摘要：准确预报波浪中船舶的摇荡运动对保障船舶的航行安全和正常营运具有重要意义。研究应用卷积神经网络(CNN)对船舶在波浪中的垂荡-纵摇耦合运动进行预报研究。对船舶在不同规则波激励下的垂荡-纵摇耦合运动进行分析,对比CNN与长短期记忆(LSTM)神经网络的预报结果,验证CNN模型的预报性能。数值模拟得到船舶在白噪声谱和JONSWAP谱激励下的不规则垂荡-纵摇耦合运动响应,应用CNN模型对所构造的训练集进行学习,并对测试集进行预报。对比CNN与LSTM的预报结果,检验CNN在不规则波中船舶摇荡运动方面的预报性能。结果表明:CNN和LSTM神经网络具有同级预报精度,可对船舶在波浪中的垂荡-纵摇耦合运动进行准确预报。

摘要：为提高海上风机单叶片在风荷载作用下的吊装效率与精度,构造单叶片的吊装运动系统。设计无迹卡尔曼滤波与PID控制相结合的主动闭环控制系统,模拟单叶片按照3种预期路线进行110 m的吊装控制。分析结果表明,引入无迹卡尔曼滤波不仅可以明显减少吊装过程中由风荷载所致的干扰振荡,有效提高吊装效率,还可以降低缆风绳控制力的变化率,降低硬件设备的速度响应要求。建议在吊装过程中降低缆风绳的控制力。

摘要：为保障船舶的航行安全,需对船舶在航行时因风、浪、流等环境因素的影响而产生的摇荡运动进行准确预报,研究采用径向基函数(Radial Basis Function,RBF)神经网络对船舶未来几秒到十几秒内的运动姿态做出实时预报,有利于船舶航行时规避风险和精准控制。结果表明:与经典BP(Back Propagation,BP)神经网络相比,RBF神经网络模型在预报时间长度和误差方面均具有更好性能,可被有效用来对船舶摇荡运动进行准确预报。