遗传算法在耙吸船疏浚模型参数估计中的应用.docVIP

遗传算法在耙吸船疏浚模型参数估计中的应用 　　摘要：在耙吸挖泥船疏浚模型建立的基础上，着重研究了三个与土壤相关参数对模型准确性的影响。随着疏浚场所的改变，疏浚的土质将发生变化。原有模型中使用的与土壤相关的参数将不再试用于新的疏浚场所。这篇文章运用遗传算法针对不同疏浚工况进行了与土壤相关参数的重新估算。并且与经验值、模式搜索法得到的结果进行了比较，进一步阐述了遗传算法的具体优势 Abstract： Based on the established models on the trailing suction hopper dredger （TSHD）， this article focuses on the effect of sail parameters to the accuracy of the model. With the change of the dredging sites， dredging soil will change. Parameters related to soil of the original model will no longer apply to new dredging environment. This paper uses the genetic algorithms to estimate the soil parameters in different working conditions. And the verification result compared with experience and pattern search method furtherly shows the specific advantages of genetic algorithms. 关键词： 遗传算法；土壤相关参数；疏浚模型；参数估算 Key words： genetic algorithms；soil parameters；dredging model；parameter estimation 中图分类号：U674.31 文献标识码：A 文章编号：1006-4311（2016）01-0107-03 1 遗传算法与疏浚模型的结合 遗传算法是应用十分广泛的一种随机搜索算法，非常适用于处理传统搜索算法难以解决的复杂和非线性优化问题。它的思想来源于生物界的繁衍繁殖，优胜劣汰。通过一定的选择标准，选择出种群中的优秀个体，将不适应当前环境的个体进行淘汰。根据这种思想，首先将实际问题中的需要优化的参数进行编码，编码后的参数将成为“染色体”。通过“染色体”的交叉＼变异等操作，选择出最优或者次优的染色体传给下一代种群 此文将这种算法应用在耙吸挖泥船疏浚模型的参数估计上，着重在与土壤相关参数的估计上，能够很好改善模型对不同疏浚工况的适应度 1.1 疏浚模型 在自航耙吸挖泥船的动态建模中，每一个过程都建立了不同的模型，为数众多。此文针对泥舱模型中对溢流密度的估计值进行估计，以此来阐述如何用遗传算法优化的参数对模型准确度进行提高。首先对泥舱的装载过程进行简单介绍 整个挖泥疏浚过程，从耙头挖泥，然后通过泥泵、管线，将泥沙水混合物送入泥舱。示意图如图1 根据质量守恒，可以得出质量平衡方程如下： Vt为装舱体积，mt为装舱质量，ms表示流入沙床的沙的质量，Qi表示进舱流量，Q0表示溢流流量，ρi为进舱密度，ρ0为溢流密度，QS表示进入沙床的泥沙流量，ρs沙床密度沙床密度。不同土类情况下的沙床密度差异较小，一般在1500-2100kg/m3。因此遗传算法将在此范围内进行搜索 根据公式（4）（ Franzini，1997年）估算溢流量Q0： 其中k0为跟溢流堰形状和周长相关的参数。ht为装舱高度，h0为初始沙床高度 为了估算溢流密度ρ0，需要建立一个模型来描述泥舱内泥沙混合物的沉积过程。由于泥沙颗粒沉降会产生向上的水流，因此在泥舱最上层将产生水层，中间层则是泥沙水混合物层，最下层是沙床。根据这种水层模型，得到溢流密度的表达式如下： 1.2 价值函数 通过价值函数式（9）来验证遗传算法得到参数值的准确性，首先通过估算出的Q0和ρ0以及质量平衡方程，可以得到装舱质量的估计值mt1。根据其与实际装舱质量mt的差值，计算价值函数值即可验证参数值的准确性 2 遗传算法在参数估计中的实现 2.1 选择操作 即从群体中选择出优良个体的操作。这一操作的选择标准即为个体的适应度大小。随着个体适应度值的增大，这一个体被选中的概率随之增大。被选中的个体将组成新的群体。产生的新群体称之为通过繁殖得到的下一代。根据不同的遗传算法选择策略，选