CN109765910A - 一种基于改进差分进化算法的船舶动力定位推力分配方法 - Google Patents
一种基于改进差分进化算法的船舶动力定位推力分配方法 Download PDFInfo
- Publication number
- CN109765910A CN109765910A CN201910176370.3A CN201910176370A CN109765910A CN 109765910 A CN109765910 A CN 109765910A CN 201910176370 A CN201910176370 A CN 201910176370A CN 109765910 A CN109765910 A CN 109765910A
- Authority
- CN
- China
- Prior art keywords
- propeller
- thrust
- individual
- differential evolution
- evolution algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供一种基于改进差分进化算法的船舶动力定位推力分配方法,通过确定船舶推进装置布局,载入各推进器的参数,接受目标控制指令,建立推进器最优方向预测模型;将上一刻得到的全局最优方向导入到当前时刻的最优方向预测模型,作为优化改进的差分进化算法的初始种群,通过改进的差分算法获取推进器在当前时刻下的全局最优方向;根据求得的全局最优解,实时更新推进器方向,再通过二次规划法得到推进器的推力。本发明减少了推进器状态调整过程中的推力误差,改善了长期能耗效率和机动性;减少了差分进化算法的搜索维度,解决了差分进化算法收敛速度慢、易陷入局部最优解的问题;使连续时间内得到的全局最优解更平滑,避免了不必要的波动。
Description
技术领域
本发明属于船舶运动控制领域,具体涉及一种基于改进差分进化算法的船舶动力定位推力分配方法。
背景技术
船舶动力定位***的主要功能是保持船舶在期望的位置或驱动船舶沿着指定的轨迹航行。它主要根据船舶的当前的位置状态与期望值之间的偏差量和外部环境干扰,计算出船舶实时所需要的总的推力和力矩,然后再根据推力分配逻辑方法计算出船舶装备的各个推进器的所需产生的推力及其角度,并将控制指令传送到推进器,推进器根据该指令产生要求的推力完成船舶定位。因此,推力分配是动力定位中重要的一环,它将控制器与推力***联系起来形成一个整体。推力分配优化问题是一个多约束优化问题,它要求推进器实时高效合理地产生船舶所需要的推力,并满足在保持一定程度的操纵性的同时尽量使能耗最小。合理的推力分配方法不仅能够提高船舶定位精度,而且还拥有降低能量消耗,减少机械磨损和噪声等功能。
传统推力分配优化主要采用单步优化算法,如SQP。单步优化方法灵活、适用范围广,但每次优化的变量可行域十分有限,并且忽略了对推进器状态的长期优化,可能导致推进器状态陷入次优解,降低能耗效率和机动性。
发明内容
本发明的目的在于提供了一种基于改进差分进化算法的船舶动力定位推力分配方法,克服单步优化推力分配方法中存在的缺陷。
本发明的目的是这样实现的:
一种基于改进差分进化算法的船舶动力定位推力分配方法,具体的实现步骤为:
步骤1.确定船舶推进装置布局,载入各推进器的参数,接受目标控制指令,建立推进器最优方向预测模型;
步骤2.将上一刻得到的全局最优方向导入到当前时刻的最优方向预测模型,作为优化改进的差分进化算法的初始种群,通过改进的差分算法获取推进器在当前时刻下的全局最优方向;
步骤3.根据求得的全局最优解,实时更新推进器方向,再通过二次规划法得到推进器的推力。
步骤1所述的推进器最优方向预测模型为
其中W为推进器功率系数矩阵,Td为全局最优方向下的能耗最优推力,s为松弛变量,Q为误差权值矩阵,αd为长期变化范围内的推进器状态的全局最优解,α0为前一时刻的推进器的方位角,权值矩阵Ω>0,B为推力结构矩阵,δ>0为调节系数,ε>0为平衡系数。
步骤2的具体过程为:
步骤2.1生成初始种群,初始种群有M个个体,每个个体的编码为推进器的预期角度αj,导入前一时刻通过改进的差分进化求得的全局最优解αd0,再随机生成M-1个在可行域内的个体,由αd0和M-1个随机生成的个体组成当前时刻的改进的差分进化算法的初始种群;
步骤2.2.分别求解每个个体的适应度,并记下每个个体的适应度;
步骤2.3.将个体按其适应度从大到小的顺序排列,将前u个个体(u<M)记为精英个体,适应度最大的个体记为最优个体αopt;
