遗传粒子群优化算法在船舶动力定位控制中的应用

针对船舶动力定位系统精确定点控制的问题,结合遗传算法(GA)独特的选择交叉变异功能和粒子群优化算法(PSO)较好的记忆功能等优点,提出了遗传粒子群(GAPSO)算法,并应用到最优控制性能指标加权矩阵的权重系数选择中。通过1艘海工多用途动力定位船舶定点控制仿真实验,使船舶纵荡和横荡的位置及艏摇角都逐渐保持在期望值,且所有输出值都收敛有界,结果与传统最优控制相比,遗传粒子群算法在最优控制中更具有效性及较好的寻优性能,有益于船舶工程的应用。

基于二维卷积神经网络的BLDCM驱动系统故障检测方法

针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题,提出一种基于二维卷积神经网络2D-CNN(two-dimensional convolution neural network)自适应特征提取的故障检测方法,避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号进行FFT预处理,并将一维数据转换为矩阵形式作为2D-CNN的输入数据,然后利用Adam优化的softmax分类器对2D-CNN提取的故障特征进行分类,实现逆变器不同故障模式的状态识别。实验结果表明,2D-CNN模型在不同工况、不同故障模式下的故障诊断准确率均优于多层感知机MLP(multi-layer perceptron)和堆栈去噪自动编码器SDAE(stacked denoising auto encoder)方法。实验结果验证了所提方法的有效性和准确性,可为功率变换系统健康状态评估奠定理论基础。

船舶动力定位自适应滤波器设计

传统的陷波滤波器虽然能够很好的滤除一阶高频海浪波,但是滤波的同时也使得信号产生了相位滞后,在时域里面的表现就是信号的延时。卡尔曼滤波器虽然能够解决这一问题,但是其非常依赖于船舶模型。本文针对传统陷波滤波器的缺陷,使用了一种积分补偿型陷波滤波器,对传统的陷波滤波器进行改进。并以某拖轮为仿真对象进行仿真实验,其结果表明,该滤波器不但能够很好的滤除高频海浪波,还能够保持很好的相位特性。同时,递推的最小二乘估计(RLS)方法能够实时的估计出海浪的主导波频,使得陷波滤波器具有很好的自适应性。

基于扩张观测器的船舶动力定位系统反演滑模变结构控制

针对海洋平台船舶动力定位控制系统,结合反演滑模控制与扩张观测器的优势,提出一种基于扩张观测器的船舶动力定位反演滑模控制方法。考虑到系统存在未知外部干扰以及船舶模型参数不确定性的问题,将系统分为内环观测器和外环控制器分别设计,首先利用扩张观测器估计系统的未知状态及不确定项,然后在外环的反演滑模控制器中进行补偿,最后用Lyapunov方法证明系统的稳定性。通过船舶定点控制仿真实验表明,基于扩张状态观测器的反演滑模控制器使得船舶纵荡和横荡的位置及首摇角度逐渐保持在期望值,具有较强的鲁棒性和控制性,能够有效抑制传统滑模控制的抖振问题,有益于船舶工程应用。