原文传递
数据驱动的耙吸式挖泥船疏浚作业模型及优化
| 论文题名： | 数据驱动的耙吸式挖泥船疏浚作业模型及优化 |
| 关键词： | 耙吸式挖泥船;疏浚作业模型;数据驱动;神经网络;操作参数 |
| 摘要： | 耙吸式挖泥船因其机动灵活，效率高，抗风浪力强的特点，非常适合在沿海港口、航道、宽阔的江面进行疏浚作业，从而受到各大航道疏浚、港口建设等工程的青睐。现代耙吸式挖泥船普遍配备先进，自动化控制集成程度高，易于人工操纵。然而影响疏浚作业效率的因素很多，包括土质、风力等环境因素以及对船速、耙头深度等相关的人为设置参数。各个参数与疏浚产量之间关系复杂不明和安全施工的限制条件使得难以确定实际疏浚作业的优化施工参数。如何优化施工参数，在保证作业安全的前提下提高疏浚效率成为疏浚作业中的难题。 本文运用数据驱动建模技术建立挖泥船疏浚作业产量模型。由挖泥船疏浚监测平台采集实际作业生产数据。综合耙吸式挖泥船的机理模型和实际数据的定量分析，对实际生产数据进行与产量相关的特征选择。通过特征选择，确定最优变量子集作为产量相关最优变量集。以最优变量集合中的变量为输入，以干土吨生产率为输出，用瀑流关联神经网络训练产量模型。并用实际生产数据，验证产量模型的准确性和泛化能力。 将神经网络算法与遗传算法结合，应用于产量优化问题。得到的优化参数与统计方法所得的最优参数进行比较，验证其可行性。这种优化方法以实际工程数据为基础，不依赖于机理模型的准确描述，对于施工参数优化问题具有很好的快速性和适应性。 本文还介绍了基于以上优化方法的辅助决策软件开发。根据算法模型，利用试挖历史数据，辅助决策软件可以给出在该工况条件下的最优建议操作参数。 |
| 作者： | 张朔 |
| 专业： | 控制科学与控制工程 |
| 导师： | 杨根科 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海交通大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