步骤2.4.对该种群的所有个体进行变异操作,
αj=αopt+Ra·(αj-αopt)
其中Ra为0.5到1.5的随机数;若αj=αopt或αj不在可行域内,则令αj重新随机生成为可行域内的一个新个体;
步骤2.5.再次求解该种群中每个个体的适应度,并将M个个体和u个精英个体依据适应度从大到小排序,重新标记精英个体和最优个体;
步骤2.6.判断种群的进化代数是否达到了预设的数值,若为是,则令αd=αopt,并输出αd,若为否,则返回步骤2.4。
步骤2.2所述的个体αj的适应度F(αj)为
B(αj)T+s=τc,
给定推进器方向的个体αj,在该方向下的能耗最优推力为
其中为推力结构矩阵B(αj)的加权广义逆,W=diag([W1,W2,…,Wn])为推进器功率系数矩阵,计算推力T为
所述步骤3具体包括
步骤3.1.根据得到的长期变化范围内推进器状态的全局最优解αd以及推进器当前方向α0得到推进器下一时刻的方向α,
α=α0+Δα,
dα=αd-α0,dα∈(-180°,180°],
其中Δαmax和Δαmin分别是推进器在单位采样时间内最大方向变化角度,而且有Δαmax>0表示推进器在单位采样时间的最大顺时针转向角度,Δαmin<0表示推进器在单位采样时间的最大逆时针转向角度;
步骤3.2.得到下一时刻的推进器方向α后,通过解决二次规划问题确定下一时刻的推进器推力Tp,
Tp=argmin(sTs),
Tpmin=max(T0-ΔTmin,Tmin)为推进器在当前采样时间所能产生的最大的推力,Tpmax=min(T0+ΔTmax,Tmax)为推进器在当前采样时间所能产生的最小的推力,T0为推进器在上个采样时间结束时的推力,ΔTmin是推进器在单位采样时间的最大减量,ΔTmax是推进器在单位采样时间的最大增量,Tmin为推进器能产生的最小的推力,Tmax为推进器能产生的最大的推力。
本发明的有益效果在于:本发明的计算方法可以显著减少推进器状态调整过程中的推力误差,改善了长期能耗效率和机动性;极大减少了差分进化算法的搜索维度,解决了差分进化算法收敛速度慢、易陷入局部最优解的问题;使得连续时间内得到的全局最优解更平滑,有效的避免不必要的波动。
附图说明
图1为基于改进差分进化算法的推力分配方法原理框图。
图2为改进差分进化算法流程图。
图3为船舶模型推进器布置示意图。
图4为单步优化和带预测模型的推进器方向变化对比曲线。
图5为单步优化和带预测模型的推进器推力变化对比曲线。
图6为单步优化和带预测模型的合力变化曲线与指令力输入曲线。
图7为单步优化和带预测模型的推进器功率消耗对比曲线。
具体实施方式
下面结合附图对本发明做进一步的描述:
实施例1
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
传统推力分配优化主要采用伪逆算法、序列二次优化与启发式等优化算法,这些分配算法均为单步优化算法,每次优化的变量可行域十分有限,并且忽略了对推进器状态的长期优化,可能导致推进器状态陷入次优解,降低能耗效率和机动性。
针对以上问题,本申请提出一种基于改进差分进化算法的动力定位船推力分配方法,其特征在于,包括:
步骤1.确定船舶推进装置布局,载入各推进器的参数,其中,推进器的参数包括:推进器推力方向可变范围、推力大小可变范围、推力方向变化率范围、推力大小变化率范围;接受目标控制指令,建立推进器最优方向预测模型:
全局最优方向满足
Td为全局最优方向下的能耗最优推力,由下列公式确定:
T’dopt=W-1B(αd)T(B(αd)W-1B(αd)T)-1τc,
松弛变量s由下面公式确定:
B(αd)Td+s=τc
其中:τc为目标控制指令力;αd为长期变化范围内的推进器状态的全局最优解,在本发明中,以该变量作为差分进化算法中的个体;误差权值矩阵Q为对角正定矩阵,其应取大值,用以保证误差s趋近于零。(αd-α0)TΩ(αd-α0)用于将全局最优解约束在推进器当前方位角的附近,其中α0为前一时刻的推进器的方位角,权值矩阵Ω>0用来调节优化目标,Ω越接近0矩阵,推进器最优方向预测模型的搜索范围越大,但推进器短时间内的控制效果越差,因此要根据实际情况给Ω设置一个较为合理的值。第四项用来避免奇异结构,其中
lxn和lyn分别是第n个推进器的X方向坐标和Y方向坐标;X方向为从船中到船艏,Y方向为从船中到船右舷;推进***越趋近于奇异,即det(B(αd)BT(αd))越接近于零,则第四项的值越大;式中ε>0,用于避免第四项的分母为0;δ>0是调节系数,用来平衡船舶的能耗与操纵性,δ取值越大操纵性越好,但相应的推进器能耗也会有所增加;Tmin和Tmax分别为推进器所能产生的最大的反向推力和正向推力;Sα为推进器允许方向的集合;
