CN107229223A - 一种海洋能无人艇多驱动模式的智能切换系统 - Google Patents

一种海洋能无人艇多驱动模式的智能切换系统 Download PDF

Info

Publication number
CN107229223A
CN107229223A CN201710420699.0A CN201710420699A CN107229223A CN 107229223 A CN107229223 A CN 107229223A CN 201710420699 A CN201710420699 A CN 201710420699A CN 107229223 A CN107229223 A CN 107229223A
Authority
CN
China
Prior art keywords
energy
unmanned boat
wave
fuzzy
module
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
Application number
CN201710420699.0A
Other languages
English (en)
Other versions
CN107229223B (zh
Inventor
廖煜雷
何佳雨
李晔
王磊峰
秦洪德
李彦莹
付翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201710420699.0A priority Critical patent/CN107229223B/zh
Publication of CN107229223A publication Critical patent/CN107229223A/zh
Application granted granted Critical
Publication of CN107229223B publication Critical patent/CN107229223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0285Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供一种海洋能无人艇多驱动模式的智能切换系统,包括信息采集模块、智能控制模块、能量采集模块、动力驱动模块和岸端监控模块。本发明的核心为在所述智能控制模块中利用模糊神经网络算法决策无人艇的驱动模式,将太阳能和风能转化成的电能,为电力推进器供能,直接利用所述的电力推进器控制无人艇的航速和航向;在波浪能充足的情况下,利用波浪推进器收集波浪能推进,而电力推进器辅助控制航向;在无人艇的航速和航向与既定目标偏差较小的情况下,不使用电力推进器,将电能通过蓄电池存储起来,在太阳能和风能供给不足和不及时的情况下为无人艇提供驱动力,节约能源,提高无人艇续航性。

