绞吸式挖泥船.doc
约69页DOC格式手机打开展开
绞吸式挖泥船,摘要挖泥船是现代疏浚工程中最常用的疏浚工具之一，而其中的将土壤挖掘和输送一次性完成，具有较高的工作效率和广泛的适应性，但是有设备投资高、工作时间长等缺点，并且其实际疏浚过程系统动态特性极其复杂，这就使得的疏浚优化变得非常重要。传统优化方法是一种离线的静态优化方法，它是根据设备参数进行...
内容介绍
此文档由会员 违规屏蔽12 发布
摘 要
挖泥船是现代疏浚工程中最常用的疏浚工具之一，而其中的绞吸式挖泥船将土壤挖掘和输送一次性完成，具有较高的工作效率和广泛的适应性，但是绞吸式挖泥船有设备投资高、工作时间长等缺点，并且其实际疏浚过程系统动态特性极其复杂，这就使得绞吸式挖泥船的疏浚优化变得非常重要。
传统优化方法是一种离线的静态优化方法，它是根据设备参数进行离线理论计算来确定最优的作业控制量，但因作业环境是时变的，故这种离线优化方法精度很低，针对于此，本文研究了一种能够实现作业产量和动作规划优化的在线作业方法。
该优化方法的核心包括两个方面：策略优化与系统控制。策略优化是根据在线检测的作业参数和设备信息建立了一个策略中心，该策略中心以产量最大化为目标，疏浚过程泥浆浓度和流速所受限制为约束建立了优化策略模型，并通过知识处理将优化归结为非线性规划问题，并采用遗传算法来求解，以得到目前环境下使产量最大化的浓度和流速；系统控制主要是指对浓度和流速的稳定控制，它以策略中心得到的浓度和流速工艺值为期望值，送到各自的控制系统，浓度控制系统采用的是递推最小二乘法和最小方差控制结合的最小方差自校正控制器，流速控制系统采用的是单神经元网络和PID控制结合的单神经元PID控制器。
该优化方法能够实时检测挖泥船所处环境的参数，从而得到目前情况下使产量最大的最佳控制量，并送到控制系统进行优化控制。最后本文以900型绞吸式挖泥船为基础通过计算机仿真的方法测试优化方法的性能，取得了满意的效果。
关键词 疏浚；遗传算法；最小方差自校正控制；单神经元PID控制
Abstract
Dredger was one of the most commonly used dredging tool in the modern dredge project,The Cutter suction dredger that one of it can excavate and transport the soil at same time, so it had high efficiency and a widely range of adaptability. But it’s equipment investment was high and it’s work time was long,also the dynamic characteristics in the actual dredging process was extremely complex,all thouse made the optimization of Cutter suction dredger to particularly important.
The conventional optimization method was off-line,it carried though the theory calculate accordding to the equipment parameter, to catch the best optimizate control value,but the operating environment changed every moment,so it’s productivity was very low,for thouse,this paper reaserch a online-optimize method which can optimize the dredge output and programme the dredge actions.
The core of the optimizate method contained two aspects: the strategy optimization and the system control.According to the parameters that measured online and the equipment informations, the strategy optimization made a strategy center,it took the maximum dredge output as the target,used the limit of the concentration and the flow of velocity for the restrict.established a optimize strategy model,and turn the optimization to a nonlinear programming problem, we used the genetic algorithm to solve it , got the value of concentration also the flow of velocity.The system control was a stability control that mainly for the concentration and the flow of velocity.it took the values of the concentration and the flow of velocity that the strategy center calculated as the expect value,and send them to the control system,the concentration control system used the Minimum variance self-tuning controller which united the Recursive least squares algorithm and the Minimum variance control. the flow of velocity control system used the single-neuron network PID controller which united neural network and the conventional PID control.
This optimizate method can measure the real-time parameters, catch the best control value quickly, send them to the control system to operate optimizate control. Finally,we tested the control method’s performance based on the 900 number cutter suction dredger by computer simulink, and the results were satisfy.
Key Words Dredge; Genetic algorithm; Minimum variance self-tuning control; Single- neural network PID control
目 录
摘 要 I
Abstract II
第1章 绪论 1
1.1 课题研究背景 1
1.1.1 绞吸式挖泥船的现状与发展 4
1.1.2 绞吸式挖泥船的原理介绍 5
1.2 疏浚优化的现状 7
1.3 本文研究的主要内容 7
第2章 绞吸式挖泥船疏浚数学模型的建立 9
2.1 疏浚过程数学模型 9
2.1.1 各模型之间联系 9
2.1.2 电动机—绞刀模型 10
2.1.3 泥泵---柴油机模型 15
2.1.4 管路模型 18
2.2 优化策略数学模型 21
2.2.1 影响优化的因素 21
2.2.2 工况点的研究 22
2.2.3 优化策略模型的建立 22
2.3 本章小结 24
第3章 优化策略的研究 25
3.1 遗传算法简介 25
3.2 遗传算法的流程 26
3.2.1 参数编码 26
3.2.2 初始群体的设定 27
3.2.3 适应度函数的设计 28
3.2.4 遗传操作的设计 30
3.2.5 控制参数设定 32
3.3 遗传算法的改进 34
3.4 优化控制策略仿真 36
3.5 本章小结 38
第4章 疏浚过程控制 39
4.1 控制对象与控制方案 39
4.2 基于遗传算法的控制策略 40
4.3 流速的控制 40
4.3.1 引言 40
4.3.2 单神经元PID控制器 42
4.3.3 流速控制系统仿真 44
4.4 浓度的控制 49
4.4.1 引言 49
4.4.2 最小方差自校正控制器 49
4.4.3 浓度控制系统仿真 50
4.5 流速和浓度的相互影响 53
4.5.1 不加控制器与控制决策的情况..
