CN116819950A - 一种船舶与浮式海洋平台动力定位控制方法及系统 - Google Patents
一种船舶与浮式海洋平台动力定位控制方法及系统 Download PDFInfo
- Publication number
- CN116819950A CN116819950A CN202311075807.7A CN202311075807A CN116819950A CN 116819950 A CN116819950 A CN 116819950A CN 202311075807 A CN202311075807 A CN 202311075807A CN 116819950 A CN116819950 A CN 116819950A
- Authority
- CN
- China
- Prior art keywords
- ocean platform
- ship
- floating ocean
- response
- motion
- 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
- 238000007667 floating Methods 0.000 title claims abstract description 189
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 242
- 238000011217 control strategy Methods 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims description 30
- 238000003062 neural network model Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 15
- 230000003321 amplification Effects 0.000 claims description 10
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013016 damping Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000009123 feedback regulation Effects 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 11
- 210000002569 neuron Anatomy 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000004873 anchoring Methods 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P.I., P.I.D.
Abstract
本发明涉及船舶与浮式海洋平台动力定位技术领域，且公开了一种船舶与浮式海洋平台动力定位控制方法及系统，该动力定位控制方法包括：基于船舶与浮式海洋平台在水平面内三个自由度的运动响应的历史数据，对未来时刻的运动响应预测，获得超前预报值x t ；基于外部环境荷载的历史数据，对未来时刻外部环境荷载预测，获取外部环境荷载预报值h t ；基于h t 和船舶与浮式海洋平台的模型信息，获取超前预报值x tt ；对x t 和x tt 加权运算，获得超前预报值x ft ；对超前预报值x ft 进行响应区间判断，选择与响应区间相对应的控制策略。本发明的船舶与浮式海洋平台动力定位控制方法及系统，提高定位精度及定位稳定性，且降低动力定位系统能耗。
Description
技术领域
本发明属于船舶与浮式海洋平台动力定位技术领域，具体地说，是涉及一种船舶与浮式海洋平台动力定位控制方法及系统。
背景技术
随着海洋开发活动逐渐由浅海转向深海，船舶与浮式海洋平台在复杂海洋环境荷载作用下的定位成为海洋工程领域一个重要的研究问题。
目前，船舶与浮式海洋平台的定位方式主要分为三种，即锚泊定位、动力定位和锚泊辅助动力定位。
对于一般的工作水深情况，船舶与浮式海洋平台通常采用锚泊定位方式。随着船舶与浮式海洋平台所作业海域水深逐渐增大，传统锚泊定位系统成本呈指数增长，同时，对于海上安装、海上拆除等临时定位功能需求，抛锚、起锚等作业过程复杂，大幅增大海上作业风险及安装难度、增加海上作业成本、浪费海上作业工期等，因此，传统锚泊定位方式不再适用于深海浮式装备定位。
而动力定位因其机动性高、操作简便且定位能力和成本不随水深增加而发生明显变化等优势，在深海船舶与浮式海洋平台、海上施工作业船舶上的应用越来越广泛。
然而，目前动力定位系统在应用中存在明显的时滞特性，对海上施工作业船舶带来更多挑战。
发明内容
针对如上提出的技术问题，本发明的目的之一在于提供了一种船舶与浮式海洋平台动力定位控制方法，通过对船舶与浮式海洋平台在水平面内三个自由度的运动响应进行双重超前预测，并加权平均后作为船舶与浮式海洋平台的预报位置，降低响应产生的时滞性，提高了定位精度和定位稳定性。
为解决上述技术问题，本发明采用下述技术方案予以实现：
一种船舶与浮式海洋平台动力定位控制方法，包括：
基于船舶与浮式海洋平台在水平面内横荡、垂荡及艏摇三个自由度的运动响应的历史数据，对未来时刻三个自由度的运动响应进行预测，获取运动响应基于数据的超前预报值x t ；
基于外部环境荷载的历史数据，对未来时刻外部环境荷载进行预测，获取外部环境荷载预报值h t ；
基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，采用势流理论与刚体动力学分析法，获取运动响应基于模型的超前预报值x tt ；
对所述基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获得修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ；
对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断，选择与响应区间相对应的控制策略，以对船舶与浮式海洋平台的动力定位系统进行反馈控制。
在本申请的一些实施例中，采用LSTM神经网络模型对未来时刻三个自由度的运动响应进行预测，获得所述基于数据的超前预报值x t 。
在本申请的一些实施例中，采用LSTM神经网络模型对未来时刻外部环境荷载进行预测，获得所述外部环境荷载预报值h t 。