Description

一种海洋能无人艇多驱动模式的智能切换系统
技术领域
本发明涉及一种海洋能无人艇多驱动模式的智能切换系统,属于无人艇技术领域。
背景技术
无人艇作为海洋环境中的智能装备,已得到了广泛的关注和研究。在无人艇未来的发展 中,能源零排放、无污染是发展的趋势。而合理利用海洋上的自然能,既减少了燃油等昂贵 的日常开支,增强经济性,又使无人艇具有更长的续航时间以完成更多的作业任务。其中利 用海上广泛存在的太阳能、风能和波浪能作为动力来源的研究日益增加,但太阳能等自然能 存在着能源密度低,随机性强等缺点。
由于无人艇的续航能力决定着其完成工作任务的能力,而对无人艇能源的供给以及对能 源的节约能力决定着其续航性。专利号201310193406.1,名为一种多能源动力船舶利用风力、 太阳能、水能和波浪能发电,为有人船舶提供了多种供能方式,增加了船舶的总供电量,提 高了船舶能源的冗余度。但是这样的供能方式是将收集到的自然能直接利用,将各种供能方 式作为单独的供能单元,缺乏总体上的供能规划方式。这种供能方式势必存在能源利用效率 低,总能源供给不及时,不能提供稳定可靠的供能方式,将会使无人艇适航性降低,直接影 响无人艇的续航能力等问题。而专利号201310037533.2,名为一种多能源供电方法的能量智 能管理装置,提供了一种能量综合管理方法,有效的解决了利用多种能源供电的方法中存在 的非线性的问题,但是这种智能管理装置仅仅针对电能的供给具有智能管理能力,而在无人 艇的应用中,存在着电力驱动、波浪能驱动以及波浪能和电力协同驱动等独特的多种驱动模 式,仅仅对供电进行智能管理适用于只依赖于电力驱动的设备,而对具有多种驱动模式的无 人艇来说存在不足。
发明内容
本发明的目的是针对现有技术对于具有多种驱动模式的海洋能驱动无人艇,不能根据实 际海洋环境自动切换驱动模式的问题,提供一种海洋能无人艇多驱动模式的智能切换系统, 根据多种形式的海洋环境以及无人艇航态和作业目标而智能切换驱动模式。
本发明的目的是这样实现的:一种海洋能无人艇多驱动模式的智能切换系统,其特征在 于:包括信息采集模块、智能控制模块、动力驱动模块、能量采集模块和岸端监控模块,
所述信息采集模块连接在智能控制模块上,且信息采集模块为智能控制模块提供包括波 浪高度、风速、太阳能光强的环境信息以及无人艇航速和无人艇航向角等航态信息,且所述 信息采集模块包括气象站、浪高仪、陀螺仪、航速仪和光照仪;
所述动力驱动模块与智能控制模块相连,在智能控制模块的控制决策下确定电力推进器 为无人艇提供的驱动模式以及波浪推进器的收放,且所述动力驱动模块包括电力推进器和波 浪推进器以及存储电能的能源控制器和蓄电池;
所述能量采集模块通过能源控制器与动力驱动模块相连,为动力驱动模块供能,且所述 能量采集模块包括多组太阳能电池板和风力发电机;
所述智能控制模块包括决策计算机和控制计算机,可根据信息采集模块收集到的波浪高 度、风速和太阳能光强信息以及与无人艇位置和姿态相关的航速偏差和航向偏差,来自主决 定无人艇的驱动模式,所述驱动模式包括:
(1)仅利用波浪推进器驱动无人艇的驱动模式;
(2)以波浪推进器驱动为主,同时利用电力推进器辅助控制无人艇航向的驱动模式;
(3)波浪推进器驱动,同时利用电力推进器控制航速和航向的驱动模式;
(4)仅利用电力推进器控制航速和航向的驱动模式。
本发明还包括这样一些结构特征:
1.所述能量采集模块,可将太阳能和风能利用多组太阳能电池板和风力发电机转化为电 能,直接为电力驱动的电力推进器供能;或者在无人艇的航速和航向与既定目标偏差较小的 情况下,将电能通过蓄电池存储起来,在自然能供给不足和不及时的情况下为无人艇提供驱 动力。
2.所述智能控制模块采用基于模糊神经网络的智能控制器,具有波浪高度、海面风速、 光照强度、航向偏差和航速偏差五个输入变量,分别用In1、In2、...、In5表示;输出的 Out1和Out2值分别决定电力推进器的控制形式以及波浪推进器的收放,智能控制模块的具 体控制步骤如下:
第1步:输入环境和位姿变量,包括In1-In5,定义Rcv1至Rcv5分别表示每个结点接收 到的变量值;
第2步:环境信息和航态信息变量模糊化:定义Fu1至Fu5分别为Rcv1至Rcv5的模糊集合,每个模糊集合均有三种形式,对于Fu1、Fu2和Fu3来说均为:强、中、弱,对于Fu4 和Fu5来说均为:大、中、小;对接收到的信息模糊化的过程采用高斯型隶属函数,以波浪 高度Rcv1来说,模糊集合中的强、中、弱所对应着的波浪高度的均值分别为m1,str、m1,med和m1,weak,它们的标准差分别为σ1,str、σ1,med和σ1,weak,采用高斯性隶属函数进行模糊化可以得到 模糊化后的值为:
fuzzy1,str=exp(Temp1,str)
其中与之相类似,可以得到海面风速,光照强度,航向偏差和 航速偏差等信息利用相应的模糊集合得到的模糊化后的值,模糊化后,得到15个结点为 fuzzy1,1,fuzzy1,2至fuzzy5,3;
第3步:利用模糊规则运算:以结论为数值型的模糊形式来表示模糊控制为:
Rule=fuzzy1·fuzzy2·fuzzy3·fuzzy4·fuzzy5,由于每个模糊集合具有三种形式,同时存在 有5个模糊集合,因此,共存在243种组合形式,即共有243个结点,将每个结点记为Rule1 至Rule243,也是每条规则的激活度;
第4步:将获得的模糊规则结果归一化:其中i=1,2,……,234,将 在第三步获得的模糊规则的激活度归一化,使得各模糊规则对于结果的贡献在同一个范围内, 以便对各个规则赋予相应的权值;
第5步:解模糊得到智能控制模块的输出值:
其中:θ1i和θ2i分别为控制输出值Out1和Out2的可调节参数,
若Out1大于0小于0.3,电力推进器停止工作;
若Out1大于0.3小于0.6,电力推进器仅进行控制航向操作;
若Out1大于0.6,电力推进器既控制航速又控制航向操作。
若Out2大于0小于0.5,布放浪推进器,采用波浪能推进;
若Out2大于0.5,收起波浪能推进器。
与现有技术相比,本发明的有益效果是:1.节约能源:在海洋环境多变的情况下,根据 实时海况进行智能转化驱动模式,最大限度节约能源。2.适应性强:智能控制模块采用模糊 神经网络算法,通过学习改变参数适应不同的海洋环境以及无人艇的不同航态。3.经济环保: 采用海上易于获得的自然能供能,具有零排放、绿色无污染的特点,不消耗柴油等化石能源, 实现真正意义上的节能环保。4.续航性增强:无人艇可利用能源增多,同时消耗的能源减少, 续航性增强。5.供能连续:实现了多种能源的综合利用,可以持续为无人艇提供动力,克服 了海上自然能间歇性,随机性强等缺点。
附图说明
图1是本发明提供的一种海洋能无人艇多驱动模式的智能切换系统的结构图。
图2为本发明提供的模糊神经网络控制器的决策过程的流程示意图。
图3为本发明提供的智能控制模块中控制器内部的模糊神经网络算法执行步骤的结构示 意图。
图4为本发明搭载于无人艇的模块结构示意图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
本发明包括信息采集模块、智能控制模块、能量采集模块、动力驱动模块和岸端监控模 块。所述的信息采集模块包括气象站、浪高仪、陀螺仪、航速仪和光照仪。所述能量采集模 块包括多组太阳能电池板和风力发电机。所述动力驱动模块包括电力推进器和波浪推进器, 以及存储电能的能源控制器和蓄电池。所述信息采集模块、能量采集模块、动力驱动模块和 岸端监控模块均与智能控制模块相连接。所述智能控制模块根据信息采集模块的信息智能控 制无人艇的能源供给和动力操控方式。所述智能控制模块的智能控制基于模糊神经网络控制 算法。
所述信息采集模块、智能控制模块、能量采集模块和动力驱动模块依赖于无人艇本体硬 件完成相应职能:信息采集模块连接在智能控制模块上,为智能控制模块提供包括波浪高度、 风速、太阳能光强等环境信息,以及无人艇航速和无人艇航向角等航态信息;能量采集模块 通过能源控制器与动力驱动模块相连,为动力驱动模块供能;动力驱动模块与智能控制模块 相连,在智能控制模块的控制决策下确定电力推进器为无人艇提供的驱动模式以及波浪推进 器的收放。所述的能量采集模块,可以将太阳能和风能利用多组太阳能电池板和风力发电机 转化为电能,直接为电力驱动的电力推进器供能。或者在无人艇的航速和航向与既定目标偏 差较小的情况下,将电能通过蓄电池存储起来,以便在自然能供给不足和不及时的情况下为 无人艇提供驱动力。
所述智能控制模块为本发明的核心,基于模糊神经网络控制算法对无人艇的驱动模式进 行决策。所述智能控制模块与信息采集模块以及动力驱动模块相连接,根据信息采集模块收 集到的波浪高度、风速和太阳能光强信息,以及与无人艇位置和姿态相关的航速偏差和航向 偏差,来自主决定无人艇的驱动模式,无需人工的干预。包括了:仅利用波浪推进器驱动无 人艇的驱动模式;以波浪推进器驱动为主,同时利用电力推进器辅助控制无人艇航向的驱动 模式;波浪推进器驱动,同时利用电力推进器控制航速和航向的驱动模式;以及仅利用电力 推进器控制航速和航向这几种不同的驱动模式。所述的模糊神经网络控制算法具有多个可调 节学习参数,通过在实际的运行环境中对学习参数的学习与更新,调节出最优的学习参数, 使得智能控制模块根据海洋环境以及无人艇航态对无人艇驱动模式的选择更加合理,进而使 得无人艇的续航能力最大化,完成更多的任务。
图1为本发明提供的一种海洋能无人艇多驱动模式的智能切换系统的结构示意图,包括 有:信息采集模块14、智能控制模块15、能量采集模块17、动力驱动模块16和岸端监控模 块18。所述信息采集模块由气象站1,浪高仪2,陀螺仪3,航速仪4和光照仪5构成,检测 从各传感器获得的波浪高度,风速和光照强度等多种形式的海洋环境信息,以及无人艇航速 和航向角等无人艇航态信息,传递到智能控制模块中的决策计算机6中。智能控制模块15由 决策计算机6和控制计算机7构成,决策计算机6根据当前海洋环境情况以及无人艇航态信 息和工作任务确定无人艇的驱动模式,无人艇的驱动模式包括:仅利用波浪推进器11驱动无 人艇的驱动模式;以波浪推进器11驱动为主,同时利用电力推进器9辅助控制无人艇航向的 驱动模式;利用波浪推进器11驱动,同时利用电力推进器9控制航速和航向的驱动模式;以 及仅利用电力推进器9控制航速和航向这几种不同的驱动模式。智能控制模块15通过控制计 算机7向动力驱动模块16下达控制指令。动力驱动模块16包括蓄电池7,能源控制器8,电 力推进器9,收放装置10和波浪推进器11。动力驱动模块16接收控制计算机7的控制指令, 决定是通过能源控制器8直接将能量采集模块17获得的电能应用于电力驱动的电力推进器9 和收放装置10,还是将电能存储在蓄电池7中以备后需。当无人艇需要利用波浪能直接进行 驱动时,控制计算机7下达指令,将蓄电池7中的电能通过能源控制器8为收放装置10供能, 收放装置10布放波浪推进器11,为无人艇提供驱动力。
