原文传递
基于深度强化学习的船舶推进轴系轴承变位调整方法研究
| 论文题名： | 基于深度强化学习的船舶推进轴系轴承变位调整方法研究 |
| 关键词： | 船舶推进轴系;深度强化学习;DDPG算法;轴承负荷;轴承变位调整 |
| 摘要： | 在船舶动力系统中，推进轴系的安装质量直接影响到整个系统的工作状态。在轴系安装工作完成后只能测量部分轴系参数如轴承负荷、轴段弯矩等，更多依赖人工经验进行调整以满足规范要求，存在船舶轴系装调过程效率较低，轴承的变位调整缺乏合适的参考模型，不能快速找到当前状态下合理调整方案的问题。本文在国家自然科学基金重点项目（51839005）资助下，基于深度强化学习中的确定性策略梯度算法（DeepDeterministicPolicyGradient，DDPG），开展了利用部分轴承实测负荷预报轴承变位调整技术的研究。 首先介绍了深度强化学习算法的演变过程，分析了DDPG算法的原理。该算法能处理连续状态空间中施加连续空间动作的问题，符合轴承变位调整过程的背景。然后利用三弯矩方程构建了轴系的仿真模型，并利用有限元软件验证模型准确性，分析了轴承变位对于轴承负荷的影响。基于轴系的仿真模型，分析了轴承变位调整的马尔科夫决策过程，以此为基础确定了该过程中的状态、动作量，建立了轴承变位调整预测的DDPG算法。 在建立好的DDPG算法框架基础上，设计了奖励函数的形式、神经网络的结构，以及相关的算法超参，讨论分析了神经网络学习率对算法收敛性的影响。针对算例中前艉轴承在原始的预测调整方案下负荷偏大的问题，重新设计了奖励函数的形式，经训练后，所预测得到的调整策略明显优于原方案。 为进一步减少轴承调整的工作量，分析了顶举法测量负荷带来的误差，并将利用三弯矩方程求解的顶举系数加入到轴系仿真环境中，使得模型能以当前顶举负荷为输入，提出减少轴承调整数量的优化目标，讨论了优化目标实现的方案，并根据优化方案进一步优化了奖励函数的形式，基于新的DDPG算法，能实现减少轴承的调整数量，为实际工程提供理论参考。 |
| 作者： | 浣子然 |
| 专业： | 机械 |
| 导师： | 李天匀;李增光 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
