摘要：针对动力定位船舶非线性模型以及多源干扰导致的定位不精确问题,考虑不同干扰的特点及其在非线性模型中的响应特性提出一种基于无源精细化扩张状态观测器的鲁棒自适应抗扰控制方法.首先,建立动力定位船舶数学模型和多源干扰模型,并根据系统模型设计无源精细化扩张状态观测器实时估计船舶状态及其所受的多源干扰;然后,在此基础上引入动态面控制技术,在控制律中设计鲁棒自适应项以补偿估计误差;最后,证明该闭环级联系统所有误差信号一致最终有界.对一艘动力定位船舶进行仿真实验,实验结果表明,该方法在干扰估计和状态估计方面均优于传统扩张状态观测器,验证了该控制方法的有效性.

摘要：本研究采用数值模拟方法对无限水域和限制水域中喷水推进装置的水动力特性进行对比分析,开展不同水深条件下喷水推进器进流特性、进口流道效率和推进泵水力特性研究,并据此评估开式循环水槽环境下水槽侧壁和底面限制对喷水推进装置水动力性能的影响。数值计算结果表明:限制水域下喷水推进船底部和水槽底面间水流因阻塞效应使速度增加产生回流,水槽侧壁对自由液面兴波产生反射,随着水深减小,流道进口获流区平均轴向速度明显增加;不同水深吃水比下,进水流道出口非均匀度增加,但进口流道效率变化不大;相比于无限水域条件,限制水域中推进泵流量系数、扬程系数和泵效率的预报结果偏高1%~2%。

摘要：[目的]内河船舶在航行时存在顺水、逆水和急流等多种工况,传统的内河船舶船-机-桨匹配设计方法仅对船舶在逆水上行时进行了匹配设计,而在顺水下行工况,因船舶推进效率低、主机利用率低,造成油耗成本高、经济性较差等,因此需进行多工况内河船舶船-机-桨匹配优化设计。[方法]首先,在不同工况下对内河船舶推进系统的各参数进行设计,并将结果进行对比得出各设计参数对整体推进系统的影响;然后,对船舶推进系统的设计过程进行分析,以航行成本和推进系统效率为目标函数,以螺旋桨设计参数、主机功率、船舶上水航速和下水航速为变量,建立数学模型;最后,应用NSGA-Ⅱ算法进行多目标优化,得到兼顾经济性和推进效率的船舶主机功率和推进系统设计参数。[结果]结果显示,使用所提方法得到的设计参数能够更好地适配内河的通航环境,船舶的经济性更高。[结论]研究成果可为内河船舶推进系统的选型与匹配优化提供设计工具,从而为船舶的实际运行提供理论依据。

摘要：喷水推进船舶在转向运动时推进器的进流条件与直航状态存在明显差异。基于RANS方法对斜流角在0°~30°范围喷水推进系统的进流和推力特性进行数值模拟。研究表明:随着斜流角的增加,半椭圆形进口获流区的宽度增大而厚度减小,斜流工况下边界层影响系数近似等于直航工况下边界层影响系数与斜流角余弦的乘积。在非空化条件下,当喷水推进船舶作转向运动时,进口流道效率降低是推进器性能下降的主要原因。基于数值模拟结果,建立了斜流工况下喷水推进系统流场控制体理论模型,对经过推进系统的水流进行速度修正和船体边界层修正,提出了斜流工况下推力预估公式并进行了验证。

摘要：[目的]在船体曲面板的冷成形过程中,回弹是影响成形精度的主要因素,为提高板条成形质量,需研究回弹预测方法以获得合适的回弹控制方式,进而指导模具设计。[方法]基于全卷积神经网络(FCN)对回弹图片进行像素级计算和回归计算,从而实现对每个成形位置的回弹量预测。首先,利用ABAQUS 2019建立有限元模型,并通过实验结果进行准确性的对比验证;然后,采用验证后的有限元方法计算获取神经网络训练样本集,将板条几何信息作为神经网络的输入,并基于不同卷积层结构采用TensorFlow深度学习框架来搭建全卷积网络模型;最后,对比分析不同神经网络的优劣,并将最优网络应用于模具设计。[结果]算例分析结果显示:FCN模型预测回弹量的最大误差为8.49%,具有较高的准确度,其中FCN32的精度最高;FCN模型可以实现模具形状的一次性设计,计算时间仅为0.5 s,最大误差仅为1.00%,显著提高了计算效率。[结论]全卷积神经网络算法提供了一种快速高效的板条回弹预测方法,以及快速设计模具形状的新思路。