所述能量采集模块17,由风力发电机12和多组太阳能电池13构成。
所述智能控制模块15是本发明核心,该智能控制模块为基于模糊神经网络的一种智能控 制器,具有学习能力,具体的模糊神经网络控制器结构设计如下:
本发明的模糊神经网络控制器的决策过程如图2所示,其为五输入两输出的决策方法。 控制器有5个输入变量:In1,In2,...,In5,所述的5个输入变量分别表示了波浪高度, 海面风速,光照强度,航向偏差和航速偏差,决定着控制输出Out1和Out2的值,而Out1和 Out2的值决定着电力推进器9的控制形式以及波浪推进器11的收放,进而决定了无人艇的 驱动模式,如图2所示。
控制器内部的模糊神经网络算法的执行步骤如图3所述:
第1步:输入环境和位姿变量,包括了In1:波浪高度,In2:来风的风速,In3:光伏强度,In4:航向偏差和In5:航速偏差,这一层有5个结点,定义Rcv1至Rcv5表示每个结点 接收到的变量值。
第2步:环境信息和航态信息变量模糊化:在上一步中,Rcv1至Rcv5为方法的接收到 的环境信息变量和航态信息变量,定义Fu1至Fu5分别为它们的模糊集合,每个模糊集合均 有三种形式,对于Fu1、Fu2和Fu3来说为{强,中,弱},对于Fu4和Fu5来说为{大,中, 小}。对接收到的信息模糊化的过程采用高斯型隶属函数,以波浪高度Rcv1来说,模糊集合 中的强、中、弱所对应着的波浪高度的均值分别为m1,str,m1,med和m1,weak,同理,它们的标准 差为σ1,str,σ1,med和σ1,weak。采用高斯性隶属函数进行模糊化可以得到模糊化后的值 fuzzy1,str=exp(Temp1,str),其中与之相类似,可以得到海面风速,光 照强度,航向偏差和航速偏差等信息利用相应的模糊集合得到的模糊化后的值。其中,mij和 σij分别作为输入变量的模糊集合的高斯型隶属函数的均值和标准差,都是可修改的学习参 数。模糊化后,控制器在这一步得到15个结点fuzzy1,str,fuzzy1,med等等,简记为fuzzy1,1,fuzzy1,2至fuzzy5,3。
第3步:利用模糊规则运算:模糊控制的规则通常是基于专家经验来建立,本发明中, 为了方便解模糊,以结论为数值型的模糊形式来表示。即 Rule=fuzzy1·fuzzy2·fuzzy3·fuzzy4·fuzzy5,由于每个模糊集合具有三种形式,同时存在有5 个模糊集合,因此,共存在243种组合形式,即共有243个结点,将每个结点记为Rule1至 Rule243,也是每条规则的激活度。以Rule1为例, Rule1=fuzzy1,1·fuzzy2,1·fuzzy3,1·fuzzy4,1·fuzzy5,1,Rule1的计算结果代表了浪高较高,风 速较快,光照较强,同时无人艇航速和航向与既定目标偏差较大的这条规则的激活度,同理 可以求解出其他规则的激活情况。
第4步:将获得的模糊规则结果归一化:其中i=1,2,...243,将在 第三步获得的模糊规则的激活度归一化,使得各模糊规则对于结果的贡献在同一个范围内, 以便对各个规则赋予相应的权值。
第5步:解模糊求得模糊神经网络控制器的输出值:计算方式为与mi j和σij相类似,θ1i和θ2i为可调节参数,可以通过反步法来学习调节,使得控制器的输出更加适 应当前海况的需求。
通过如上步骤,模糊神经网络控制器得到的输出量Out1和Out2的取值范围在0到1之 间,作为智能控制的模块中决策计算机6的输出值,定义为电力推进器驱动模式和波浪能推 进器驱动模式的输出变量,向控制计算机7下达的具体指令如下:
Out1大于0小于0.3,则对应着电力推进器停止工作;
Out1大于0.3小于0.6,则对应着电力推进器仅进行控制航向操作;
Out1大于0.6,则对应着电力推进器既控制航速又控制航向操作。
Out2大于0小于0.5,则对应布放浪推进器,采用波浪能推进;
Out2大于0.5,则对应着收起波浪能推进器。
综上,本发明提供了一种海洋能无人艇多驱动模式的智能切换系统,包括有:信息采集 模块、智能控制模块、能量采集模块、动力驱动模块和岸端监控模块。本发明方法的核心为 在所述智能控制模块中利用模糊神经网络算法决策无人艇的驱动模式,将太阳能和风能转化 成的电能,为电力推进器供能,直接利用所述的电力推进器控制无人艇的航速和航向;在波 浪能充足的情况下,利用波浪推进器收集波浪能推进,而电力推进器辅助控制航向;在无人 艇的航速和航向与既定目标偏差较小的情况下,不使用电力推进器,将电能通过蓄电池存储 起来,在太阳能和风能供给不足和不及时的情况下为无人艇提供驱动力,节约能源,提高无 人艇续航性。