步骤2.将上一刻得到的全局最优方向αd0导入到当前时刻的最优方向预测模型,用于优化改进的差分进化算法的初始种群,再通过改进的差分算法获取推进器在当前时刻下的全局最优方向;通过导入上一时刻的全局最优方向可以有效的增加差分进化算法的收敛速度和求解精度;
具体的,所述步骤S2具体包括:
步骤2.1.生成初始种群,初始种群有M个体,每个个体的编码为推进器的预期角度α;
所述步骤2.1具体包括:
导入前一时刻通过改进的差分进化求得的全局最优解αd0,再随机生成M-1个在可行域内的个体,由αd0和M-1个随机生成的个体组成当前时刻的改进的差分进化算法的初始种群。
步骤2.2.分别求解每个个体对应的适应度,并记下每个个体的适应度;
所述步骤2.2具体包括:
对于给定推进器方向的个体αj,在该方向下的能耗最优推力为
其中:为推力结构矩阵B(αj)的加权广义逆,W=diag([W1,W2,…,Wn])为推进器功率系数矩阵;由于通过加权广义逆得到的Topt可能超出推进器的推力范围,因此对于个体αj的计算推力T还要加上约束,有
将得到的约束下的计算推力T带入下列公式,便可得到个体αj的适应度F(αj):
B(αj)T+s=τc。
步骤2.3.将个体按其适应度从大到小的顺序排列,将前u个个体(u<M)记为精英个体,适应度最大的个体记为最优个体αopt;
步骤2.4.按照下面的公式对该种群的M个个体进行变异操作,
αj=αopt+Ra·(αj-αopt);
其中Ra为0.5到1.5的随机数;若αj=αopt或αj不在可行域内,则令αj重新随机生成为可行域内的一个新个体;
步骤2.5.再次求解该种群中每个个体的适应度,并将M个个体和u个精英个体依据适应度从大到小排序,重新标记精英个体和最优个体;
步骤2.6.判断种群的进化代数是否达到了预设的数值,若为是,则令αd=αopt,并输出αd,若为否,则返回步骤S34。
步骤3.根据上一步求得的全局最优方向,实时更新推进器方向,再通过二次规划法得到推进器的推力。
所述步骤3具体包括:
步骤3.1.根据得到的长期变化范围内推进器状态的全局最优解αd以及推进器当前方向α0得到推进器下一时刻的方向α,有
α=α0+Δα,
dα=αd-α0,dα∈(-180°,180°],
其中:Δαmax和Δαmin分别是推进器在单位采样时间内最大方向变化角度,而且有Δαmax>0,表示推进器在单位采样时间的最大顺时针转向角度;Δαmin<0,表示推进器在单位采样时间的最大逆时针转向角度;
步骤3.2.得到下一时刻的推进器方向α后,便可通过解决下面的二次规划问题确定下一时刻的推进器推力Tp:
Tp=arg min(sTs),
Tpmax和Tpmin为推进器在当前采样时间所能产生的最大的推力和最小的推力,具体形式如下所示:
Tpmin=max(T0-ΔTmin,Tmin),
Tpmax=min(T0+ΔTmax,Tmax),
其中,T0为推进器在上个采样时间结束时的推力,ΔTmin和ΔTmax分别是推进器在单位采样时间的最大减量和最大增量,Tmin和Tmax分别为推进器能产生的最小的推力和最大的推力。
为了进一步了解本发明的内容、特点及功效,兹举例一下实施例,并配合附图详细说明如下:
对于某只动力定位船舶,装有三个推进装置,船舶模型推进器布置示意图见图3,其具体参数如表1。
表1推进器相关参数
其中,推进器1的方向固定为90°,推进器2和推进器3均可全方位旋转,但转向速度最高为1度每秒,推进器推力由0到最大需要5秒,采样时间设为0.1秒。
改进的差分进化算法种群个体M=80,精英个体u=40,最大进化代数T=20。
其余的参数设置,有:
α0=[90°,-80°,-80°]T,T0=[0,0,0]T,W1=41.9190,W2=1.5844,W3=1.5844;
Q=diag([1000,1000,1000]),Ω=diag([0.06,0.06,0.06]),δ=10,ε=10-5,
指令力
为进一步的说明本发明中提出的方法能有效的克服传统单步优化推力分配方法的缺陷,仿真试验分别给出了由本发明中提出的基于改进差分进化算法带预测模型的推力分配方法得到的结果以及由基于改进差分进化算法的单步优化推力分配方法得到的结果,并将两种方法得到的结果进行了对比,对比结果见图4-图7。
