- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
江苏科技大学
攻读硕士学位研究生论文
开 题 报 告
学科、专业: 控制理论与控制工程
姓 名: 周柳明
研 究 方 向: 船舶运动控制
指 导 教 师: 王玉龙
研究生类别: 全日制研究生
填表时间 2013 年 10 月 13 日
船舶舵减摇鲁棒控制研究
选题的理论意义和实用价值
1.1选题背景
随着经济全球化和科学技术的发展,海洋科学技术作为现代科学技术的重要领域,越来越受各国的重视。据资料统计,2010年,我国的GDP为40.1万亿元,外贸的依存度为65%。随着外贸依存度的增长,海上运输在外贸中发挥的作用也在不断增强,海上运输占外贸总量比例已从20世纪80年代初的82%增加到2010年的95%,海上运输在国民经济中发挥着越来越重要的作用。航海是人类认识、利用、开发、开发海洋的基础和前提。人类文明的发展离不开海洋和航海,航海的发展离不开海航的科学技术的进步,而自动控制是航海科学技术中的重要部分。
众所周知,船舶在航行的时候,受到风、浪、流的影响。在这些外部干扰的作用下,船舶会产生航向的偏离及摇摆,会产生极大的危害,造成重大的经济损失。保证海上交通运输安全,提高船舶运动控制技术,关系到我国能源安全、资源安全和经济可持续性发展。故研究船舶运动控制具有重要的意义。
由于船舶的动态具有大惯性、大时滞、非线性等特点,并且受模型的参数摄动以及船舶运动中风、浪、流等外界干扰的影响,因此船舶运动控制领域一直存在三个问题:一是用于控制器设计模型存在不确定问题;二是船舶运动的非线性问题;三是执行机构问题。经大量研究发现不确定系统的鲁棒控制理论可以解决这些问题。
1.2理论意义
船舶运动是一个非常复杂的运动,由于受到海浪、海风及其他干扰的影响,产生六个自由度运动。在恶劣的海况条件下,对舰船的海上作业造成很大的安全隐患。船舶运动控制是一个既古老而又现代的研究课题。其中舵减摇是一项新的减摇技术。船舶减摇是船舶与海洋工程的重要课题之一。
利用航向舵减摇与减摇鳍、减摇水舱相比具有许多优点,因此在许多国家受到了不同程度的重视。舵减横摇的减摇效果一般在40%-50%[1]。
1.3实用价值
船舶在海面上航行时,由于受到海浪、海风和洋流等海洋环境扰动的作用,产生各种摇荡运动,它们的共同特点是在平衡位置附近作周期性的振荡和摇摆运动。过于激烈的摇荡对船上设备、适居性和适航性及安全性等都会产生不利的影响。对于军用舰艇来说,剧烈的摇荡对战斗性能产生严重的影响。舵减摇系统,不仅可以在大中型的军用船、特种船舶和民用船上应用,也适用于小船。与减摇鳍相比,舵减摇初期投资少,且系统关闭后不会产生拖曳和噪声,与减摇鳍配合组成鳍舵联合减摇系统则效果更佳。舵减摇对于提高船舶航行性能、改善乘员的工作生活条件和增强船舶的安全性等方面都是具有十分重要意义的[2]。舵减摇对操纵系统的动态特性和船的流体动力特性的要求一般也是容易得到满足的,因此它有着极其广阔的应用前景。
二、本课题国内、外研究现状与发展趋势
2.1研究现状
2.1.1国外研究现状
1972年Cowley和Lalnbert首次提出舵减摇的设想[3],同年舵作为横摇稳定装置在一艘商船上取得了成功。1974美国泰勒舰船研究中心(DTNSRDC)开始了对军舰采用舵减摇装置的可能性研究。1976和1979年DTNSRDC分别在两艘HAM170N0舰上进行舵减摇的海上实验获得成功,减摇效果近50%[4]。1980年Baitis对舵减摇进行了实验研究,在手动控制保持航向的基础上叠加了舵减摇控制信号,也取得了令人鼓舞的结果[5]-[6]。此后,荷兰的Van Amerongen,Van der Klugt,丹麦的Blanke和英国的Katebi等众多学者投入到了舵减摇的研究中[7]。80年代后期,舵减摇装置的研究取得了大量理论与海试实验成果[8]-[10]。
随着控制理论与计算机科学技术不断发展, 不同的控制方法及建模技术在舵减横摇方面得到了应用。90年代, Blanke, Haals和Andreasen使用了LQ(Linear Quadratic,线性二次型)控制算法[10];Katebi等人使用了LQG(Linear Quadratic Guassian,线性二次最优) 控制算法[11];Klugt使用了极点配置方法[8]-[9];Tiano等人使用了神经网络控制[12];Zacharias和Pfister使用了Fuzzy控制[13];Oda等人使用了多变量自回归模型[14]。200
文档评论(0)