Claims (3)

1.一种海洋能无人艇多驱动模式的智能切换系统,其特征在于:包括信息采集模块、智能控制模块、动力驱动模块、能量采集模块和岸端监控模块,
所述信息采集模块连接在智能控制模块上,且信息采集模块为智能控制模块提供包括波浪高度、风速、太阳能光强的环境信息以及无人艇航速和无人艇航向角等航态信息,且所述信息采集模块包括气象站、浪高仪、陀螺仪、航速仪和光照仪;
所述动力驱动模块与智能控制模块相连,在智能控制模块的控制决策下确定电力推进器为无人艇提供的驱动模式以及波浪推进器的收放,且所述动力驱动模块包括电力推进器和波浪推进器以及存储电能的能源控制器和蓄电池;
所述能量采集模块通过能源控制器与动力驱动模块相连,为动力驱动模块供能,且所述能量采集模块包括多组太阳能电池板和风力发电机;
所述智能控制模块包括决策计算机和控制计算机,可根据信息采集模块收集到的波浪高度、风速和太阳能光强信息以及与无人艇位置和姿态相关的航速偏差和航向偏差,来自主决定无人艇的驱动模式,所述驱动模式包括:
(1)仅利用波浪推进器驱动无人艇的驱动模式;
(2)以波浪推进器驱动为主,同时利用电力推进器辅助控制无人艇航向的驱动模式;
(3)波浪推进器驱动,同时利用电力推进器控制航速和航向的驱动模式;
(4)仅利用电力推进器控制航速和航向的驱动模式。
2.根据权利要求1所述的一种海洋能无人艇多驱动模式的智能切换系统,其特征在于:所述能量采集模块,可将太阳能和风能利用多组太阳能电池板和风力发电机转化为电能,直接为电力驱动的电力推进器供能;或者在无人艇的航速和航向与既定目标偏差较小的情况下,将电能通过蓄电池存储起来,在自然能供给不足和不及时的情况下为无人艇提供驱动力。
3.根据权利要求2所述的一种海洋能无人艇多驱动模式的智能切换系统,其特征在于:所述智能控制模块采用基于模糊神经网络的智能控制器,具有波浪高度、海面风速、光照强度、航向偏差和航速偏差五个输入变量,分别用In1、In2、...、In5表示;输出的Out1和Out2值分别决定电力推进器的控制形式以及波浪推进器的收放,智能控制模块的具体控制步骤如下:
第1步:输入环境和位姿变量,包括In1-In5,定义Rcv1至Rcv5分别表示每个结点接收到的变量值;
第2步:环境信息和航态信息变量模糊化:定义Fu1至Fu5分别为Rcv1至Rcv5的模糊集合,每个模糊集合均有三种形式,对于Fu1、Fu2和Fu3来说均为:强、中、弱,对于Fu4和Fu5来说均为:大、中、小;对接收到的信息模糊化的过程采用高斯型隶属函数,以波浪高度Rcv1来说,模糊集合中的强、中、弱所对应着的波浪高度的均值分别为m1,str、m1,med和m1,weak,它们的标准差分别为σ1,str、σ1,med和σ1,weak,采用高斯性隶属函数进行模糊化可以得到模糊化后的值为:
fuzzy1,str=exp(Temp1,str)
其中与之相类似,可以得到海面风速,光照强度,航向偏差和航速偏差等信息利用相应的模糊集合得到的模糊化后的值,模糊化后,得到15个结点为fuzzy1,1,fuzzy1,2至fuzzy5,3;
第3步:利用模糊规则运算:以结论为数值型的模糊形式来表示模糊控制为:
Rule=fuzzy1·fuzzy2·fuzzy3·fuzzy4·fuzzy5,由于每个模糊集合具有三种形式,同时存在有5个模糊集合,因此,共存在243种组合形式,即共有243个结点,将每个结点记为Rule1至Rule243,也是每条规则的激活度;
第4步:将获得的模糊规则结果归一化:其中i=1,2,……,234,将在第三步获得的模糊规则的激活度归一化,使得各模糊规则对于结果的贡献在同一个范围内,以便对各个规则赋予相应的权值;
第5步:解模糊得到智能控制模块的输出值:
其中:θ1i和θ2i分别为控制输出值Out1和Out2的可调节参数,
若Out1大于0小于0.3,电力推进器停止工作;
若Out1大于0.3小于0.6,电力推进器仅进行控制航向操作;
若Out1大于0.6,电力推进器既控制航速又控制航向操作。
若Out2大于0小于0.5,布放浪推进器,采用波浪能推进;
若Out2大于0.5,收起波浪能推进器。
CN201710420699.0A 2017-06-07 2017-06-07 一种海洋能无人艇多驱动模式的智能切换系统 Active CN107229223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710420699.0A CN107229223B (zh) 2017-06-07 2017-06-07 一种海洋能无人艇多驱动模式的智能切换系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710420699.0A CN107229223B (zh) 2017-06-07 2017-06-07 一种海洋能无人艇多驱动模式的智能切换系统

