JPH11286957A - 浚渫船のｒａｎｃ自動制御方法 - Google Patents

浚渫船のｒａｎｃ自動制御方法

Info

Publication number
JPH11286957A
JPH11286957A JP9175498A JP9175498A JPH11286957A JP H11286957 A JPH11286957 A JP H11286957A JP 9175498 A JP9175498 A JP 9175498A JP 9175498 A JP9175498 A JP 9175498A JP H11286957 A JPH11286957 A JP H11286957A
Authority
JP
Japan
Prior art keywords
dredging
control
parameters
dredger
drag
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.)
Pending
Application number
JP9175498A
Other languages
English (en)
Inventor
Yoshiaki Takahashi
義明 高橋
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.)
IHI Corp
Original Assignee
IHI Corp
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 IHI Corp filed Critical IHI Corp
Priority to JP9175498A priority Critical patent/JPH11286957A/ja
Publication of JPH11286957A publication Critical patent/JPH11286957A/ja
Pending legal-status Critical Current

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F3/00—Dredgers; Soil-shifting machines
    • E02F3/04—Dredgers; Soil-shifting machines mechanically-driven
    • E02F3/88—Dredgers; Soil-shifting machines mechanically-driven with arrangements acting by a sucking or forcing effect, e.g. suction dredgers
    • E02F3/90—Component parts, e.g. arrangement or adaptation of pumps
    • E02F3/905—Manipulating or supporting suction pipes or ladders; Mechanical supports or floaters therefor; pipe joints for suction pipes
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F3/00—Dredgers; Soil-shifting machines
    • E02F3/04—Dredgers; Soil-shifting machines mechanically-driven
    • E02F3/88—Dredgers; Soil-shifting machines mechanically-driven with arrangements acting by a sucking or forcing effect, e.g. suction dredgers
    • E02F3/8833—Floating installations
    • E02F3/8841—Floating installations wherein at least a part of the soil-shifting equipment is mounted on a ladder or boom
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F3/00—Dredgers; Soil-shifting machines
    • E02F3/04—Dredgers; Soil-shifting machines mechanically-driven
    • E02F3/88—Dredgers; Soil-shifting machines mechanically-driven with arrangements acting by a sucking or forcing effect, e.g. suction dredgers
    • E02F3/90—Component parts, e.g. arrangement or adaptation of pumps
    • E02F3/907—Measuring or control devices, e.g. control units, detection means or sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Mining & Mineral Resources (AREA)
  • Civil Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