与现有技术相比,本发明具有以下有益效果:
1.在本发明中,我们首先建立推进器最优方向预测模型,并通过改进的差分进化算法获取长期变化范围内的推进器状态的全局最优解,从而引导推进器由当前状态变化至最优状态。该算法可以显著减少推进器状态调整过程中的推力误差,改善了长期能耗效率和机动性。
2.推进器状态长期可行域非常大,在优化过程中会带来多局部极值问题。为解决该问题,本发明采用了一种针对推进器最优方向预测模型的改进差分进化算法。将伪逆算法引入差分进化算法算子中,极大减少了差分进化算法的搜索维度,解决了差分进化算法收敛速度慢、易陷入局部最优解的问题。
3.连续时间域内,将前一个时刻得到的全局最优解导入这一时刻的差分进化算法的初始种群中,可以在目标控制指令力变化不大的情况下更快速精确的找到当前时刻的全局最优解,从而使得连续时间内得到的全局最优解更平滑,有效的避免不必要的波动。
Claims (5)
1.一种基于改进差分进化算法的船舶动力定位推力分配方法,其特征在于,具体的实现步骤为:
步骤1.确定船舶推进装置布局,载入各推进器的参数,接受目标控制指令,建立推进器最优方向预测模型;
步骤2.将上一刻得到的全局最优方向导入到当前时刻的最优方向预测模型,作为优化改进的差分进化算法的初始种群,通过改进的差分算法获取推进器在当前时刻下的全局最优方向;
步骤3.根据求得的全局最优解,实时更新推进器方向,再通过二次规划法得到推进器的推力。
2.根据权利要求1所述的一种基于改进差分进化算法的船舶动力定位推力分配方法,其特征在于:步骤1所述的推进器最优方向预测模型为
其中W为推进器功率系数矩阵,Td为全局最优方向下的能耗最优推力,s为松弛变量,Q为误差权值矩阵,αd为长期变化范围内的推进器状态的全局最优解,α0为前一时刻的推进器的方位角,权值矩阵Ω>0,B为推力结构矩阵,δ>0为调节系数,ε>0为平衡系数。
3.根据权利要求1所述的一种基于改进差分进化算法的船舶动力定位推力分配方法,其特征在于,步骤2的具体过程为:
步骤2.1生成初始种群,初始种群有M个个体,每个个体的编码为推进器的预期角度αj,导入前一时刻通过改进的差分进化求得的全局最优解αd0,再随机生成M-1个在可行域内的个体,由αd0和M-1个随机生成的个体组成当前时刻的改进的差分进化算法的初始种群;
步骤2.2.分别求解每个个体的适应度,并记下每个个体的适应度;
步骤2.3.将个体按其适应度从大到小的顺序排列,将前u个个体(u<M)记为精英个体,适应度最大的个体记为最优个体αopt;
步骤2.4.对该种群的所有个体进行变异操作,
αj=αopt+Ra·(αj-αopt)
其中Ra为0.5到1.5的随机数;若αj=αopt或αj不在可行域内,则令αj重新随机生成为可行域内的一个新个体;
步骤2.5.再次求解该种群中每个个体的适应度,并将M个个体和u个精英个体依据适应度从大到小排序,重新标记精英个体和最优个体;
步骤2.6.判断种群的进化代数是否达到了预设的数值,若为是,则令αd=αopt,并输出αd,若为否,则返回步骤2.4。
4.根据权利要求1或3所述的一种基于改进差分进化算法的船舶动力定位推力分配方法,其特征在于,步骤2.2所述的个体αj的适应度F(αj)为
B(αj)T+s=τc,
给定推进器方向的个体αj,在该方向下的能耗最优推力为
其中为推力结构矩阵B(αj)的加权广义逆,W=diag([W1,W2,…,Wn])为推进器功率系数矩阵,计算推力T为
5.根据权利要求1所述的一种基于改进差分进化算法的船舶动力定位推力分配方法,其特征在于,所述步骤3具体包括
步骤3.1.根据得到的长期变化范围内推进器状态的全局最优解αd以及推进器当前方向α0得到推进器下一时刻的方向α,
α=α0+Δα,
dα=αd-α0,dα∈(-180°,180°],
其中Δαmax和Δαmin分别是推进器在单位采样时间内最大方向变化角度,而且有Δαmax>0表示推进器在单位采样时间的最大顺时针转向角度,Δαmin<0表示推进器在单位采样时间的最大逆时针转向角度;
步骤3.2.得到下一时刻的推进器方向α后,通过解决二次规划问题确定下一时刻的推进器推力Tp,
Tp=argmin(sTs),