Publications (2)

Publication Number Publication Date
CN107229223A true CN107229223A (zh) 2017-10-03
CN107229223B CN107229223B (zh) 2020-01-17

Family

ID=59934910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710420699.0A Active CN107229223B (zh) 2017-06-07 2017-06-07 一种海洋能无人艇多驱动模式的智能切换系统

Country Status (1)

Country Link
CN (1) CN107229223B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108375899A (zh) * 2018-01-29 2018-08-07 哈尔滨工程大学 高可靠性波浪滑翔器控制系统
CN108762074A (zh) * 2018-05-23 2018-11-06 大连海事大学 一种面向恶劣海况船舶安全保障能力提升的船舶控制方法
CN109143867A (zh) * 2018-09-26 2019-01-04 上海海事大学 一种基于神经网络控制的混合动力船舶的能量管理方法
CN110673598A (zh) * 2019-09-29 2020-01-10 哈尔滨工程大学 一种水面无人艇智能路径跟踪控制方法
CN111338410A (zh) * 2020-04-22 2020-06-26 智慧航海(青岛)科技有限公司 一种智能船舶航向航速综合控制的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630840A (zh) * 2009-08-12 2010-01-20 电子科技大学 微电网能量智能控制系统
US20100102164A1 (en) * 2008-10-29 2010-04-29 Rinaldo Brutoco System, method and apparatus for widespread commercialization of hydrogen as a carbon-free alternative fuel source
CN202320757U (zh) * 2011-10-15 2012-07-11 浙江大学舟山海洋研究中心 一种波浪动力无人监测船
CN103072679A (zh) * 2013-01-30 2013-05-01 国家海洋局第一海洋研究所 一种海洋可再生能源驱动的无人船
CN204904033U (zh) * 2015-08-31 2015-12-23 中国舰船研究设计中心 船岸一体化情报信息系统
CN105673329A (zh) * 2015-09-02 2016-06-15 张桂臣 船舶风光储波浪能综合利用发电装置
CN106099986A (zh) * 2016-08-03 2016-11-09 中广核研究院有限公司 一种孤岛综合能源供给及保障系统
CN106394845A (zh) * 2016-11-17 2017-02-15 中国海洋大学 一种利用波浪能及风能联合驱动的海上探测机器人

