原文传递
船用起重机主动升沉补偿预报算法与实验研究
| 论文题名： | 船用起重机主动升沉补偿预报算法与实验研究 |
| 关键词： | 船用起重机;升沉补偿;预报算法;支持向量机 |
| 摘要： | 具有主动升沉补偿系统的船用起重机是智能化的海洋工程装备，能够补偿因风、浪、流等环境因素干扰而引起的吊物升沉扰动，从而保障海上吊装的安全性。但在实际补偿控制中，传感器与执行机构间存在时滞现象，造成系统的控制品质变差，严重影响控制系统的补偿精度。如果能提前准确预报出未来短期内的升沉运动值，并提前根据预报值输出控制指令，这将使得升沉补偿系统跳过“死区”，从而提高该系统的补偿精度和稳定性。因此，开展船用起重机升沉运动预报算法的研究，将对主动升沉补偿技术的发展具有重要的理论意义与实用价值。 本文采用理论研究、计算机建模仿真与实验分析相结合的研究方法对船用起重机主动升沉补偿预报算法进行研究。主要完成的研究工作如下： 首先，深入分析了船用起重机出绳点升沉运动时间序列的内在特性，根据时间序列的混沌特征参数，证明了船用起重机出绳点升沉运动时间序列具有混沌特性，利用相空间重构技术对升沉运动序列进行重构后建立了最小二乘支持向量机(LSSVM)的多步预报模型，采用不同浪向角下的升沉运动序列进行预报仿真，仿真结果表明，与单一的LSSVM预报模型相比，基于混沌理论与LSSVM的预报模型，充分挖掘了船用起重机出绳点升沉运动时间序列所蕴含的变化特性及规律，预报结果更加准确。 其次，从极限学习机与序贯极限学习机（OSELM）的原理及基本结构出发，建立了混沌理论与OSELM的组合预报模型（COSELM），针对该预报模型仿真结果的不稳定性，提出了一种基于OSELM的优化算法——增强搜索序贯极限学习机（ES-OSELM），它能利用误差最小化方法优化选择极限学习机的隐藏层神经元数。应用混沌理论与ES-OSELM组合预报模型(CES-OSELM)对升沉运动时间序列进行了20秒的超前预报，仿真结果表明，基于 CES-OSELM的模型比COSELM的预报模型具有更好的稳定性和更高的预报精度。 最后，为检验以上预报算法的实时性和准确性，研制了一套船用起重机升沉运动预报半物理仿真实验系统，包括三自由度船舶运动模拟实验台、起重机起吊机构和实验台控制单元的设计以及运动测量、解算方法的研究。控制单元根据输入的船舶运动数据，驱动实验台模拟船舶的纵摇、横摇和升沉运动，运动预报单元实时接收起重机出绳点升沉运动数据并对其进行建模和预报，实验结果表明，基于CES-OSELM模型的预报精度高，其综合性能优于基于混沌理论与LSSVM的预报模型，该预报算法对提高船用起重机主动式升沉补偿系统的控制性能和稳定性具有较高应用和推广价值。 |
| 作者： | 段江哗 |
| 专业： | 动力工程 |
| 导师： | 张大兵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湘潭大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