(57)【要約】 【課題】 ＰＩＤ制御と併行にニューラルネットコント
ローラとニューロ予測モデルを用いて、外乱を考慮して
揚土量を最大に制御できる浚渫船のＲＡＮＣ自動制御方
法を提供する。 【解決手段】 ドラグアーム１２をスェル補償器１５で
支持して先端のドラグヘッド１１の接地圧を調整しつ
つ、浚渫船を推進させ、ドレージポンプ１７で海底の泥
をドラグヘッドで吸い込んで浚渫を行う浚渫船の制御方
法において、船速、接地圧及びドレージポンプの回転数
をパラメータとし、これらパラメータをＰＩＤ制御にて
制御し、そのＰＩＤ制御による浚渫特性をニューラルネ
ットワーク３２，３３で学習すると共に海底形状等の外
乱Ｕで変化する浚渫特性から誤差信号Ｅを生成し、その
誤差信号Ｅから外乱中の浚渫特性を予測して、上記パラ
メータを制御するものである。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、ドラグヘッドで浚
渫する浚渫船の制御方法に係り、特に、ＲＡＮＣによる
自動制御を用いて揚土量が最大になるように各種パラメ
ータを学習して浚渫する浚渫船のＲＡＮＣ自動制御方法
に関するものである。
【０００２】
【従来の技術】ドラグヘッドを用いた浚渫船は、船体側
部にドラグアームを俯仰自在に設け、そのドラグアーム
をワイヤを介してスェル補償器（Swell Compensator ）
で保持してドラグヘッドの接地圧を調整し、船体内に設
けたドレージポンプよりドラグアームを介し先端のドラ
グヘッドから海底泥を吸い込んで船体内の泥槽に揚土す
るようになっている。
【０００３】従来、揚土量の制御は、ドレージポンプの
回転数をキャビテーションを起こさない範囲で、泥質，
海底形状の変化に追随して人が手で変えて行ったり、こ
れに代わるものとしてファジー制御やＰＩＤ制御を用い
たものが実際に使われてきたが、揚土量を最大にするに
は個々のこれらのパラメータを有機的に変化させる必要
がある。
【０００４】この浚渫の自動化は、指定された時間当た
りの揚土量を最大とするように、ドレージポンプの回転
数とドラッグアームを保持するスェル補償器によるドラ
ッグヘッドの接地圧、船速等のパラメータを制御してい
る。
【０００５】
【発明が解決しようとする課題】しかしながら、従来の
自動制御では、個別の機器等の自動制御にはよいが、浚
渫という系があまりにも複雑なため、各パラメータの調
節をファジー制御やＰＩＤ制御で行っても、必ずしもス
ムーズに行われる保障はない。
【０００６】すなわち、浚渫には、泥質，海底形状、潮
流変化や波など外乱があり、ＰＩＤ制御等を行っても、
これら外乱まで考慮した制御はなされておらず、これら
をまとめて的確に把握しながら制御することはなされて
いない。
【０００７】そこで、本発明の目的は、上記課題を解決
し、ＰＩＤ制御と併行にニューラルネットコントローラ
とニューロ予測モデルを用いて、外乱を考慮して揚土量
を最大に制御できる浚渫船のＲＡＮＣ自動制御方法を提
供することにある。
【０００８】
【課題を解決するための手段】上記目的を達成するため
に請求項１の発明は、ドラグアームをスェル補償器で支
持して先端のドラグヘッドの接地圧を調整しつつ、浚渫
船を推進させ、ドレージポンプで海底の泥をドラグヘッ
ドで吸い込んで浚渫を行う浚渫船の制御方法において、
船速、接地圧及びドレージポンプの回転数をパラメータ
とし、これらパラメータをＰＩＤ制御にて制御し、その
ＰＩＤ制御による浚渫特性をニューラルネットワークで
学習すると共に海底形状等の外乱で変化する浚渫特性か
ら誤差信号を生成し、その誤差信号から外乱中の浚渫特
性を予測して、上記パラメータを制御する浚渫船のＲＡ
ＮＣ自動制御方法である。
【０００９】請求項２の発明は、ドラグアームをスェル
補償器で支持して先端のドラグヘッドの接地圧を調整し
つつ、浚渫船を推進させ、ドレージポンプで海底の泥を
ドラグヘッドで吸い込んで浚渫を行う浚渫船の制御方法
において、船速、接地圧及びドレージポンプの回転数を
パラメータとした浚渫特性の目標値を設定し、他方、実
際の浚渫特性と目標値とをＰＩＤ制御にて各パラメータ
の第１の操作量を決定すると共にその第１の操作量で浚
渫特性を操作し、その操作に基づく浚渫特性をニューロ
予測モデルで学習してモデル化し、その後、実際の海底
面形状等の外乱で変化する浚渫特性と目標値との誤差信
号よりニューラルネットワークによるニューロコントロ
ーラの制御パラメータを調整して第２の操作量を求め、
上記第１の操作量と第２の操作量を足し合わせて最終操
作量を求めて浚渫船を制御する浚渫船のＲＡＮＣ自動制
御方法である。
【００１０】請求項３の発明は、ニューロ予測モデル
が、外乱中での浚渫特性を予測した後、その予測に基づ
いて第２の操作量を決定する請求項２記載の浚渫船のＲ
ＡＮＣ自動制御方法である。
【００１１】
【発明の実施の形態】以下、本発明の好適一実施の形態
を添付図面に基づいて詳述する。
【００１２】先ず、図１により浚渫船を説明する。
【００１３】船体１０の側部には、先端下部にドラグヘ
ッド１１を有するドラグアーム１２が俯仰自在に設けら
れ、そのドラグアーム１２がワイヤ１３と滑車１４を介
してスェル補償器１５に保持され、そのスェル補償器１