在本申请的一些实施例中，基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，采用势流理论与刚体动力学分析法，获取运动响应基于模型的超前预报值x tt ，具体为：
根据二阶差频波浪荷载的传递函数，利用公式（1），获取二阶脉冲传
递函数：
（1）；
其中，，和为
两个波浪频率和的二阶传递函数，和表示统一时间间隔下的两个时刻；
基于和外部环境荷载预报值h t 中的波浪时程序列，采用公式（2），获
取船舶与浮式海洋平台第i个自由度上的二阶波浪力的时程序列：
（2）；
基于外部环境荷载预报值h t 中的流速Vc，利用公式（3），获取船舶与浮式海洋平台第i个自由度的流荷载F cu(i)：
F cu(i)=c cu(i)×V c 2 （3）；
其中，c cu(i)为流荷载系数；
基于外部环境荷载预报值h t 中的风速V w ，利用公式（4），获取船舶与浮式海洋平台第i个自由度的风荷载F w(i)：
F w(i)=c w(i)×V w 2 （4）；
其中，c w(i)为风荷载系数；
在外部环境荷载作用下，获取基于外部环境荷载的六自由度运动响应计算公式，参见公式（5）；
（5）；
其中，δ(t)为船舶与浮式海洋平台运动响应，μ(∞)为船舶与浮式海洋平台在无穷大频率规则波作用下的附加质量系数，M为船舶与浮式海洋平台质量矩阵，K船舶与浮式海洋平台刚度矩阵，C为船舶与浮式海洋平台所受阻尼矩阵，L为时延函数；
基于δ(t)，获取船舶与浮式海洋平台在水平面内三个自由度的运动响应，作为超前预报值x tt 。
在本申请的一些实施例中，对所述基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获得修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ，具体为：
x ft =αx t +βx tt 。
其中，α和β为加权系数且两者均为0~1之间的数值，α+β=1，α和β的数值是依据历史数据学习得到并不断更新。
在本申请的一些实施例中，对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断，具体为：
以船舶与浮式海洋平台在水平面内三个自由度的运动响应的响应目标值为参考，对运动响应进行从小到大的多个响应区间划分；
判断修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 所属的响应区间，以对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断。
在本申请的一些实施例中，根据修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ，通过PID控制器对动力定位系统进行PID反馈控制。
在本申请的一些实施例中，多个响应区间包括依次增大的第一响应区间、第二响应区间、第三响应区间和第四响应区间；
在第一响应区间下，所述动力定位系统处于待机节能状态；
在第二响应区间下，所述PID控制器的控制率采用公式（6）获取：
（6）；
在第三响应区间下，所述PID控制器的控制率采用公式（7）获取：
（7）；
在第四响应区间下，所述PID控制器的控制率采用公式（8）获取：
（8）；
其中，K P 是PID控制器的比例增益，T I 是积分时间常数，T D 是微分时间常数，e(t)为所述响应目标值和修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft 之间的偏差；r P 为比例增益的缩小系数且值小于1；m P 、m I 和m D 分别为比例增益的放大系数、积分增益的放大系数和微分增益的放大系数，且三个放大系数的值均大于1。
与现有技术相比，本发明的优点和积极效果是：
基于运动响应的数据，对船舶与浮式海洋平台在水平面内三个自由度的运动响应进行超前预测，获取运动响应基于数据的超前预报值x t ，且基于外部环境荷载的数据，对外部环境荷载进行超前预测，获取外部环境荷载预报值h t ，并基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，获取运动响应基于模型的超前预报值x tt ；
将基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获取修正后的超前预报值x ft ，提高船舶与浮式海洋平台水平面内三个自由度的运动响应的预报精度，从而为动力定位系统提供更准确的前馈控制输入，较好地消除响应滞后性，提高动力定位精度，可以实现动力定位系统保持更优的定位精度并处于安全工作区域，从而实现提高定位稳定性。
本申请还涉及一种船舶与浮式海洋平台动力定位控制系统，包括：
基于数据的运动响应的预测模块，其用于基于船舶与浮式海洋平台在水平面内三个自由度的运动响应的历史数据，对未来时刻三个自由度的运动响应进行预测，获取运动响应基于数据超前预报值x t ；
基于数据的外部环境荷载的预测模块，其用于对未来时刻外部环境荷载进行预测，获取外部环境荷载预报值h t ；
基于模型的运动响应的预测模块，其用于基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，采用势流理论与刚体动力学分析法，获取运动响应基于模型的超前预报值x tt ；
计算模块，其用于对所述基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获得修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ；
判断模块，其用于对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断；
反馈调节模块，基于所选择的与响应区间相对应的控制策略，对船舶与浮式海洋平台的动力定位系统进行反馈控制。
在本申请的一些实施例中，所述判断模块对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断，具体为：
以船舶与浮式海洋平台在水平面内三个自由度的运动响应的响应目标值为参考，对运动响应进行从小到大的多个响应区间划分；
判断修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 所属的响应区间，以对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断。