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100102164A1 (en) * 2008-10-29 2010-04-29 Rinaldo Brutoco System, method and apparatus for widespread commercialization of hydrogen as a carbon-free alternative fuel source
CN101630840A (zh) * 2009-08-12 2010-01-20 电子科技大学 微电网能量智能控制系统
CN202320757U (zh) * 2011-10-15 2012-07-11 浙江大学舟山海洋研究中心 一种波浪动力无人监测船
CN103072679A (zh) * 2013-01-30 2013-05-01 国家海洋局第一海洋研究所 一种海洋可再生能源驱动的无人船
CN204904033U (zh) * 2015-08-31 2015-12-23 中国舰船研究设计中心 船岸一体化情报信息系统
CN105673329A (zh) * 2015-09-02 2016-06-15 张桂臣 船舶风光储波浪能综合利用发电装置
CN106099986A (zh) * 2016-08-03 2016-11-09 中广核研究院有限公司 一种孤岛综合能源供给及保障系统
CN106394845A (zh) * 2016-11-17 2017-02-15 中国海洋大学 一种利用波浪能及风能联合驱动的海上探测机器人

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108375899A (zh) * 2018-01-29 2018-08-07 哈尔滨工程大学 高可靠性波浪滑翔器控制系统
CN108762074A (zh) * 2018-05-23 2018-11-06 大连海事大学 一种面向恶劣海况船舶安全保障能力提升的船舶控制方法
CN108762074B (zh) * 2018-05-23 2020-12-29 大连海事大学 一种面向恶劣海况船舶安全保障能力提升的船舶控制方法
CN109143867A (zh) * 2018-09-26 2019-01-04 上海海事大学 一种基于神经网络控制的混合动力船舶的能量管理方法
CN110673598A (zh) * 2019-09-29 2020-01-10 哈尔滨工程大学 一种水面无人艇智能路径跟踪控制方法
CN110673598B (zh) * 2019-09-29 2022-10-25 哈尔滨工程大学 一种水面无人艇智能路径跟踪控制方法
CN111338410A (zh) * 2020-04-22 2020-06-26 智慧航海(青岛)科技有限公司 一种智能船舶航向航速综合控制的方法
CN111338410B (zh) * 2020-04-22 2021-05-04 智慧航海(青岛)科技有限公司 一种智能船舶航向航速综合控制的方法

Also Published As

Publication number Publication date
CN107229223B (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
CN107229223A (zh) 一种海洋能无人艇多驱动模式的智能切换系统
Sedighizadeh et al. Adaptive PID controller based on reinforcement learning for wind turbine control
CN104635704A (zh) 基于模糊聚类和遗传算法的船舶能效管理控制平台及方法
Fan et al. Development trend and hotspot analysis of ship energy management
CN117175694B (zh) 一种基于新能源消纳的微电网优化调度方法及系统
CN107482618A (zh) 具有风‑火发电并含多类型柔性负荷电网的电价制定方法
CN116596340A (zh) 具有工况适应性的船舶综合能源系统能量管理策略
Gozhyj et al. Solar power control system based on machine learning methods
Zhang et al. The research of power allocation in diesel-electric hybrid propulsion system
CN113902309B (zh) 绿色港口能源互联系统的优化方法及系统
CN114301095A (zh) 一种基于多能源分布式无线岸电系统的ppo2能量管理方法
Liu et al. The application of artificial intelligence technology in energy internet
CN111509774B (zh) 一种用于满足交直流独立供电的波浪能发电系统及其运行控制方法
CN113212723A (zh) 一种智能船舶分布式综合能源管理系统及能源管理方法
CN116826862A (zh) 一种电氢港口多能流与集装箱物流协同调度方法
CN102156408B (zh) 一种动态自适应演化最大功率点跟踪控制系统及方法
CN114865696B (zh) 一种基于sac算法的混合能源系统在线调度方法
CN207060369U (zh) 一种海洋监测无人船
CN105550495A (zh) 一种船舶航行增阻等级的评估方法
CN115907117A (zh) 一种基于深度学习和动态规划的混动无人机能量管理方法
CN115309053A (zh) 基于数据驱动的多元融合高弹性电网资源协同调控系统
CN105278407B (zh) 一种无人值守船舶直流电源控制器及无人值守船舶系统
CN105305517B (zh) 一种新能源混合动力船舶蓄电池组系统
Almashnowi et al. A Hybrid Deep Learning‐Based Power Management Strategy for PV‐Assisted Desalination Plant
Gong Energy consumption control and optimization of large power grid operation based on artificial neural network algorithm

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