摘要：文中以某设计航速处于过渡阶段的登陆艇为研究对象,基于CFD方法设计重叠网格方案模拟静水直航运动,并与模型试验结果对比验证;进而构建数值波浪水池,模拟规则波迎浪中有无截流板的模型艇运动.结果表明:当船舶航速较高时,适当浸深的截流板在不同波长的迎浪规则波中均能降低船舶总阻力,并能够抑制纵摇和升沉运动.尽管波浪增阻因截流板的使用有所升高,但在波浪中的总阻力依然低于光体模型.

摘要：针对水面无人艇(USV)在进行障碍物规避过程中需要对船舶的干扰意图进行识别的问题,提出基于高斯混合模型(Gaussian mixture model,GMM)和连续隐马尔科夫模型(continuous hidden Markov model,CHMM)的船舶干扰意图识别模型。首先,考虑到意图识别的复杂性,基于USV与船舶的速度障碍模型,提出多周期干扰系数等运动特征参数用作模型的输入;考虑到船舶运动的连续性,使用GMM作为观测-状态转移概率分布。然后,通过Baum-Welch算法对训练数据进行训练,得到意图识别模型。最后,获取预测样本并对模型的准确性进行评估。试验结果表明:模型具有良好的识别效果,可提高USV的安全性。

摘要：[目的]旨在研究轻质夹芯板弹性波的传播规律与减振降噪机理。[方法]采用有限元方法结合布洛赫定理,对周期性夹芯板色散关系与弯曲波带隙特性进行研究,分析振动传输特性和声传输特性,研究轻质夹芯板减振降噪特性,并对轻质夹芯板振动传递衰减特性进行实验验证。[结果]研究结果表明,由于布拉格(Bragg)散射调制作用,轻质夹芯板在特定频段存在弯曲波带隙,弯曲振动带隙频率范围内具有良好的减振降噪效果。[结论]轻质夹芯板结构参数对弯曲波带隙具有显著的调节作用,为舰船结构振动噪声控制与声隐身设计提供了新的技术途径。

摘要：微小故障的快速诊断是预防和减少重大显著性故障发生的关键。近年来,基于卷积神经网络(CNN)的智能诊断方法已成为船舶机械领域研究的热点。然而,现行的基于图像处理框架的2D-CNN算法在处理多传感器、多通道故障数据时存在检测时间长、数据融合效率低的不足。为此,提出一种改进的1DCNN-GAP的深度学习新算法,用于船舶旋转机械的故障快速诊断。该方法首先引入1D-CNN处理多传感器数据融合问题,然后设计了一维全局均值池化层(1D-GAP)改进全连接层结构,减少传统CNN的模型参数量和诊断时间。通过将提出的方法用于滚动轴承在1马力、2马力和3马力多种负载工况下的2通道振动传感器故障监测数据进行诊断,诊断精确率分别为99.84%、99.51%和99.33%。通过与主流的SVM、KNN、DNN和2DCNN-FC算法进行对比验证,结果表明,所提方法具备更加优越的诊断性能,更适用于多传感器监测环境下微小故障的快速诊断。

摘要：[目的]旨在解决复杂加筋组合壳结构缩尺模型的声振试验结果难以准确换算至原型的难题,分析两者的声振相似规律,为水下复杂加筋壳结构声振缩尺模型的试验研究提供依据。[方法]使用面单元模拟加筋方法构建复杂锥-柱组合壳模型及其缩尺模型,基于有限元-边界元法(FEM-BEM)混合方法,计算模型壳体的声振响应,并结合加筋圆锥壳模型试验,验证采用上述方法计算复杂组合壳声振响应的准确性,系统研究复杂组合壳的声振相似规律。[结果]结果表明:在相同的模型材料参数、边界条件和激励力下,复杂组合壳的模态频率与缩尺比成反比,对应频率的模态振型相同;在相同的激励力下,复杂组合壳的振动响应与缩尺比成反比,其声压与缩尺比和场点距离的乘积成反比;缩尺模型与原型的水下声辐射效率及声压指向性相同。[结论]在模型相似条件下,复杂组合壳结构表现出了良好的声振相似规律,满足相似条件下采用缩尺模型试验研究组合壳原型结构的声振特性要求。