结合附图阅读本发明的具体实施方式后，本发明的其他特点和优点将变得更加清楚。
附图说明
图1是本发明提出的船舶与浮式海洋平台动力定位控制方法的一种实施例的流程图；
图2是本发明提出的船舶与浮式海洋平台动力定位控制方法的一种实施例中获取运动响应的基于数据的超前预报值x t 时所采用的LSTM神经网络模型的一种实施例的结构框图；
图3是本发明提出的船舶与浮式海洋平台动力定位控制方法的一种实施例涉及的响应区间分配示意图；
图4是本发明提出的船舶与浮式海洋平台动力定位控制方法的一种实施例的控制框图；
图5是本发明提出的船舶与浮式海洋平台动力定位控制方法的一种实施例涉及的对应不同响应区间采用不同控制策略的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
针对目前船舶与浮式海洋平台定位精度差的问题，本发明提出了一种船舶与浮式海洋平台动力定位控制方法及系统，提高了船舶与浮式海洋平台的定位精度，降低了船舶与浮式海洋平台动力系统能耗。
本申请分别基于数据和模型两者对船舶与浮式海洋平台在水平面内横荡、纵荡和艏摇三个自由度的运动响应进行超前预测，之后再对超前预测的超前预报值进行修正，用于控制船舶或浮式海洋平台，此种定位控制方式由于采用双重超前预测，提高定位精度及定位稳定性。
并且基于对超前预报值x ft 进行响应区间判断，选择与响应区间相对应的控制策略，提高定位控制科学性与控制效率，降低动力定位系统能耗，达到节省动力资源的目的。
下面结合附图，对本发明的船舶与浮式海洋平台动力定位控制方法及系统分别进行详细说明。
本实施例的船舶与浮式海洋平台动力定位控制方法，主要包括下述步骤，参见图1。
S1：基于船舶与浮式海洋平台在水平面内横荡、纵荡和艏摇三个自由度的运动响应的历史数据，对未来时刻三个自由度的运动响应进行预测，获取运动响应基于数据的超前预报值x t 。
如上所述的历史数据指所监测的船舶与浮式海洋平台在水平面内三个自由度（包括横荡、纵荡和艏摇）的运动响应的信息，即，时刻t及时刻t之前一段时间内的船舶与浮式海洋平台在水平面内三个自由度的运动响应。
本申请一些实施例中，采用长短期记忆（Long Short-Term Memory，简称LSTM）神经网络模型对未来时刻三个自由度的运动响应进行预测，获得运动响应基于数据的超前预报值x t 。
LSTM神经网络是一种时间循环神经网络，采用LSTM神经网络模型对未来时刻三个自由度的运动响应进行预测，可以获得比较准确的预报值。
LSTM神经网络模型包括输入层、隐含层、输出层。
隐含层由一定数量的神经元组成，两个神经元之间由细胞状态和神经元输出连接。LSTM中的重复模块（神经元）可以使同一个神经网络按顺序一个一个地处理连续数据，并允许LSTM在处理当前步骤的数据时从前一步获取输出，形成重复反馈循环。在重复的过程中，更新单元状态以记住重要数据，并根据隐藏状态忘记序列中不重要的数据。
在使用LSTM神经网络模型之前需要对其进行训练，具体训练过程可以参见如下。
采用时刻t及时刻t之前20秒这段时间的多个运动响应作为输入数据，将时刻t+15秒的运动响应作为对应的输出数据，将这一组对应的输入输出数据，分别作为LSTM神经网络模型的输入和输出，对模型进行训练。
将多组对应的运动响应划分为训练集和校验集，并进行标准化，然后利用训练集对LSTM神经网络模型进行训练，模型训练完成后，利用校验集对模型进行校验，校验合格后（均方误差小于一个较小的阈值），即可利用LSTM神经网络模型进行预测。
基于运动响应的历史数据，利用LSTM神经网络模型对未来时刻（当前时刻后一段间隔后时刻）的运动响应进行预测，获得未来时刻的运动响应的预报值，作为基于数据的超前预报值x t 。
参见图2所示，LSTM神经网络模型的隐含层包括n个神经元：LSTM1、LSTM2、…、LSTMn。
LSTM1的细胞状态C1、神经元输出H1；
LSTM2的细胞状态C2、神经元输出H2；
…；
LSTMn-1的细胞状态Cn-1、神经元输出Hn-1；
LSTMn的细胞状态Cn、神经元输出Hn。
本申请一些实施例中，实时测量当前时刻以及当前时刻之前一段时间的船舶与浮式海洋平台在水平面内三个自由度的多个运动响应，然后采用LSTM神经网络模型预测未来时刻三个自由度的运动响应，获得未来时刻的运动响应的基于数据的超前预报值x t 。
具体参见图2进行如下描述。
在输入层，获取船舶与浮式海洋平台运动响应的历史时程x t0 （例如，历史时刻t0至当前时刻t1的发生在船舶或浮式海洋平台所在位置的运动响应的多个历史数据）。
将历史时程x t0 进行标准化，得到x t01 ，…，x t0n ，其中，x t01 为将t0时刻的运动响应标准化后的数据，x t0n 为将t1时刻的运动响应标准化后的数据。
标准化后的数据输出至LSTM1，经LSTM1处理后输出至LSTM2，按顺序逐个神经元处理数据，然后迭代预测、反标准化处理，最后输出未来时刻的运动响应的预报值（即，运动响应基于数据的超前预报值x t ）。
如上获取到船舶与浮式海洋平台在水平面内三个自由度的运动响应基于数据的超前预报值x t 。
S2：基于外部环境荷载的历史数据，对未来时刻外部环境荷载进行预测，获取外部环境荷载预报值h t 。
外部环境荷载指风、浪、流环境条件。
如上所述的外部环境荷载的历史数据指所监测的风、浪、流环境条件的信息，即，时刻t及时刻t之前一段时间内的风、浪、流环境条件。
本申请一些实施例中，采用长短期记忆（Long Short-Term Memory，简称LSTM）神经网络模型对未来时刻风、浪、流环境条件进行预测，获得基于风、浪、流环境条件的外部环境荷载预报值ht。
采用LSTM神经网络模型预测未来时刻外部环境荷载的预报值，获得未来时刻的外部环境荷载的外部环境荷载预报值h t 的过程类似图2所示出的过程，在此不做赘述。
如上所述的S1和S2不存在顺序关系，出于描述方便，采用标记S1和S2。
S3：基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，采用势流理论与刚体动力学分析法，获取运动响应基于模型的超前预报值x tt 。
如上所述的外部环境荷载预报值h t 包括低频波浪时程序列ζ(t)、流速V c 和风速V w 。
根据二阶差频波浪荷载的传递函数，利用公式（1），获取二阶脉冲传
递函数：
（1）。
其中，，和为
两个波浪频率和的二阶传递函数，和表示统一时间间隔下的两个时刻，例如，
在统一时间间隔为1s时，从初始时刻t0至当前时刻t1的一段时间间隔下，τ 1和τ 2可以分别为
