船舶动力定位系统推力分配优化算法研究
本文关键词:船舶动力定位系统推力分配优化算法研究
更多相关文章: 动力定位 推力分配 粒子群算法 混合优化算法
【摘要】:随着人们的海洋活动从浅海走向深海,传统的锚泊技术已经不能满足船舶深海作业的需求,动力定位技术逐渐的被应用于船舶上。动力定位是依靠船舶自身装备的各种传感器自动检测船舶的位置偏差和外界风、浪、流的干扰,在控制器的作用下由船舶的推力系统产生相应横向合力、纵向合力和回转力矩来抵消外界的干扰,使船舶保持在目标位置和艏向。推力分配单元是将所需要的合力和合力矩合理的分配给各个推进器。本文的研究对象为"海洋石油***"船舶,船舶具有复杂的推进系统,能在多种模式下工作,本文主要研究动力定位模式下的推力分配。首先,本文给出了系统数学模型,包括船舶数学模型,风、浪、流等环境载荷模型及推进系统的数学模型,根据推进器的特点结合问题实际给出了优化问题的目标函数及约束条件。然后,介绍了粒子群优化算法和遗传算法,针对粒子群优化算法容易陷入局部最优的问题,根据遗传算法的优势设计出了基于遗传算法的粒子群优化算法,并用基准函数对混合算法进行了测试,取得了较好的效果,表明了混合算法的有效性。最后,在MATLAB/Simulink仿真环境中搭建了船舶动力定位系统推力分配仿真模型,针对不同的海洋环境对比分析了粒子群优化算法和混合优化算法,结果证明混合优化算法能够有效的完成对控制器推力指令的推力分配,且能量消耗更少,并分析了不同算法参数对优化结果的影响。
【关键词】:动力定位 推力分配 粒子群算法 混合优化算法
【学位授予单位】:大连海事大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:U664.82;TP18
【目录】:
- 摘要5-6
- ABSTRACT6-10
- 第1章 绪论10-15
- 1.1 选题的背景及意义10-12
- 1.2 推力分配国内外研究现状12-13
- 1.3 本文研究的主要内容13-15
- 第2章 船舶动力定位系统推力分配数学模型15-31
- 2.1 船舶动力定位系统原理及组成15-16
- 2.2 船舶动力定位系统的坐标系16-18
- 2.3 船舶运动的数学模型18-20
- 2.3.1 船舶的水动力和力矩18-19
- 2.3.2 船舶三自由度数学模型19-20
- 2.4 环境载荷的数学模型20-25
- 2.4.1 风载荷模型20-23
- 2.4.2 浪载荷模型23-24
- 2.4.3 流载荷模型24-25
- 2.5 推进器的数学模型25-26
- 2.6 推力分配的数学描述26
- 2.7 推力优化分配的目标函数及约束条件26-30
- 2.7.1 推力优化分配目标函数的确立27-28
- 2.7.2 推力优化分配问题的约束条件28-30
- 2.8 本章小结30-31
- 第3章 基于遗传算法的粒子群优化算法研究31-54
- 3.1 粒子群优化算法31-38
- 3.1.1 粒子群算法的原理31-32
- 3.1.2 粒子群算法的参数分析32-36
- 3.1.3 粒子群算法的步骤与流程36-37
- 3.1.4 粒子群算法的特点37-38
- 3.2 遗传算法38-46
- 3.2.1 遗传算法的原理38-45
- 3.2.2 遗传算法的特点45-46
- 3.3 基于遗传算法的粒子群优化算法46-53
- 3.3.1 混合算法的设计依据及优势46
- 3.3.2 基于遗传算法的粒子群优化算法的步骤与流程46-49
- 3.3.3 混合优化算法的测试49-53
- 3.4 本章小结53-54
- 第4章 动力定位船舶推力分配优化算法仿真54-77
- 4.1 动力定位船舶的主要参数54-55
- 4.2 推力分配优化算法仿真55-62
- 4.2.1 推力分配优化算法仿真模型的建立55-56
- 4.2.2 不同推力分配优化算法下的仿真分析56-62
- 4.3 不同目标函数参数的仿真与分析62-64
- 4.4 混合算法的参数选取与分析64-67
- 4.4.1 种群大小的选取64-65
- 4.4.2 迭代次数的选取65-66
- 4.4.3 不同交叉和变异率的影响66-67
- 4.5 混合算法推力分配仿真67-76
- 4.6 本章小结76-77
- 结论与展望77-78
- 参考文献78-82
- 附录82-85
- 致谢85-86
- 作者简介86
【参考文献】
中国期刊全文数据库 前10条
1 玄登影;王福林;高敏慧;马海志;;一种改进适应度函数的遗传算法[J];数学的实践与认识;2015年16期
2 韩冰;董胜利;;一种模型预测控制算法在国产DP系统中的应用[J];上海船舶运输科学研究所学报;2015年02期
3 李荣龙;罗杰;;一种改进的粒子群优化算法[J];计算机技术与发展;2015年07期
4 丁福光;马燕芹;李江军;周元伟;;多船舶的神经网络自适应同步控制[J];计算机仿真;2015年01期
5 黄耀华;张娇;袁朝;郑卫琳;王宗哲;;粒子群算法在水库优化调度中的应用综述[J];陕西水利;2011年06期
6 金芬;孙春华;钟鸣;;遗传算法中适应度函数的改进[J];机械设计与制造;2010年03期
7 薛洪波;伦淑娴;;粒子群算法在多目标优化中的应用综述[J];渤海大学学报(自然科学版);2009年03期
8 吴显法;王言英;;动力定位系统的推力分配策略研究[J];船海工程;2008年03期
9 张秀凤;尹勇;金一丞;;规则波中船舶运动六自由度数学模型[J];交通运输工程学报;2007年03期
10 张思才;张方晓;;一种遗传算法适应度函数的改进方法[J];计算机应用与软件;2006年02期
中国博士学位论文全文数据库 前1条
1 汤可宗;遗传算法与粒子群优化算法的改进及应用研究[D];南京理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 倪全贵;粒子群遗传混合算法及其在函数优化上的应用[D];华南理工大学;2014年
2 于聪;船舶动力定位系统的推进器推力优化分配研究[D];大连海事大学;2013年
3 韩金蕊;基于遗传粒子群算法的网络编码链路优化研究[D];北京邮电大学;2013年
4 卢佳佳;船舶动力定位系统控制策略研究及应用[D];江苏科技大学;2013年
5 祝庆庆;海洋工程船动力定位系统推力分配及控位能力研究[D];江苏科技大学;2013年
6 王宗裔;粒子蜂群算法及其在DP半潜式平台推力优化分配中的应用[D];大连海事大学;2012年
7 姚纯;基于粒子群—单亲遗传算法的公交优化调度[D];长沙理工大学;2012年
8 郭晓原;遗传算法中适应度尺度变换与操作算子的比较研究[D];华北电力大学;2012年
9 申辉;动力定位推力系统效率研究[D];上海交通大学;2012年
10 朱春涛;基于粒子群遗传混合算法的配电网重构研究[D];南京理工大学;2012年
,本文编号:803289
本文链接:https://www.wllwen.com/kejilunwen/chuanbolw/803289.html