化算法,对其控制参数进行优化,提高控制器的控制性能。最后,总结了全文工作内容,并对下一步工作进行了展望。
【关键词】：动力定位 自抗扰 推力分配 自适应 混合算法
【学位授予单位】：集美大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U664.82
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-18
• 1.1 课题研究背景及意义10-11
• 1.2 动力定位系统概述11-13
• 1.3 国内外相关研究现状13-17
• 1.3.1 船舶动力定位系统国内外研究现状13-15
• 1.3.2 混合智能算法研究现状15-17
• 1.4 课题研究的主要内容17-18
• 第2章 船舶动力定位系统中的相关数学模型18-30
• 2.1 船舶动力定位控制系统数学模型18-25
• 2.1.1 船舶运动坐标系18-19
• 2.1.2 船舶运动方程19-21
• 2.1.3 船舶动力方程21-22
• 2.1.4 环境干扰模型22-25
• 2.2 推力分配问题的数学优化模型25-27
• 2.2.1 推力分配问题概述25
• 2.2.2 推力分配的限制条件25-26
• 2.2.3 推力分配的目标函数26-27
• 2.3 底层推进器数学模型27-29
• 2.4 本章小结29-30
• 第3章 智能优化算法30-42
• 3.1 人工蜂群算法30-34
• 3.1.1 蜜蜂采蜜行为30-32
• 3.1.2 人工蜂群算法基本原理32-34
• 3.2 粒子群算法34-35
• 3.3 差分进化算法35-37
• 3.4 生物地理学算法37-41
• 3.5 本章小结41-42
• 第4章 动力定位控制器的设计及优化42-58
• 4.1 自抗扰控制技术42-46
• 4.1.1 跟踪微分器43
• 4.1.2 扩张状态观测器43-44
• 4.1.3 非线性状态误差反馈控制率44-45
• 4.1.4 二阶ADRC控制器离散算法45-46
• 4.2 船舶动力定位自抗扰控制器的设计与仿真46-50
• 4.2.1 自抗扰控制器的设计思路46
• 4.2.2 被控对象的数学模型46-47
• 4.2.3 船舶动力定位自抗扰控制器的设计47
• 4.2.4 船舶动力定位控制仿真47-50
• 4.3 基于DE-BBO的自适应混合智能优化算法50-53
• 4.4 控制器参数优化及仿真53-57
• 4.4.1 适应度函数选择53
• 4.4.2 仿真实验与分析53-57
• 4.5 本章小结57-58
• 第5章 基于优化算法的推力分配策略研究58-68
• 5.1 参数设置58-59
• 5.2 基于DE-PSO的自适应混合智能优化算法59-60
• 5.3 船舶动力定位推力分配仿真研究60-67
• 5.4 本章小结67-68
• 第6章 底层推进器控制器设计及优化68-78
• 6.1 矢量控制与模糊控制技术68-69
• 6.2 基于嵌模糊矢量控制的底层推进器控制系统设计69-73
• 6.3 基于ABC-PSO的自适应混合智能优化算法73-74
• 6.4 控制器优化与仿真研究74-77
• 6.5 本章小结77-78
• 第7章 总结与展望78-80
• 7.1 总结78-79
• 7.2 展望79-80
• 致谢80-81
• 参考文献81-85
• 在学期间科研成果情况85

【相似文献】

中国期刊全文数据库 前10条

1 张青山,姜国庆;企业自适应的若干问题研究[J];沈阳工业大学学报;1996年S1期

2 冯晓斐,刘红,潘柏松;童车自适应设计系统的研究[J];机械设计与制造;2001年03期

3 杜群贵,刘邵宏,黄晓东;二维几何特征自适应有限元网格生成(二)——算法描述[J];计算机辅助设计与图形学学报;2004年07期

4 梁军，符雪桐，，吕勇哉;自适应PID控制──I．基本原理与算法[J];浙江大学学报(自然科学版);1994年05期

5 刘清霞;李景海;;彰武水库的自适应调度方法研究[J];安阳工学院学报;2008年02期

6 路子

本文编号：561484