Tpmin=max(T0-ΔTmin,Tmin)为推进器在当前采样时间所能产生的最大的推力,Tpmax=min(T0+ΔTmax,Tmax)为推进器在当前采样时间所能产生的最小的推力,T0为推进器在上个采样时间结束时的推力,ΔTmin是推进器在单位采样时间的最大减量,ΔTmax是推进器在单位采样时间的最大增量,Tmin为推进器能产生的最小的推力,Tmax为推进器能产生的最大的推力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910176370.3A CN109765910B (zh) | 2019-03-08 | 2019-03-08 | 一种基于改进差分进化算法的船舶动力定位推力分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910176370.3A CN109765910B (zh) | 2019-03-08 | 2019-03-08 | 一种基于改进差分进化算法的船舶动力定位推力分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109765910A true CN109765910A (zh) | 2019-05-17 |
CN109765910B CN109765910B (zh) | 2021-10-01 |
Family
ID=66458097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910176370.3A Active CN109765910B (zh) | 2019-03-08 | 2019-03-08 | 一种基于改进差分进化算法的船舶动力定位推力分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109765910B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111061285A (zh) * | 2019-12-12 | 2020-04-24 | 哈尔滨工程大学 | 一种船舶动力定位推力分配方法 |
CN111572729A (zh) * | 2020-04-07 | 2020-08-25 | 哈尔滨工程大学 | 一种基于改进遗传算法的船舶动力定位***推力分配方法 |
CN112083651A (zh) * | 2020-08-04 | 2020-12-15 | 上海交通大学 | 一种双泵喷水推进无人艇推力动态分配方法 |
CN112327619A (zh) * | 2020-10-22 | 2021-02-05 | 智慧航海(青岛)科技有限公司 | 一种基于多算法结合的推力分配优化方法 |
CN112394641A (zh) * | 2020-11-25 | 2021-02-23 | 哈尔滨工程大学 | 一种基于双线程并行计算的船舶实时推力分配方法 |
CN112394640A (zh) * | 2020-08-18 | 2021-02-23 | 东南大学 | 参数整定方法、装置、存储介质及参数整定单元 |
CN112947450A (zh) * | 2021-02-20 | 2021-06-11 | 哈尔滨工程大学 | 一种多模块船协同推力分配方法 |
CN113126503A (zh) * | 2021-04-28 | 2021-07-16 | 上海海事大学 | 一种考虑推进器故障的智能船舶推力分配方法 |
CN114362436A (zh) * | 2021-12-31 | 2022-04-15 | 南京东南工业装备股份有限公司 | 一种船舶柴油机主推进控制操控装置 |
CN116300426A (zh) * | 2023-05-10 | 2023-06-23 | 南通大学 | 一种带监督机制的推力分配方法 |
CN116909176A (zh) * | 2023-09-07 | 2023-10-20 | 中国船舶集团有限公司第七〇七研究所 | 一种动力定位船推力分配策略评测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6450112B1 (en) * | 1999-04-02 | 2002-09-17 | Nautronix, Inc. | Vessel control force allocation optimization |
CN102841970A (zh) * | 2012-09-21 | 2012-12-26 | 上海交通大学 | 采用动态禁止角的动力定位推力分配装置及其分配方法 |
CN106773722A (zh) * | 2017-02-17 | 2017-05-31 | 哈尔滨工程大学 | 一种基于人工鱼群算法的船舶动力定位***推力分配方法 |
