综合减摇系统耦合分析方法研究

对船舶综合减摇系统耦合机理进行分析,有利于综合减摇系统控制器设计及参数优化配置。为寻求综合减摇系统中鳍和水舱耦合影响效果,提出把装备被动水舱的船舶横摇角之差折算为等效波倾角,利用减摇前后波倾角幅值变化来获得减摇水舱对船舶横摇影响。并将此变化量嵌入到Fluent UDF自定义函数中,利用编程模拟在船舶-被动式减摇水舱作用下减摇鳍周围流场变化状况,并获得鳍表面压力分布图。通过仿真模拟考察了不同条件下鳍和水舱的耦合效应,为综合减摇系统参数配置及控制器优化提供理论依据。

广义预测算法在综合减摇系统控制器设计中的应用

在综合减摇系统中,由于变量间耦合因素的存在,往往会导致系统达不到最佳控制状态。基于广义预测算法具有自适应、鲁棒性强等优点,将其应用到综合减摇系统控制器设计中,不仅可降低系统内在耦合作用,还能消除因外界随机干扰产生的不利影响。为验证该算法的有效性,对嵌入广义预测算法的控制模型进行跟踪特性分析,并对系统横摇角进行仿真,结果表明基于广义预测算法的控制器具有良好的控制效果。

鳍-水舱综合减摇混沌系统控制方法研究

针对船舶减摇问题,对综合减摇系统动力学模型方程进行分析,可知该系统为混沌系统。利用相图与Lyapunov指数谱分析方法,验证该系统在特定条件下的混沌行为,通过选取合理受控参数,利用非线性反馈控制方法使系统的混沌行为得到有效控制。该方法使系统混沌动力学行为得到了改善,并保留了系统原有的动力学特性。将混沌搜索算法与蚁群算法相结合,实现对PID控制参数寻优,使混沌蚁群算法不仅具备较强全局优化能力,与此同时,系统的收敛速度得到提高,该控制系统的性能得到增强。

改进粒子群算法的PID神经网络解耦控制

综合减摇控制系统存在非线性、多变量、强耦合等因素,会导致减摇系统达不到最佳控制状态。利用粒子群算法具有对整个空间进行高效搜索以及PID神经网络的自适应特点,提出一种改进粒子群算法,以解决粒子群算法中存在算法精度不高、粒子易陷入局部极小值等问题,并提高PID神经网络训练速度和训练精度,便于参数寻优。仿真结果表明,改进的粒子群算法具有一定优越性,将其运用到综合减摇控制系统解耦控制器设计中,能够有效地减小船舶横摇,达到较好的控制效果。