挖泥船人工智能优化吹填施工.docVIP

PAGE PAGE 9 挖泥船人工智能优化吹填施工 J. Braaksma，J. Osnabrugge，R.Babuska，C. Keizer 和 J.B. Klaassens 摘要： 大型陆域形成工程通常通过疏浚作业来完成。疏浚作业的效率受疏浚土壤的性质和操作人员的技术的影响很大。土壤的影响在以所需要的力从底部将其挖起时就已经开始。被挖掘的土壤利用水通过泥泵和管道进行输送。这种水力输送过程的性能主要取决于土壤的粒径、疏浚的深度以及混合物的流速和浓度。同样，泥舱内的沉积速度也极大地取决于这些参数。 有经验的操作人员观察由土壤性质和疏浚深度的变化所引起的性能变化，并调整其控制方式以保持最佳的过程控制。目前的一个严重问题是缺少有经验的操作人员。因此，自动化控制技术提供了解决方案。 本文表明，通过利用人工智能和高级控制技术可以自动地实现疏浚作业所要求的自适应方式。其原理是观察性能的变化，正如一个有经验的操作人员那样，并将这种性能的变化转换为可以理解的土壤参数，例如粒径和沉积速度。掌握这种知识就能优化疏浚作业。 本文给出了近几年来在该领域已经实现的一些技术的概况，尤其是自航耙吸挖泥船的装舱过程以及绞吸挖泥船和自航耙吸挖泥船两者通过长排泥管线（可达15km）进行排泥的过程。同时给出了与有经验的和缺乏经验的操作人员两者进行比较的预期的和实现的性能改善的图形。 关键词：疏浚，人工智能，高级控制，优化，水力输送 前言 陆域形成中最常使用的挖泥船是自航耙吸挖泥船和绞吸挖泥船。挖泥船的性能受操作人员的技巧和土壤性质的影响极大。挖泥船从河床底部挖掘土壤并通过泥泵和管道进行输送。对耙吸挖泥船来说，挖掘过程和泥舱内的沉积过程是最重要的；对绞吸过程来说，挖掘和通过长管道（可达15km）的输送是最重要的。 土壤类型对最优的疏浚策略影响极大。有经验的操作人员观察土壤类型的变化并对控制策略做出相应的调整。遗憾的是，如今有经验的操作人员越来越少。这种情况可以通过使用本文提出的自动控制技术加以解决。 实际上，挖泥船操作人员主要关注耙头和泥泵的生产过程，而不太关注沉积过程。这样会导致吸入产量很高，但是沉积速度因流量过高而很低的情况。由于没有测量沉积速度，因此很难明确地考虑这种影响。与挖掘过程相比沉积是一个缓慢的过程。因此，在疏浚过程结束之前控制动作究竟会得出何种结果是不言而喻的。控制动作与性能指标之间的时滞使操作者很难考虑沉积的影响。此外，对诸如泥泵入口处限制的吸入压力、混合物的临界流速和最大的允许吃水等限制条件也必须加以考虑。这就意味着利用过程输入量对疏浚周期进行优化需要有一套完整的方法以便将影响性能的所有过程考虑在内。本文的第一部分探讨了使用模型预测控制形式的智能控制器进行优化的问题。在给定一个输入轨迹后，这种控制器可以预测过程的性能，并在过程的约束条件下寻找可以使周期性能优化的输入量。 某些疏浚作业需要通过泥泵和管道对疏浚物进行长距离（可达15km）的输送。这种水力输送过程的性能受到土壤的平均粒径、疏浚的深度、混合物的流速和密度等因素的影响。假使管道内混合物的平均密度超过某一值（最大允许密度）时，泥泵将成为导致混合物流速降低的限制因素（诸如泥泵的功率、扭矩和/或转速等限制因素）。如果混合物的流速小于最小极限值（临界流速），混合物中的固体物质开始沉积在管道底部（沉积）。结果，管道内的压力损失将增大，使混合物的流速下降。通过降低注入管道内混合物的密度，则其流速可能下降的更多（非最小相位性能），这是由于在管道起始处的泥泵压头的损失所造成的。随后，混合物的流速将随着管道内混合物平均密度的下降而逐渐增大（较长的传输时间）。对于人工操作员来说，很难对这个过程进行调节，而且这将造成产量的下降。智能自适应控制器可以解决这个问题。 如果能够根据混合物流速的给定期望值估计出其最大允许密度，那么就可以将其作为密度控制器的设定值（这种控制器可以调节注入管道内的密度，例如通过控制绞吸挖泥船的摆动速度）。此外，可以使用最大允许密度的估计值来确定产量最大化时混合物的流速（最佳混合物的流速）。由于泥泵和管道的性能在很大程度上取决于土壤的类型和泥泵的磨损情况，对这种性能必须在线估计。在本文的第二部分，介绍了最大允许密度控制器。该控制器将对管道总长度为10km的绞吸挖泥船“Vlaanderen 19”号在某一段疏浚过程中记录的试验数据进行估计，该船于2007年4月在Sepetiba（巴西里约热内卢附近）施工。总共使用了6台泥泵（三台位于“Vlaanderen 19”号挖泥船上以及三台接力泵），最大的总功率为18MW。 在本文的第一部分，给出了自航耙吸挖泥船的最优控制技术。在第二部分给出绞吸挖泥船的最优控制技术。这两个部分通过人工智能实现疏浚性能的优化。在本文结尾的第4节给出结论。 第一部分