CN108255062A (zh) * | 2018-01-22 | 2018-07-06 | 集美大学 | 基于改进差分进化机理的动力定位节能推力分配方法 |
CN108594651A (zh) * | 2018-03-16 | 2018-09-28 | 上海交通大学 | 一种船舶动力定位推力分配智能优化方法 |
CN108845576A (zh) * | 2018-06-28 | 2018-11-20 | 中国船舶重工集团公司第七0七研究所 | 一种基于粒子群与序列二次规划结合的推力分配方法 |
-
2019
- 2019-03-08 CN CN201910176370.3A patent/CN109765910B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6450112B1 (en) * | 1999-04-02 | 2002-09-17 | Nautronix, Inc. | Vessel control force allocation optimization |
CN102841970A (zh) * | 2012-09-21 | 2012-12-26 | 上海交通大学 | 采用动态禁止角的动力定位推力分配装置及其分配方法 |
CN106773722A (zh) * | 2017-02-17 | 2017-05-31 | 哈尔滨工程大学 | 一种基于人工鱼群算法的船舶动力定位***推力分配方法 |
CN108255062A (zh) * | 2018-01-22 | 2018-07-06 | 集美大学 | 基于改进差分进化机理的动力定位节能推力分配方法 |
CN108594651A (zh) * | 2018-03-16 | 2018-09-28 | 上海交通大学 | 一种船舶动力定位推力分配智能优化方法 |
CN108845576A (zh) * | 2018-06-28 | 2018-11-20 | 中国船舶重工集团公司第七0七研究所 | 一种基于粒子群与序列二次规划结合的推力分配方法 |
Non-Patent Citations (2)
Title |
---|
YUSHI WEI等: "Quadratic Programming Thrust Allocation and Management for Dynamic Positioning Ships", 《TELKOMNIKA》 * |
张文彬等: "基于二次规划法的动力定位能力分析研究", 《航电技术》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111061285A (zh) * | 2019-12-12 | 2020-04-24 | 哈尔滨工程大学 | 一种船舶动力定位推力分配方法 |
CN111061285B (zh) * | 2019-12-12 | 2022-08-02 | 哈尔滨工程大学 | 一种船舶动力定位推力分配方法 |
CN111572729A (zh) * | 2020-04-07 | 2020-08-25 | 哈尔滨工程大学 | 一种基于改进遗传算法的船舶动力定位***推力分配方法 |
CN112083651A (zh) * | 2020-08-04 | 2020-12-15 | 上海交通大学 | 一种双泵喷水推进无人艇推力动态分配方法 |
CN112394640A (zh) * | 2020-08-18 | 2021-02-23 | 东南大学 | 参数整定方法、装置、存储介质及参数整定单元 |
CN112394640B (zh) * | 2020-08-18 | 2022-06-07 | 东南大学 | 参数整定方法、装置、存储介质及参数整定单元 |
CN112327619A (zh) * | 2020-10-22 | 2021-02-05 | 智慧航海(青岛)科技有限公司 | 一种基于多算法结合的推力分配优化方法 |
CN112327619B (zh) * | 2020-10-22 | 2022-12-09 | 智慧航海(青岛)科技有限公司 | 一种基于多算法结合的推力分配优化方法 |
CN112394641B (zh) * | 2020-11-25 | 2023-09-29 | 哈尔滨工程大学 | 一种基于双线程并行计算的船舶实时推力分配方法 |
CN112394641A (zh) * | 2020-11-25 | 2021-02-23 | 哈尔滨工程大学 | 一种基于双线程并行计算的船舶实时推力分配方法 |