挖泥船是现代疏浚工程中最常用的疏浚工具之一，而其中的绞吸式挖泥船将土壤挖掘和输送一次性完成，具有较高的工作效率和广泛的适应性，但是绞吸式挖泥船有设备投资高、工作时间长等缺点，并且其实际疏浚过程系统动态特性极其复杂，这就使得绞吸式挖泥船的疏浚优化变得非常重要。
传统优化方法是一种离线的静态优化方法，它是根据设备参数进行离线理论计算来确定最优的作业控制量，但因作业环境是时变的，故这种离线优化方法精度很低，针对于此，本文研究了一种能够实现作业产量和动作规划优化的在线作业方法。
该优化方法的核心包括两个方面：策略优化与系统控制。策略优化是根据在线检测的作业参数和设备信息建立了一个策略中心，该策略中心以产量最大化为目标，疏浚过程泥浆浓度和流速所受限制为约束建立了优化策略模型，并通过知识处理将优化归结为非线性规划问题，并采用遗传算法来求解，以得到目前环境下使产量最大化的浓度和流速；系统控制主要是指对浓度和流速的稳定控制，它以策略中心得到的浓度和流速工艺值为期望值，送到各自的控制系统，浓度控制系统采用的是递推最小二乘法和最小方差控制结合的最小方差自校正控制器，流速控制系统采用的是单神经元网络和PID控制结合的单神经元PID控制器。
该优化方法能够实时检测挖泥船所处环境的参数，从而得到目前情况下使产量最大的最佳控制量，并送到控制系统进行优化控制。最后本文以900型绞吸式挖泥船为基础通过计算机仿真的方法测试优化方法的性能，取得了满意的效果。
关键词 疏浚；遗传算法；最小方差自校正控制；单神经元PID控制
Abstract
Dredger was one of the most commonly used dredging tool in the modern dredge project,The Cutter suction dredger that one of it can excavate and transport the soil at same time, so it had high efficiency and a widely range of adaptability. But it’s equipment investment was high and it’s work time was long,also the dynamic characteristics in the actual dredging process was extremely complex,all thouse made the optimization of Cutter suction dredger to particularly important.
The conventional optimization method was off-line,it carried though the theory calculate accordding to the equipment parameter, to catch the best optimizate control value,but the operating environment changed every moment,so it’s productivity was very low,for thouse,this paper reaserch a online-optimize method which can optimize the dredge output and programme the dredge actions.
The core of the optimizate method contained two aspects: the strategy optimization and the system control.According to the parameters that measured online and the equipment informations, the strategy optimization made a strategy center,it took the maximum dredge output as the target,used the limit of the concentration and the flow of velocity for the restrict.established a optimize strategy model,and turn the optimization to a nonlinear programming problem, we used the genetic algorithm to solve it , got the value of concentration also the flow of velocity.The system control was a stability control that mainly for the concentration and the flow of velocity.it took the values of the concentration and the flow of velocity that the strategy center calculated as the expect value,and send them to the control system,the concentration control system used the Minimum variance self-tuning controller which united the Recursive least squares algorithm and the Minimum variance control. the flow of velocity control system used the single-neuron network PID controller which united neural network and the conventional PID control.
This optimizate method can measure the real-time parameters, catch the best control value quickly, send them to the control system to operate optimizate control. Finally,we tested the control method’s performance based on the 900 number cutter suction dredger by computer simulink, and the results were satisfy.
Key Words Dredge; Genetic algorithm; Minimum variance self-tuning control; Single- neural network PID control
目 录
摘 要 I
Abstract II
第1章 绪论 1
1.1 课题研究背景 1
1.1.1 绞吸式挖泥船的现状与发展 4
1.1.2 绞吸式挖泥船的原理介绍 5
1.2 疏浚优化的现状 7
1.3 本文研究的主要内容 7
第2章 绞吸式挖泥船疏浚数学模型的建立 9
2.1 疏浚过程数学模型 9
2.1.1 各模型之间联系 9
2.1.2 电动机—绞刀模型 10
2.1.3 泥泵---柴油机模型 15
2.1.4 管路模型 18
2.2 优化策略数学模型 21
2.2.1 影响优化的因素 21
2.2.2 工况点的研究 22
2.2.3 优化策略模型的建立 22
2.3 本章小结 24
第3章 优化策略的研究 25
3.1 遗传算法简介 25
3.2 遗传算法的流程 26
3.2.1 参数编码 26
3.2.2 初始群体的设定 27
3.2.3 适应度函数的设计 28
3.2.4 遗传操作的设计 30
3.2.5 控制参数设定 32
3.3 遗传算法的改进 34
3.4 优化控制策略仿真 36
3.5 本章小结 38
第4章 疏浚过程控制 39
4.1 控制对象与控制方案 39
4.2 基于遗传算法的控制策略 40
4.3 流速的控制 40
4.3.1 引言 40
4.3.2 单神经元PID控制器 42
4.3.3 流速控制系统仿真 44
4.4 浓度的控制 49
4.4.1 引言 49
4.4.2 最小方差自校正控制器 49
4.4.3 浓度控制系统仿真 50
4.5 流速和浓度的相互影响 53
4.5.1 不加控制器与控制决策的情况..