t0和t0+1s，t0+1s和t0+2s，...，t1-1s和t1。
基于和外部环境荷载预报值h t 中的波浪时程序列，采用公式（2），获
取船舶与浮式海洋平台第i个自由度上的二阶波浪力的时程序列：
（2）。
基于流速V c ，利用公式（3），获取船舶与浮式海洋平台第i个自由度的流荷载F cu(i)：
F cu(i)=c cu(i)×V c 2 （3）。
其中，c cu(i)为流荷载系数。
基于风速V w ，利用公式（4），获取船舶与浮式海洋平台第i个自由度的风荷载F w(i)：
F w(i)=c w(i)×V w 2 （4）。
其中，c w(i)为风荷载系数。
基于荷载的运动响应公式，在风、浪、流外部环境荷载作用下，采用牛顿第二定律可列出其六自由度（即，横荡、纵荡、艏摇、横摇、纵摇和垂荡）时域运动方程，参见公式（5）。
（5）。
其中，δ(t)为船舶与浮式海洋平台运动响应，μ(∞)为船舶与浮式海洋平台在无穷大频率规则波作用下的附加质量系数，M为船舶与浮式海洋平台质量矩阵，K船舶与浮式海洋平台刚度矩阵，C为船舶与浮式海洋平台所受阻尼矩阵，L为时延函数。
基于船舶与浮式海洋平台运动响应δ(t)，获取船舶与浮式海洋平台在水平面内三个自由度（横荡、纵荡和艏摇）的运动响应，作为运动响应基于模型的超前预报值x tt 。
如上，基于外部环境荷载和船舶与浮式海洋运动平台的模型信息，获取到船舶与浮式海洋平台在水平面内三个自由度的运动响应基于模型的超前预报值x tt 。
如上所述的船舶与述浮式海洋平台的模型信息，是本领域技术人员熟知的模型，在此不做赘述。
S4：对基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获得修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft 。
为了提高运动响应的预报精度，将如上所获取到的基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权平均。
即，对船舶与浮式海洋平台在水平面内横荡、纵荡和艏摇三个自由度的运动响应超前预报值进行修正，得到修正后的船舶与浮式海洋平台在水平面内横荡、纵荡和艏摇三个自由度的运动响应的超前预报值x ft ，修正后的数据由于基于数据和模型两方面，能够提高对船舶与浮式海洋平台在水平面内三个自由度的运动响应的预报精度，进而提高定位准确性及定位稳定性。
具体地，x ft =αx t +βx tt 。
其中，α和β为加权系数且两者均为0~1之间的数值，α+β=1，α和β的数值是依据历史数据学习得到并不断更新。
S5：对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断，选择与响应区间相对应的控制策略，以对船舶与浮式海洋平台进行反馈控制。
为了降低用于对船舶与浮式海洋平台进行定位的动力定位系统的能耗，需要在动力定位系统对船舶与浮式海洋平台进行动力定位之前，判断船舶与浮式海洋平台在水平面内三个自由度的运动响应是否需要动力定位。
在需要动力定位时，动力定位系统对船舶与海洋浮式平台进行定位，而不需要动力定位时，出于节省动力定位系统能耗的目的，动力定位系统处于待机节能状态，不对船舶与海洋浮式平台进行定位。
具体地，对修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft 进行响应区间的判断，基于超前预报值x ft 所属的响应区间选择对应的控制策略，提高定位控制科学性与控制效率，降低动力定位系统能耗。
在本申请的一些实施例中，以船舶与浮式海洋平台在水平面内三个自由度的运动响应的响应目标值（参见图3中①示出的位置）作为参考，对运动响应进行从小到大的多个响应区间划分。
该多个响应区间的数量可根据需求进行设定。
其中，该响应目标值为预设的且已知的，且该响应目标值即为船舶或浮式海洋平台所处的期望位置。
此处的“小”指超前预报值x ft 下船舶或浮式海洋平台所在位置相距响应目标值下船舶或浮式海洋平台所在位置的距离小，此处的“大”指超前预报值xft下船舶或浮式海洋平台所在位置相距响应目标值下船舶或浮式海洋平台所在位置的距离大。
即，响应区间越大，船舶与浮式海洋平台的安全与作业性能受影响程度越大，且需要受动力定位系统干扰的程度就越大。
根据预设的多个响应区间，判断超前预报值x ft 所属的响应区间。
例如，该多个响应区间包括从小到大的四个响应区间：第一响应区间（参见图3中②示出的区间）、第二响应区间（参见图3中③示出的区间）、第三响应区间（参见图3中④示出的区间）和第四响应区间（参见图3中⑤示出的区间）。
第一响应区间为最小的响应区间，第四响应区间为最大的响应区间。
第一响应区间下对应超前预报值x ft 下船舶或浮式海洋平台所在位置和响应目标值下船舶或浮式海洋平台所在位置之间的距离最小，例如，船舶与浮式海洋平台作业系统的安全与作业性能受影响程度不超过5%。
第二响应区间下对应超前预报值xft下船舶或浮式海洋平台所在位置和响应目标值下船舶或浮式海洋平台所在位置之间的距离第二大，例如，船舶与浮式海洋平台作业系统的安全与作业性能受影响程度超过5%，但不超过10%。
第三响应区间下对应超前预报值xft下船舶或浮式海洋平台所在位置和响应目标值下船舶或浮式海洋平台所在位置之间的距离第三大，例如，船舶与浮式海洋平台作业系统的安全与作业性能受影响程度超过10%，但不超过20%。
第四响应区间下对应超前预报值xft下船舶或浮式海洋平台所在位置和响应目标值下船舶或浮式海洋平台所在位置之间的距离最大，或者超前预报值xft本身超限。
在本申请的一些实施例中，在对应运动响应位于最小响应区间时，判断不需要对船舶或浮式海洋平台进行动力定位，此时动力定位系统处于待机节能状态。
而在对应运动响应超过最小响应区间时，判断需要对船舶或浮式海洋平台进行动力定位，此时需要动力定位系统工作并进行动力定位。
如上所述的最小响应区间也可以根据需求进行设定，例如可以为如上所述的第一响应区间，也可以为第一响应区间和第二响应区间的并集。
参见图4，在本申请的一些实施例中，在需要进行动力定位时，将运动响应的超前预报值x ft 作为船舶与浮式海洋平台的修正后的预报位置，提前将其反馈后并采用PID控制器对动力定位系统进行PID反馈控制，降低运动响应产生的滞后性，以实现对被控对象（指船舶或浮式海洋平台）的动力定位。
如上所述的，当船舶与浮式海洋平台的运动响应处于不同响应区间时，其所导致的安全与作业性能是不同的，因此，需要受动力定位系统干扰的程度也不同，因此，针对不同的响应区间采用合适的控制策略，提高定位控制科学性与控制效率，降低动力定位系统能耗，达到节省动力资源的目的，从而提升动力定位系统应用经济性。
结合图3示出的四个响应区间，图4示出不同响应区间下的控制策略。
在本申请的一些实施例中，在第一响应区间下，船舶与浮式海洋平台的安全与作业性能受影响程度不超过5%，出于节省动力定位系统能耗的目的，此时动力定位系统处于待机节能状态。
在第二响应区间下，船舶与浮式海洋平台作业系统的安全与作业性能受影响程度超过5%，但不超过10%，此时PID控制器的控制率采用如下公式（6）获取：
（6）。
其中，K P 是PID控制器的比例增益，T I 是积分时间常数，T D 是微分时间常数，e(t)为船舶与浮式海洋平台的期望位置和船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft 之间的偏差；r P 为比例增益的缩小系数且值小于1（即，降低比例增益）。
即，采用弱P（即，比例）的PID控制。
在此种情况下，采用较小的比例增益可以提高控制稳定性。
在第三响应区间下，船舶与浮式海洋平台作业系统的安全与作业性能受影响程度超过10%，但不超过20%，此时，PID控制器的控制率采用公式（7）获取：
（7）。
其中，m I 和m D 分别为积分增益的放大系数和微分增益的放大系数，且两个放大系数的值均大于1。
即，采用强I（即，积分）D（即，微分）的PID控制。
在此种情况下，增大积分时间可以增加PID控制器对误差的积累效果，从而减小稳态误差，但是过大的积分时间可能导致系统的超调和振荡现象，因此，再会通过增大微分时间减小系统的超调和振荡现象，提高控制稳定性。
在第四响应区间下，此时运动响应超限，PID控制器的控制率采用公式（8）获取：
（8）。
其中，m P 、m I 和m D 分别为比例增益的放大系数、积分增益的放大系数和微分增益的放大系数，且三个放大系数的值均大于1。
即，采用增强的PID控制。
增大的比例增益可以加快系统的响应速度，增大积分时间可以增加PID控制器对误差的积累效果，从而减小稳态误差，且增大微分时间减小系统的超调和振荡现象，提高控制稳定性。
在本申请的一些实施例中，也可以对响应区间进行其他数量的区分，对应的控制策略在不同响应区间也可会有所不同。
PID控制器输出的控制率作为船舶与浮式海洋平台的动力定位系统的控制量而被施加至被控对象上。
PID控制器输出的控制率能够作用在被控对象的多个推进器上，多个推进器在控制率的控制下，输出推力。
具体来说，将控制率作用在船舶与浮式海洋平台的推进系统上，经推进系统分配力矩至多个推进器上，以使多个推进器输出推力。
本实施例的船舶与浮式海洋平台动力定位控制方法，具有以下有益效果：
（1）基于数据和基于模型对船舶与浮式海洋平台在水平面内三个自由度的运动响应进行超前预报，提高预报精度。
（2）提前控制船舶与浮式海洋平台在水平面内定位至超前预报值x ft 处，降低运动响应所产生的滞后性，提高定位精度及定位稳定性。
（3）根据不同响应区间，采用不同控制策略，提高定位控制科学性与控制效率，降低动力定位系统能耗，在推进器输出更小的推力情况下达到更好的控制效果，达到节省动力资源的目的，从而提升动力定位系统应用经济性。
基于如上所述的船舶与浮式海洋平台动力定位控制方法的设计，本申请的实施例还提出了一种船舶与浮式海洋平台动力定位控制系统。
该动力定位控制系统主要包括基于数据的运动响应的预测模块、基于数据的外部环境荷载的预测模块、基于模型的运动响应的预测模块、计算模块、判断模块和反馈调节模块。
基于数据的运动响应的预测模块用于基于船舶与浮式海洋平台在水平面内三个自由度的运动响应的历史数据，对未来时刻三个自由度的运动响应进行预测，获取运动响应基于数据的超前预报值x t ，具体实现过程参见如上所述内容，在此不做赘述。
基于数据的外部环境荷载的预测模块用于对未来时刻外部环境荷载进行预测，获取外部环境荷载预报值h t ，具体实现过程参见如上所述内容，在此不做赘述。
基于模型的运动响应的预测模块用于基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，采用势流理论与刚体动力学分析法，获取船舶与浮式海洋平台在水平面内三个自由度的运动响应基于模型的超前预报值x tt ，具体实现过程参见如上所述内容，在此不做赘述。
计算模块用于对基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获得修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ，具体实现过程参见如上所述内容，在此不做赘述。
判断模块用于对超前预报值x ft 进行响应区间判断。
具体地，以船舶与浮式海洋平台在水平面内三个自由度的运动响应的响应目标值为参考，对运动响应进行从小到大的多个响应区间划分；判断修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 所属的响应区间，以对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断。
反馈调节模块用于基于所选择的与响应区间相对应的控制策略，对船舶与浮式海洋平台的动力定位系统进行反馈控制，具体实现过程参见如上所述内容，在此不做赘述。
具体的船舶与浮式海洋平台的动力定位控制系统的工作过程，已经在上述船舶与浮式海洋平台动力定位控制方法中详述，在此不做赘述。
本实施例的船舶与浮式海洋平台动力定位控制系统，通过采用船舶与浮式海洋平台动力定位控制方法，提高定位精度，可以实现船舶与浮式海洋平台动力定位系统保持更优的定位精度并处于安全工作区域，提高定位稳定性。
以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (10)
1.一种船舶与浮式海洋平台动力定位控制方法，其特征在于，包括：
基于船舶与浮式海洋平台在水平面内横荡、垂荡及艏摇三个自由度的运动响应的历史数据，对未来时刻三个自由度的运动响应进行预测，获取运动响应基于数据的超前预报值x t ；
基于外部环境荷载的历史数据，对未来时刻外部环境荷载进行预测，获取外部环境荷载预报值h t ；
基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，采用势流理论与刚体动力学分析法，获取运动响应基于模型的超前预报值x tt ；
对所述基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获得修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ；
对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断，选择与响应区间相对应的控制策略，以对船舶与浮式海洋平台的动力定位系统进行反馈控制。
2.根据权利要求1所述的船舶与浮式海洋平台动力定位控制方法，其特征在于，采用LSTM神经网络模型对未来时刻三个自由度的运动响应进行预测，获得所述基于数据的超前预报值x t 。
3.根据权利要求1所述的船舶与浮式海洋平台动力定位控制方法，其特征在于，采用LSTM神经网络模型对未来时刻外部环境荷载进行预测，获得所述外部环境荷载预报值h t 。
4.根据权利要求1或3所述的船舶与浮式海洋平台动力定位控制方法，其特征在于，基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，采用势流理论与刚体动力学分析法，获取运动响应基于模型的超前预报值x tt ，具体为：
根据二阶差频波浪荷载的传递函数，利用公式（1），获取二阶脉冲传递函数/>：
（1）；
其中，，/>和/>为两个波浪频率/>和/>的二阶传递函数，/>和/>表示统一时间间隔下的两个时刻；
基于和外部环境荷载预报值h t 中的波浪时程序列/>，采用公式（2），获取船舶与浮式海洋平台第i个自由度上的二阶波浪力的时程序列/>：
（2）；
基于外部环境荷载预报值h t 中的流速V c ，利用公式（3），获取船舶与浮式海洋平台第i个自由度的流荷载F cu(i)：
F cu(i)=c cu(i)×V c 2 （3）；
其中，c cu(i)为流荷载系数；
基于外部环境荷载预报值h t 中的风速V w ，利用公式（4），获取船舶与浮式海洋平台第i个自由度的风荷载F w(i)：
F w(i)=c w(i)×V w 2 （4）；
其中，c w(i)为风荷载系数；
在外部环境荷载作用下，获取基于外部环境荷载的六自由度时域运动响应计算公式，参见公式（5）；
（5）；
其中，δ(t)为船舶与浮式海洋平台运动响应，μ(∞)为船舶与浮式海洋平台在无穷大频率规则波作用下的附加质量系数，M为船舶与浮式海洋平台质量矩阵，K船舶与浮式海洋平台刚度矩阵，C为船舶与浮式海洋平台所受阻尼矩阵，L为时延函数；
基于δ(t)，获取船舶与浮式海洋平台在水平面内三个自由度的运动响应，作为超前预报值x tt 。
5.根据权利要求1所述的船舶与浮式海洋平台动力定位控制方法，其特征在于，对所述基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获得修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ，具体为：
x ft =αx t +βx tt ；
其中，α和β为加权系数、两者均为0~1之间的数值，且α+β=1，α和β的数值是依据历史数据学习得到并不断更新。
6.根据权利要求1所述的船舶与浮式海洋平台动力定位控制方法，其特征在于，对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断，具体为：
以船舶与浮式海洋平台在水平面内三个自由度的运动响应的响应目标值为参考，对运动响应进行从小到大的多个响应区间划分；
判断修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 所属的响应区间，以对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断。
7.根据权利要求6所述的船舶与浮式海洋平台动力定位控制方法，其特征在于，根据修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ，通过PID控制器对动力定位系统进行PID反馈控制。
8.根据权利要求7所述的船舶与浮式海洋平台动力定位控制方法，其特征在于，
多个响应区间包括依次增大的第一响应区间、第二响应区间、第三响应区间和第四响应区间；
在第一响应区间下，所述动力定位系统处于待机节能状态；
在第二响应区间下，所述PID控制器的控制率采用公式（6）获取：
（6）；
在第三响应区间下，所述PID控制器的控制率采用公式（7）获取：
（7）；
在第四响应区间下，所述PID控制器的控制率采用公式（8）获取：
（8）；
其中，K P 是PID控制器的比例增益，T I 是积分时间常数，T D 是微分时间常数，e(t)为所述响应目标值和修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft 之间的偏差；r p 为比例增益的缩小系数且值小于1；m P 、m I 和m D 分别为比例增益的放大系数、积分增益的放大系数和微分增益的放大系数，且三个放大系数的值均大于1。
9.一种船舶与浮式海洋平台动力定位控制系统，其特征在于，包括：
基于数据的运动响应的预测模块，其用于基于船舶与浮式海洋平台在水平面内三个自由度的运动响应的历史数据，对未来时刻三个自由度的运动响应进行预测，获取运动响应基于数据的超前预报值x t ；
基于数据的外部环境荷载的预测模块，其用于对未来时刻外部环境荷载进行预测，获取外部环境荷载预报值h t ；
基于模型的运动响应的预测模块，其用于基于外部环境荷载预报值h t 和船舶与浮式海洋平台的模型信息，采用势流理论与刚体动力学分析法，获取运动响应基于模型的超前预报值x tt ；
计算模块，其用于对所述基于数据的超前预报值x t 和基于模型的超前预报值x tt 进行加权运算，获得修正后的船舶与浮式海洋平台在水平面内三个自由度的运动响应的超前预报值x ft ；
判断模块，其用于对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断；
反馈调节模块，基于所选择的与响应区间相对应的控制策略，对船舶与浮式海洋平台的动力定位系统进行反馈控制。
10.根据权利要求9所述的船舶与浮式海洋平台动力定位控制系统，其特征在于，所述判断模块对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断，具体为：
以船舶与浮式海洋平台在水平面内三个自由度的运动响应的响应目标值为参考，对运动响应进行从小到大的多个响应区间划分；
判断修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 所属的响应区间，以对修正后的船舶与浮式海洋平台的运动响应的超前预报值x ft 进行响应区间判断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311075807.7A CN116819950B (zh) | 2023-08-25 | 2023-08-25 | 一种船舶与浮式海洋平台动力定位控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311075807.7A CN116819950B (zh) | 2023-08-25 | 2023-08-25 | 一种船舶与浮式海洋平台动力定位控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116819950A true CN116819950A (zh) | 2023-09-29 |
| CN116819950B CN116819950B (zh) | 2023-11-07 |
Family
ID=88114776
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311075807.7A Active CN116819950B (zh) | 2023-08-25 | 2023-08-25 | 一种船舶与浮式海洋平台动力定位控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116819950B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117369286A (zh) * | 2023-12-04 | 2024-01-09 | 中国海洋大学 | 一种海洋平台动力定位控制方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1179076A (ja) * | 1997-09-02 | 1999-03-23 | Mitsubishi Heavy Ind Ltd | 船体動揺予測機能付き船体運動監視装置 |
| CN103592849A (zh) * | 2013-11-12 | 2014-02-19 | 中国交通建设股份有限公司 | 一种船舶动力定位控制方法 |
| CN107545250A (zh) * | 2017-08-31 | 2018-01-05 | 哈尔滨工程大学 | 一种基于海浪图像遥感和人工智能的海洋浮体运动实时预报系统 |
| CN110687794A (zh) * | 2019-11-04 | 2020-01-14 | 青岛科技大学 | 一种基于干扰观测器的船舶动力定位系统非线性无偏预测控制方法 |
| CN111487981A (zh) * | 2020-05-14 | 2020-08-04 | 智慧航海（青岛）科技有限公司 | 船舶动力定位系统及其风力前馈控制方法和装置 |
| CN111552182A (zh) * | 2020-05-11 | 2020-08-18 | 鲁东大学 | 一种基于干扰观测器的船舶动力定位系统的抗干扰饱和控制方法 |
| CN111665722A (zh) * | 2020-06-18 | 2020-09-15 | 哈尔滨工程大学 | 一种基于预测控制的海浪主动补偿控制方法 |
| CN113156815A (zh) * | 2021-03-10 | 2021-07-23 | 广东海洋大学 | 一种数据驱动的海上船舶运动姿态实时预报方法 |
| CN113344275A (zh) * | 2021-06-15 | 2021-09-03 | 上海交通大学 | 一种基于lstm模型的浮式平台波浪爬升在线预报方法 |
| EP3984877A1 (en) * | 2020-10-19 | 2022-04-20 | Dacoma ApS | Systems and methods for vessel stabilisation |
| CN114715331A (zh) * | 2022-06-02 | 2022-07-08 | 中国海洋大学 | 一种浮式海洋平台动力定位控制方法及系统 |
| CN116184836A (zh) * | 2023-04-26 | 2023-05-30 | 中国船舶集团有限公司第七〇七研究所 | 一种基于片体间流体干扰力预测的船舶运动预报方法 |
| CN116306079A (zh) * | 2022-12-23 | 2023-06-23 | 中国船舶集团有限公司系统工程研究院 | 一种应用于海洋细长柔性结构动态响应预测模型构建方法 |
-
2023
- 2023-08-25 CN CN202311075807.7A patent/CN116819950B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1179076A (ja) * | 1997-09-02 | 1999-03-23 | Mitsubishi Heavy Ind Ltd | 船体動揺予測機能付き船体運動監視装置 |
| CN103592849A (zh) * | 2013-11-12 | 2014-02-19 | 中国交通建设股份有限公司 | 一种船舶动力定位控制方法 |
| CN107545250A (zh) * | 2017-08-31 | 2018-01-05 | 哈尔滨工程大学 | 一种基于海浪图像遥感和人工智能的海洋浮体运动实时预报系统 |
| CN110687794A (zh) * | 2019-11-04 | 2020-01-14 | 青岛科技大学 | 一种基于干扰观测器的船舶动力定位系统非线性无偏预测控制方法 |
| CN111552182A (zh) * | 2020-05-11 | 2020-08-18 | 鲁东大学 | 一种基于干扰观测器的船舶动力定位系统的抗干扰饱和控制方法 |
| CN111487981A (zh) * | 2020-05-14 | 2020-08-04 | 智慧航海（青岛）科技有限公司 | 船舶动力定位系统及其风力前馈控制方法和装置 |
| CN111665722A (zh) * | 2020-06-18 | 2020-09-15 | 哈尔滨工程大学 | 一种基于预测控制的海浪主动补偿控制方法 |
| EP3984877A1 (en) * | 2020-10-19 | 2022-04-20 | Dacoma ApS | Systems and methods for vessel stabilisation |
| CN113156815A (zh) * | 2021-03-10 | 2021-07-23 | 广东海洋大学 | 一种数据驱动的海上船舶运动姿态实时预报方法 |
| CN113344275A (zh) * | 2021-06-15 | 2021-09-03 | 上海交通大学 | 一种基于lstm模型的浮式平台波浪爬升在线预报方法 |
| CN114715331A (zh) * | 2022-06-02 | 2022-07-08 | 中国海洋大学 | 一种浮式海洋平台动力定位控制方法及系统 |
| CN116306079A (zh) * | 2022-12-23 | 2023-06-23 | 中国船舶集团有限公司系统工程研究院 | 一种应用于海洋细长柔性结构动态响应预测模型构建方法 |
| CN116184836A (zh) * | 2023-04-26 | 2023-05-30 | 中国船舶集团有限公司第七〇七研究所 | 一种基于片体间流体干扰力预测的船舶运动预报方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZHIJUN WANG: "Dyna mic Position Predicting of Underactuated Surface Vessel with Unscented Kal man Filter", IEEE, pages 191 * |
| 张德庆: "基于人工神经网络算法的深海浮式系统动力响应预报方法", 《中国造船》, vol. 62, no. 1, pages 123 - 132 * |
| 彭义;王钦若;熊建斌;: "海洋工程动力定位实验室建设与实践", 实验室研究与探索, no. 06, pages 191 - 194 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117369286A (zh) * | 2023-12-04 | 2024-01-09 | 中国海洋大学 | 一种海洋平台动力定位控制方法 |
| CN117369286B (zh) * | 2023-12-04 | 2024-02-09 | 中国海洋大学 | 一种海洋平台动力定位控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116819950B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Robust adaptive neural control for wing-sail-assisted vehicle via the multiport event-triggered approach | |
| CN116819950B (zh) | 一种船舶与浮式海洋平台动力定位控制方法及系统 | |
| CN110597069B (zh) | 一种基于rbf神经网络的水下机器人自适应区域动力定位控制方法 | |
| Fan et al. | Course keeping control based on integrated nonlinear feedback for a USV with pod-like propulsion | |
| Ren et al. | Active heave compensation of floating wind turbine installation using a catamaran construction vessel | |
| CN109240280B (zh) | 基于强化学习的锚泊辅助动力定位系统控制方法 | |
| CN111547212B (zh) | 一种无动力式快速潜浮auv的浮力控制方法 | |
| CN113485121B (zh) | 一种分布式多船协同动力定位控制方法 | |
| CN109240289B (zh) | 波浪滑翔器艏摇信息自适应滤波方法 | |
| Deng et al. | Event-triggered composite adaptive fuzzy control of sailboat with heeling constraint | |
| CN116627043B (zh) | 一种联合锚泊系统的区域动力定位控制方法 | |
| CN113359785B (zh) | 一种微小型auv水下运动和悬停控制方法 | |
| CN112947375B (zh) | 一种考虑未知死区的复合自适应容错控制器设计方法 | |
| CN108829102B (zh) | 自适应艏向信息融合的波浪滑翔器航向控制方法 | |
| CN111427356A (zh) | 一种船舶航向区间控制方法和系统 | |
| CN115180085A (zh) | 一种无人帆船的航速估算方法 | |
| Tuo et al. | Finite-time extended state observer-based area keeping and heading control for turret-moored vessels with uncertainties and unavailable velocities | |
| CN114715331B (zh) | 一种浮式海洋平台动力定位控制方法及系统 | |
| Alagili et al. | An energy-efficient dynamic positioning controller for high sea conditions | |
| CN110716572A (zh) | 基于pch模型的多艘动力定位船鲁棒同时镇定系统 | |
| CN115755891A (zh) | 一种高海况下近水面航行器运动控制方法 | |
| CN110837254B (zh) | 一种水翼艇纵向运动控制方法 | |
| CN114035585B (zh) | 一种半潜运载装备动力定位自适应控制系统与方法 | |
| CN113031632B (zh) | 一种适用于潜航器水面回收的控制系统及其控制方法 | |
| CN117270391B (zh) | 一种面向网箱巡检的转筒帆助航船自适应触发控制方法 |
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 |