５によりワイヤ１３の端部を昇降動してドラグヘッド１
１の接地圧を調整できるようになっている。
【００１４】船体１０内には、ドラグアーム１２からド
ラグヘッド１１を介して海底１６の泥を吸い込むドレー
ジポンプ１７が設けられると共に、そのドレージポンプ
１７で揚土された泥１８を貯留する泥槽１９が設けられ
る。
【００１５】また、船体１０の後方には、推進器２０と
ラダー２１が設けられる。
【００１６】この浚渫船での浚渫作業は、推進器２０で
所定の船速を保ち、かつスェル補償器１５で、ドラグヘ
ッド１１が所定の接地圧となるようにワイヤ１３を調整
し、さらにドレージポンプ１７が所定の回転となるよう
にし、そのドレージポンプ１７で、海底１６の泥を図示
の矢印２２に示したように吸い込み、その吸い込んだ泥
を泥槽１９に貯留して海底１６を浚渫するようになって
いる。
【００１７】また船速、スェル補償器１５によるドラグ
ヘッド１１の接地圧、ドレージポンプ１７の回転数はそ
れぞれセンサで検出され、これら検出値が制御系に入力
される。
【００１８】なお、２４は、泥槽１９内の海水を泥から
分離して排水するための排水装置である。
【００１９】浚渫自動化においては、指定された時間
（大抵は一航送の時間）当たりの揚土量を最大にするよ
うに、目標値となる目標船速ｖo とドラグヘッド１１の
目標接地圧ｐo と目標回転数（キャビテーションを起こ
さない最大回転数）ｒo を設定する。
【００２０】先ず、揚土量は、海水を含む泥の流量を差
圧等により測定し、その流量に含泥率をかけて求め、含
泥率は、ドレージポンプ１７から吐出される泥水の濁度
等、適宜の方法で求める。
【００２１】目標船速ｖo 、目標接地圧ｐo 、目標回転
数ｒo となるパラメータの設定は、浚渫する海底の泥質
を予め調査等により求めておき、かつ海底形状が平坦で
あるとして目標値ｏを決めておく。しかし、泥質の変化
や海底の形状変化により最適なパラメータは変化するた
め、パラメータを、予め所定の範囲を設定しておき、こ
れらパラメータに基づく浚渫特性は、これらパラメータ
の相関を有機的にベクトルとして表現しておく。
【００２２】揚土量の制御は、上述したパラメータの目
標値ｏと浚渫船の出力ｙ（ｖy ，ｐy ，ｒy ）とをＰＩ
Ｄ制御（ファジー制御を含む）によって第１の操作量Ｕ
PIDを求める。
【００２３】この際、海底地形変化や泥質でドラグヘッ
ド１１の接地圧ｐが変化すると共に、これに追随してド
レージポンプ１７の最適回転数ｒも変える必要がある。
すなわち、海底地形が浚渫船の推進方向に隆起していれ
ば、接地圧ｐが大きくなり、吸い込む海水量に対して泥
量が多くなってキャビテーションを起こしやすくなり、
最適回転数ｒを下げる必要があり、逆に推進方向に深く
なっていれば、接地圧ｐが下がり、泥量に対して海水量
が多くなるため最適回転数ｒを上げても支障がない。ま
た土質によっても、泥が硬いか、柔らかいかなどでも粘
性が変わるため、最適回転数ｒを変化させる必要がある
（このドレージポンプ１７の最適回転数ｒは、流量と負
荷状態から決めることができる）。
【００２４】さらに潮流変化で、船速ｖが変わり、これ
が接地圧ｐの変化となって現れると共に波浪に至って
は、接地圧ｐに周期的な揺動変化となって現れる。
【００２５】従って、古典的ＰＩＤ制御では、これら外
乱Ｕに対して浚渫変化の特性を適正に維持することは困
難である。
【００２６】そこで、本発明は、上述のＰＩＤ制御とニ
ューラルネットワークによる制御システムを並列に用い
た制御システムであるＲＡＮＣ（Robust Adaptive Nura
l-net Controller）により、外乱Ｕ中での浚渫船の浚渫
変化の特性をＡＩ技術の一つであるニューラルネットワ
ークで学習し、フィードフォワードモデル（予測モデ
ル）を作って第２の操作量Ｕnnとし、上記第１の操作量
ＵPID と第２の操作量Ｕnnとを足し合わせて最終操作量
Ｕo として浚渫船の各パラメータを制御するようにした
ものである。
【００２７】次に、この浚渫時の揚土量を制御する制御
システムであるＲＡＮＣを、図２のブロックダイアグラ
ムで説明する。このＲＡＮＣによる制御システムは、本
発明者が先に提案した特願平５−３３３３６５号（発明
の名称；ＲＯＶの自動制御方法）及び特願平８−１１２
８５５号（発明の名称；潜水体及び潜水位置制御方法）
と基本的なシステムは同じであるが、制御するパラメー
タが異なる。
【００２８】図２において、３０は制御対象である浚渫
船で、制御対象項目として、ドレージポンプ回転数ｒ、
スェル補償器によるドラグヘッド接地圧ｐ、船速ｖをパ
ラメータとし、これらをベクトルとして表現し、これら
の合成ベクトルに基づいて制御する。３１はＰＩＤコン
トローラ、３２はニューロ予測モデル、３３はニューロ
コントローラ、３４，３５，３６は加算器、３７は、泥
質，船底地形、潮流（波も含む）等の外乱の加算器であ
る。
【００２９】先ず、ＰＩＤコントローラ３１、ニューロ
予測モデル３２、ニューロコントローラ３３による制御
の基本的動作を順に説明する。
【００３０】(1) ＰＩＤコントローラ３１による制御 ニューロ予測モデルネットワーク及びコントローラネッ
トワークのパラメータには、初期値として微小でランダ
ムな値を与えるため、それぞれのネットワークは学習前
には微小な出力しかない。
【００３１】このため、コントローラネットワークが十
分学習する前は、ＰＩＤコントローラ３１が浚渫船３０
の制御を行い、そのＰＩＤ制御に基づく各パラメータの
調整に基づく浚渫特性をコントローラネットワークに学
習させるために行う。
【００３２】(2) ニューロ予測モデル３２ ＰＩＤコントローラ３１が外乱中での浚渫船３０を制御
している状態で、予測モデルネットワークは、浚渫船の
操作量と、それに応答した浚渫特性（すなわち、接地
圧、回転数、船速等に基づく揚土量）を学習する。
【００３３】(3) コントローラネットワークの学習 予測モデルネットワークが浚渫特性と外乱を十分に学習
した後に生成する誤差信号Ｅにより、コントローラネッ
トワークが学習し、最適なコントローラを自動的に生成
する。
【００３４】(4) コントローラネットワーク３３による
制御 コントローラネットワークが最適なコントローラを学習
により自動的に生成するとフィードバックされる値が減
衰する。このためＰＩＤコントローラの出力が減衰さ
れ、外乱が一定もしくは周期成分を伴っていても、浚渫
船への操作量は、最終的に浚渫船はコントローラネット
ワークのみにより制御される。
【００３５】このＲＡＮＣによる制御を、さらに図２に
より詳しく説明する。
【００３６】先ず、ＰＩＤコントローラ３１は、加算器
３４に加えられた、浚渫船３０の出力ｙと目標値ｏとの
偏差信号ｓが入力され、その偏差及び偏差の微分、積分
を用いて第１の操作量ＵPDI を加算器３５に出力する。
【００３７】ニューロ予測モデル３２は、浚渫船３０が
遭遇した環境（外乱）における浚渫船の浚渫変化の特性
をモデル化するニューラルネットワークである。このネ
ットワークは、浚渫船に与えられる操作量（ＵPID ＋Ｕ
nn＝Ｕｏ）と同じ入力が与えられた場合に、浚渫船の浚
渫特性と同様の出力（船速，接地圧，回転数）するよう
に内部パラメータを調整するための誤差信号Ｅが、この
ネットワークを用いて浚渫船の浚渫特性と目標値ｏの偏
差により生成される。
【００３８】すなわち、ニューロ予測モデル３２には、
ＰＩＤコントローラ３１の第１の操作量ＵPID とニュー
ロコントローラ３２の第２の操作量Ｕnnがとが加算器３
５で足し合わされた最終操作量Ｕo が入力されると共に
浚渫船３０の出力ｙが入力され、先ず第１の操作量Ｕ
PID に対する浚渫船３０の特性を学習すると共に浚渫船
３０の外乱３７中での特性を予測し、また予測モデル３
２による船速，接地圧，回転数を加算器３６に出力し、
加算器３６に入力される実際の浚渫船の船速，接地圧，
回転数との偏差により予測モデル内部係数を調節して外
乱中での浚渫船の浚渫特性をモデル化（学習）する。
【００３９】そして、予測モデルは、実際の浚渫船３０
の船速，接地圧，回転数の目標値との偏差より誤差信号
Ｅを作り出す。
【００４０】ニューロコントローラ３３は、浚渫船が遭
遇した環境で浚渫船を最適にコントロールできるコント
ローラを生成するニューラルネットワークであり、ニュ
ーロ予測モデル３２が生成した誤差信号Ｅを用いて自動
的に内部パラメータを調整（学習）し、接地圧，回転数
を制御するための最適なコントローラを生成する。
【００４１】さて、浚渫船３０のスェル補償器１５によ
るドラグヘッド１１の接地圧、ドレージポンプ１７の回
転数の最終操作量Ｕｏは、コントローラネットワークの
出力（第２の操作量Ｕnn）とＰＩＤコントローラの出力
（第１の操作量ＵPID ）を足し合わせた値（最終操作
量）であるが、実際には未知の外乱Ｕが加算器３７で足
し合わされて浚渫船３０に直接作用する。
【００４２】制御開始時は、ニューロ予測モデル３２
は、外乱Ｕを十分に学習していないため、第２の操作量
Ｕnnの出力は僅かであり、主に第１の操作量ＵPID に対
する目標値ｏとの誤差を学習し、第１の操作量ＵPID に
基づく浚渫特性を学習し、その後、徐々に外乱Ｕに基づ
く変化に重みを与えて誤差信号Ｅを発生して第２操作量
Ｕnnを決定していく。
【００４３】このようにニューロ予測モデル３２が、実
際の浚渫特性との誤差から外乱Ｕによる浚渫特性を予測
し、ニューロコントローラ３３がニューロ予測モデル３
２の誤差信号Ｅを受けて第２操作量Ｕnnを決定して外乱
に基づくフィードフォワード制御を行うことで、外乱Ｕ
中においても浚渫船３０を適正に制御でき、外乱の環境
下、揚土量が最大となるようにドレージポンプ１７の回
転数を自動制御することが可能となる。
【００４４】
【発明の効果】以上要するに本発明によれば、ＰＩＤ制
御とニューラルネットワークによる外乱中の浚渫特性を
予測モデルで学習させて、その予測に基づいて制御する
ことで、浚渫船のよりスムーズな制御を期待できると共
に浚渫の無人運転を実現することが可能となる。
【図面の簡単な説明】
【図１】本発明における浚渫船の概要を示す図である。
【図２】本発明の浚渫時の揚土量を制御するＲＡＮＣ制
御システムのブロックダイアグラムである。
【符号の説明】
１０ 船体 １１ ドラグヘッド １２ ドラグアーム １５ スェル補償器 １７ ドレージポンプ ３０ 浚渫船 ３１ ＰＩＤコントローラ ３２ ニューロ予測モデル ３３ ニューロコントローラ

Claims (3)

    【特許請求の範囲】
  1. 【請求項１】 ドラグアームをスェル補償器で支持して
    先端のドラグヘッドの接地圧を調整しつつ、浚渫船を推
    進させ、ドレージポンプで海底の泥をドラグヘッドで吸
    い込んで浚渫を行う浚渫船の制御方法において、船速、
    接地圧及びドレージポンプの回転数をパラメータとし、
    これらパラメータをＰＩＤ制御にて制御し、そのＰＩＤ
    制御による浚渫特性をニューラルネットワークで学習す
    ると共に海底形状等の外乱で変化する浚渫特性から誤差
    信号を生成し、その誤差信号から外乱中の浚渫特性を予
    測して、上記パラメータを制御することを特徴とする浚
    渫船のＲＡＮＣ自動制御方法。
  2. 【請求項２】 ドラグアームをスェル補償器で支持して
    先端のドラグヘッドの接地圧を調整しつつ、浚渫船を推
    進させ、ドレージポンプで海底の泥をドラグヘッドで吸
    い込んで浚渫を行う浚渫船の制御方法において、船速、
    接地圧及びドレージポンプの回転数をパラメータとした
    浚渫特性の目標値を設定し、他方、実際の浚渫特性と目
    標値とをＰＩＤ制御にて各パラメータの第１の操作量を
    決定すると共にその第１の操作量で浚渫特性を操作し、
    その操作に基づく浚渫特性をニューロ予測モデルで学習
    してモデル化し、その後、実際の海底面形状等の外乱で
    変化する浚渫特性と目標値との誤差信号よりニューラル
    ネットワークによるニューロコントローラの制御パラメ
    ータを調整して第２の操作量を求め、上記第１の操作量
    と第２の操作量を足し合わせて最終操作量を求めて浚渫
    船を制御することを特徴とする浚渫船のＲＡＮＣ自動制
    御方法。
  3. 【請求項３】 ニューロ予測モデルが、外乱中での浚渫
    特性を予測した後、その予測に基づいて第２の操作量を
    決定する請求項２記載の浚渫船のＲＡＮＣ自動制御方
    法。
JP9175498A 1998-04-03 1998-04-03 浚渫船のｒａｎｃ自動制御方法 Pending JPH11286957A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP9175498A JPH11286957A (ja) 1998-04-03 1998-04-03 浚渫船のｒａｎｃ自動制御方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP9175498A JPH11286957A (ja) 1998-04-03 1998-04-03 浚渫船のｒａｎｃ自動制御方法

Publications (1)

Publication Number Publication Date
JPH11286957A true JPH11286957A (ja) 1999-10-19

Family

ID=14035338

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9175498A Pending JPH11286957A (ja) 1998-04-03 1998-04-03 浚渫船のｒａｎｃ自動制御方法

Country Status (1)

Country Link
JP (1) JPH11286957A (ja)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10324169B3 (de) * 2003-05-28 2005-02-17 Team Technology, Engineering And Marketing Gmbh Verfahren zur automatischen Einstellung von Geländeprofilen im Bereich von Gewässern
JP2006200132A (ja) * 2005-01-18 2006-08-03 Penta Ocean Constr Co Ltd 浚渫装置
EP1811127A1 (en) 2006-01-20 2007-07-25 Dredging International N.V. Method of mining the sea bed
WO2010079193A1 (en) * 2009-01-10 2010-07-15 Dredging International N.V. Excavating device for excavating ground under water, and method for excavating ground
KR100974157B1 (ko) * 2008-04-23 2010-08-04 현대건설주식회사 준설 관련 데이터 계측을 위한 통합 데이터 수집 장치
CN102393624A (zh) * 2011-04-29 2012-03-28 上海交通大学 基于环网冗余结构的挖泥船动力定位控制系统
CN103423143A (zh) * 2013-09-10 2013-12-04 镇江市欧菱电气自动化系统设备有限公司 城市排水管网大型排污泵组的巡检控制装置
CN104884709A (zh) * 2012-12-20 2015-09-02 Ihc荷兰Ie有限公司 切割式挖掘船
CN111305293A (zh) * 2020-02-25 2020-06-19 深圳冰河导航科技有限公司 一种自动化平地机控制系统及其平地方法
CN114063442A (zh) * 2021-11-25 2022-02-18 中国船舶重工集团公司第七0七研究所 一种基于神经网络船舶拖曳作业pid航向控制方法
CN116290203A (zh) * 2023-01-12 2023-06-23 中港疏浚有限公司 基于神经网络的疏浚施工参数选优模型方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10324169B3 (de) * 2003-05-28 2005-02-17 Team Technology, Engineering And Marketing Gmbh Verfahren zur automatischen Einstellung von Geländeprofilen im Bereich von Gewässern
JP2006200132A (ja) * 2005-01-18 2006-08-03 Penta Ocean Constr Co Ltd 浚渫装置
BE1018431A3 (nl) * 2006-01-20 2010-11-09 Dredging Int Werkwijze voor het ontginnen van de zeebodem.
EP1811127A1 (en) 2006-01-20 2007-07-25 Dredging International N.V. Method of mining the sea bed
KR100974157B1 (ko) * 2008-04-23 2010-08-04 현대건설주식회사 준설 관련 데이터 계측을 위한 통합 데이터 수집 장치
BE1018582A3 (nl) * 2009-01-10 2011-04-05 Dredging Int Ontgraafinrichting voor het ontgraven van grond onder water en werkwijze voor het ontgraven van grond.
WO2010079193A1 (en) * 2009-01-10 2010-07-15 Dredging International N.V. Excavating device for excavating ground under water, and method for excavating ground
CN102393624A (zh) * 2011-04-29 2012-03-28 上海交通大学 基于环网冗余结构的挖泥船动力定位控制系统
CN104884709A (zh) * 2012-12-20 2015-09-02 Ihc荷兰Ie有限公司 切割式挖掘船
CN103423143A (zh) * 2013-09-10 2013-12-04 镇江市欧菱电气自动化系统设备有限公司 城市排水管网大型排污泵组的巡检控制装置
CN111305293A (zh) * 2020-02-25 2020-06-19 深圳冰河导航科技有限公司 一种自动化平地机控制系统及其平地方法
CN114063442A (zh) * 2021-11-25 2022-02-18 中国船舶重工集团公司第七0七研究所 一种基于神经网络船舶拖曳作业pid航向控制方法
CN114063442B (zh) * 2021-11-25 2023-04-28 中国船舶重工集团公司第七0七研究所 一种基于神经网络船舶拖曳作业pid航向控制方法
CN116290203A (zh) * 2023-01-12 2023-06-23 中港疏浚有限公司 基于神经网络的疏浚施工参数选优模型方法
CN116290203B (zh) * 2023-01-12 2023-10-03 中港疏浚有限公司 基于神经网络的疏浚施工参数选优模型方法

Similar Documents

Publication Publication Date Title
AU2015243046B2 (en) Self-propelled buoy for monitoring underwater objects
JPH11286957A (ja) 浚渫船のｒａｎｃ自動制御方法
CN106836341A (zh) 智能绞吸式挖泥船的控制系统与控制方法
JP4488547B2 (ja) 浮体式リグの位置保持制御方法および制御装置
CN110703601B (zh) 一种基于模糊控制和卡尔曼滤波的浮标深度控制算法
CN113433933A (zh) 一种智能水面保洁无人船的自主巡航方法
CN108829102B (zh) 自适应艏向信息融合的波浪滑翔器航向控制方法
JP3765122B2 (ja) 潜水体及びその潜水位置制御方法
JP2000080673A (ja) 浚渫船向け経路計画法
CN115079698A (zh) 欺骗攻击任务下的无人水面船路径跟踪时间触发控制方法
US11492084B2 (en) Vessel stability control system using machine learning to optimize resource usage
JP3346006B2 (ja) Ｒｏｖの自動制御方法
JP3033571B1 (ja) 潜水船の深度保持制御方式
CN112051732B (zh) 一种考虑岸壁效应的航标船自适应神经网络分数阶滑模控制系统及方法
JP3629760B2 (ja) Ｒｏｖの自動制御方法
CN113479304B (zh) 多舵面水下拖曳式航行器的平行潜浮与相对潜浮一体化深度控制系统及方法
NL2002734C2 (nl) Inrichting, systeem en werkwijze voor het verhogen van de werkbaarheid.
US20210124374A1 (en) Vessel stability control system using machine learning to optimize resource usage
JP2002173086A (ja) 洋上プラットフォームの制御方法
CN115755938B (zh) 一种基于非对称模糊s面的仿蝠鲼航行器深度控制方法
CN115571309B (zh) 一种多功能智联的水下机器人控制方法及其控制系统
JP2000017684A (ja) 浚渫船の浚渫制御方法及びその装置
JPS6229632A (ja) ドレツジヤ
CN113189869A (zh) 一种船舶靠泊速度的控制方法
CN116736709A (zh) 一种海洋机器人的动态补偿型自抗扰艏向控制方法