一种绞吸挖泥船智能疏浚控制方法技术

本发明专利技术提供一种绞吸挖泥船智能疏浚控制方法，通过神经网络算法在线建立模型，预测控制的方式，可以协助操作人员发现更佳的施工方法，保证高效能，高产量。步骤1.利用神经网络算法搭建五个控制因素和产量的模型。步骤2.进入新作业区，先采集记录疏浚施工工艺，通过训练得到产量预测模型，给定产量期望值Y

An intelligent dredging control method for cutter suction dredger

【技术实现步骤摘要】
一种绞吸挖泥船智能疏浚控制方法
本专利技术涉及一种智能控制方法，所属绞吸挖泥船疏浚领域。
技术介绍
绞吸挖泥船是典型的疏浚工程施工船舶，是疏浚企业最主要也是最重要的生产工具之一。绞吸挖泥船控制系统由几个局部子系统控制器组成，其上集合了大型泥泵、液压系统、电气系统、绞刀头和轴系、钢桩台车、横移绞车系统等专业机具，这些机具各局各性，每个子系统控制器相互影响、相互制约且关系复杂。绞吸疏浚包括抛左右横移锚、进关、横移、绞刀切削、泵吸、吹岸等子过程，这些过程中疏浚机具和环境、泥面、水流发生复杂的交互作用，人工操作量大、控制精度和及时性要求高。目前新一代的绞吸挖泥船大都安装了上述集成控制系统，疏浚自动化优化目标包括疏浚产量的时间效率和能源效率，涉及到数十个方面的影响因素，而这些因素相互牵制关联，形成了复杂的非线性系统。基于传统方法的自动控制技术不足以应对优化疏浚产量与疏浚能耗的控制问题。绞吸挖泥船的产量主要取决于疏浚员的操作，并且需要根据不同的施工工况，不断调整系统的控制参数。
技术实现思路
本专利技术目的在于提供一种绞本文档来自技高网...

【技术保护点】
1.一种绞吸挖泥船智能疏浚控制方法，其特征在于，包括/n步骤1.利用神经网络算法搭建五个控制因素和产量的模型，提供给步骤3寻优算法/n网络结构中，输入和输出向量分别为：/nX＝{cutter_s，ladder_dep，pump_s，step_dis，swing_s}/nY＝{ins_pro}/n其中：cutter_s为绞刀转速；ladder_dep为桥架下放深度；pump_s为泥泵转速；step_dis为步进距离；swing_s为横移速度；ins_pro为瞬时产量。/n网络评价指标/n决定系数R

【技术特征摘要】
1.一种绞吸挖泥船智能疏浚控制方法，其特征在于，包括
步骤1.利用神经网络算法搭建五个控制因素和产量的模型，提供给步骤3寻优算法
网络结构中，输入和输出向量分别为：
X＝{cutter_s，ladder_dep，pump_s，step_dis，swing_s}
Y＝{ins_pro}
其中：cutter_s为绞刀转速；ladder_dep为桥架下放深度；pump_s为泥泵转速；step_dis为步进距离；swing_s为横移速度；ins_pro为瞬时产量。
网络评价指标
决定系数R2表达式如下式



SST(总平方和)：
SSR(回归平方和)
SSR(残差平方和)e为自然常数
其中：y为待拟合数值，其均值为拟合值为∑iyi＝y1+y2+…yi
对模型进行线性回归后，评价回归模型系数拟合优度，R2取值在0到1之间，R2越大(接近于1)，所拟合的回归方程越优；
步骤2.进入新作业区，先采集记录疏浚施工工艺，通过训练得到产量预测模型，给定产量期望值Y期：
步骤3安全控制范围限定
绞吸挖泥船当前(假定K时刻)挖泥船信息下对应的横移绞车拉力、横移绞车速度、绞刀扭矩、泵机功率、泵机转速是在安全操作范围内，并提供给步骤4寻优算法进行寻优；
步骤4.以步骤2建立的产量预测模型、施工产量期望值，进入寻优算法步骤：
步骤4.1获取优化初始值
根据船体获得的当前(假定K时刻)挖泥船的信息：横移速度、绞刀转速、桥架下放深度、泥泵转速、步进距离、产量值，...

【专利技术属性】
技术研发人员：戴文伯，沈彦超，张晴波，侯晓明，王柳艳，陈新华，何俊，肖晔，郑金龙，谢永发，王伟，鲁嘉俊，徐婷，周雨淼，李晟，
申请(专利权)人：中交疏浚技术装备国家工程研究中心有限公司，
类型：发明
国别省市：上海;31