[发明专利]基于人工神经网络的动力定位推力分配装置及方法

说明书

本发明提供了一种基于人工神经网络的动力定位推力分配方法，该方法为最优化问题中的二次规划问题，通过考虑前推进器转角，利用人工神经网络，可以计算推力分配问题约束条件中的后推进器推力系数。随后基于序列二次规划算法求解使推进器功率最小化的最优化问题，获得全回转推进器上的推力分配方案。同时提供了一种基于人工神经网络的动力定位推力分配装置。本发明通过引入推力系数的概念，一方面可以精确地量化推力损失，另一方面可以扩大推进器回转角的可行区域，从而使二次规划问题能获得更为优化与合理的结果，降低推进器功率，节约能源。

技术领域

本发明涉及一种海洋结构物动力定位系统推力分配技术，具体地，涉及一种基于人工神经网络计算推力损失的海洋结构物动力定位推力分配装置及方法。

背景技术

随着人类对海洋资源的开发规模的逐步扩大，在恶劣海况中作业的海洋结构物定位系统的发展，已成为海洋工程高技术装备研发中的重要课题之一。动力定位系统是一种利用船舶或海洋平台自身推进器，使其尽可能地保持在海平面上要求的位置的控制系统。动力定位系统具有操作简便，定位精度不受水深影响等有点，已经广泛应用于深水半潜钻井平台。动力定位系统一般由位置测量系统，控制系统，推力系统三部分构成。测量系统通过卫星或水声列阵获得结构物的实时位置信息。控制系统依据海洋结构物的实际位置与目标位置的偏差计算出使海洋结构物回复到目标位置所需的总推力与扭矩。推力系统对各推进器进行推力分配，进而使各推进器产生海洋结构物定位所需的总推力和扭矩，最终实现海洋结构物通过自身推进器的动力定位。

推力分配问题本质上是一个非线性最优化问题，推力分配方法需要在保证所有推进器的合力等于海洋结构物定位所需的总推力与扭矩的同时，使所有推进器的总功率最小化。

在推力分配问题中，必须考虑的一个关键因素是全回转推进器之间的水动力干扰问题。对于半潜钻井平台，串联排列的两个全回转推进器，前推进器尾流会影响后推进器，造成后推进器产生的实际推力小于其理论推力，这种现象称之为推力损失。推力损失会造成半潜平台严重的能源浪费。在现有技术中，为避免推力损失，前推进器的回转角会设置禁止区域，前推进器的转角不能停留在进入禁止角区域，防止其尾流影响后推进器。但是，由于的禁止角存在，推进器在旋转时无法穿过禁止角，从而出现推进器转角卡顿在禁止角边缘的问题。无法得到推力分配的最优解，推进器总功率无法实现最小化，造成能源浪费。

发明内容

针对现有技术中存在的上述不足，本发明的目的是提供一种基于人工神经网络的动力定位推力分配装置及方法。该装置及方法避免了在推力分配问题中，由于水动力干扰造成的推力损失；同时又取消了禁止角，解决了推进器转角卡顿的问题，使推进器总功率减小，节约能源。

本发明是通过以下技术方案实现的。

根据本发明的一个方面，提供过了一种基于人工神经网络的动力定位推力分配方法，包括以下步骤：

步骤S1，在实时控制计算机中建立并训练人工神经网络拟合推力系数。

其中：

建立的人工神经网络，包括输入层、隐藏层和输出层。输入向量为x＝[α]，α为前推进器转角，输出向量为y＝[η]，η为后推进器推力系数。

训练人工神经网络的方法为，将人工神经网络模型试验得到的试验数据作为训练样本{(x(1)，y(1))，(x(2)，y(2))，...，(x(m)，y(m))}。使用人工神经网络经典算法BackPropagation算法最优化人工神经网络各层神经元的输入权值以及偏置，使得人工神经网络的输出尽可能地接近期望输出，以达到训练的目的。

步骤S2，将训练完成的人工神经网络加入推力分配模型，得到如下模型：