CN112947450A (zh) * | 2021-02-20 | 2021-06-11 | 哈尔滨工程大学 | 一种多模块船协同推力分配方法 |
CN113126503A (zh) * | 2021-04-28 | 2021-07-16 | 上海海事大学 | 一种考虑推进器故障的智能船舶推力分配方法 |
CN114362436A (zh) * | 2021-12-31 | 2022-04-15 | 南京东南工业装备股份有限公司 | 一种船舶柴油机主推进控制操控装置 |
CN116300426A (zh) * | 2023-05-10 | 2023-06-23 | 南通大学 | 一种带监督机制的推力分配方法 |
CN116300426B (zh) * | 2023-05-10 | 2023-11-14 | 南通大学 | 一种带监督机制的推力分配方法 |
CN116909176A (zh) * | 2023-09-07 | 2023-10-20 | 中国船舶集团有限公司第七〇七研究所 | 一种动力定位船推力分配策略评测方法 |
CN116909176B (zh) * | 2023-09-07 | 2023-12-01 | 中国船舶集团有限公司第七〇七研究所 | 一种动力定位船推力分配策略评测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109765910B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109765910A (zh) | 一种基于改进差分进化算法的船舶动力定位推力分配方法 | |
CN108845576B (zh) | 一种基于粒子群与序列二次规划结合的推力分配方法 | |
CN106292287B (zh) | 一种基于自适应滑模控制的uuv路径跟踪方法 | |
CN104267736B (zh) | 一种帆船自主控制方法、装置及帆船 | |
CN109725644A (zh) | 一种高超声速飞行器线性优化控制方法 | |
CN105807610B (zh) | 面向船舶动力定位***的自适应权值矩阵加权伪逆推力分配和饱和处理方法 | |
CN112903233B (zh) | 一种两级串联伺服油缸驱动迎角机构精确定位的优化方法 | |
CN112945506B (zh) | 一种适用于暂冲式高速风洞的亚跨声速静压控制方法 | |
CN102411305A (zh) | 单旋翼直升机/涡轴发动机综合抗扰控制***设计方法 | |
CN104950908A (zh) | 平流层飞艇水平位置控制***及实现方法 | |
CN110414661A (zh) | 一种空调***负荷的预测方法及*** | |
CN110490422A (zh) | 一种基于博弈云模型的目标作战效能态势评估方法 | |
CN102721390B (zh) | 复杂曲面接触式跟踪扫描测量的速度优化方法 | |
CN108227759A (zh) | 一种基于神经网络预测技术的太阳能跟踪控制***及方法 | |
CN108579929B (zh) | 一种基于rbf神经网络预测控制的双进双出球磨机控制***及控制方法 | |
CN109062040A (zh) | 基于***嵌套优化的预测pid方法 | |
CN114818477A (zh) | 飞行器气动特性预测方法、装置及介质 | |
CN110262513A (zh) | 一种海洋机器人轨迹跟踪控制结构的设计方法 | |
CN104166348B (zh) | 一种单滑块变质心控制飞行器的动态稳定性判定方法 | |
CN112560343B (zh) | 基于深度神经网络与打靶算法的J2摄动Lambert问题求解方法 | |
CN110244754A (zh) | 一种用于平流层浮空器定点驻空的控制***及方法 | |
CN111324037A (zh) | 一种基于遗传算法与模拟退火算法结合的推力分配方法 | |
CN114815878B (zh) | 基于实时优化和深度学习的高超声速飞行器协同制导方法 | |
CN110209190A (zh) | 一种卫星标称轨道无偏飞行控制的方法 | |
CN106682733A (zh) | 无人机运动状态分析方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |