首页> 中国专利> 一种基于吊物升沉运动预报的船用起重机升沉补偿方法

一种基于吊物升沉运动预报的船用起重机升沉补偿方法

摘要

本发明涉及一种甲板起重设备,属于海洋工程的海上作业与海事保障领域。本升沉补偿方法包括测量装置、预测装置、控制装置和液压驱动装置。液压驱动装置中的液压绞车安装于起重机上车,液压绞车的卷筒上缠绕吊绳,吊绳通过固定在吊臂顶端的定滑轮与吊物相连。所述测量装置根据各传感器测量值,经坐标变换获得吊物的升沉位移,所述预测装置采用自回归与极限学习机组合预报模型对吊物升沉位移进行预报,所述控制装置将输入的手柄信号、升沉位移预报值和吊绳长度变化量进行补偿运算,并输出控制信号至液压驱动装置,进而控制吊物的升沉运动。采用该种技术方案可有效解决测量装置和液压驱动装置在补偿控制中存在的滞后问题,显著提高升沉补偿精度。

著录项

  • 公开/公告号CN104817019A

    专利类型发明专利

  • 公开/公告日2015-08-05

    原文格式PDF

  • 申请/专利权人 湘潭大学;

    申请/专利号CN201510064284.5

  • 发明设计人 张大兵;段江哗;李宁睿;

    申请日2015-02-09

  • 分类号B66C13/48(20060101);B66C23/52(20060101);B66C13/16(20060101);

  • 代理机构

  • 代理人

  • 地址 411105 湖南省湘潭市雨湖区羊牯塘街道湘潭大学

  • 入库时间 2023-12-18 10:12:06

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2018-02-06

    授权

    授权

  • 2015-09-02

    实质审查的生效 IPC(主分类):B66C13/48 申请日:20150209

    实质审查的生效

  • 2015-08-05

    公开

    公开

说明书

技术领域

本发明涉及一种船用起重机升沉补偿方法,尤其涉及船用起重机的主动升沉补偿方法,所述船用起重机也包括用于安装在浮动体上的起重机,属于海洋工程的海上作业与海事保障领域。

背景技术

随着现代海洋资源的不断开发,船用起重机是海上补给、海洋钻井、深海探测与海上打捞、救助等领域必不可少的工具。具有升沉补偿系统的船用起重机能对因海面起伏引起的波动进行补偿校正,可在恶劣天气条件下(5级海况以下)提供安全、准确、高效的起重机操作,可使得因恶劣天气引起的停工期减到最少。

依照现有技术的起重机,能部分地补偿海浪运动期间带给吊物的附加运动。如:应用最为广泛的被动补偿方法,它是利用液压缸和气液蓄能器缓冲母船升沉运动对吊物的扰动。当母船升沉时,依靠海浪的举升力和吊物的自重来压缩和释放蓄能器中的工作介质,从而实现升沉补偿。该类升沉补偿系统不需要提供额外的动力,应用较广泛,但其所需设备庞大,补偿精度低,滞后较大,补偿能力有限。当海况更加恶劣时,被动升沉补偿系统不能满足船用起重机的平稳吊装要求。

其次,还有通过主动收放吊绳来补偿的主动补偿方法,这种方法中从测量装置获取测量信号存在一定的时滞,同时主动收放吊绳的执行机构动作响应也具有一定时滞,会对升沉补偿带来很大的干扰,严重影响补偿精度。这就需要对吊物的升沉运动进行短期预报来冲破“死区”(时滞),通常补偿系统总时滞约为0.5s~1s,严重时可达到2s。假设能准确预报未来3s内的升沉运动值,利用预报值进行补偿,也就能摆脱起重机补偿系统时滞带来的不利影响。由此可见,快速准确的升沉运动预报模型是提高主动补偿方法精度的核心,决定了补偿的速度和精度。现有的预报算法是根据局部海域和时域内的历史数据进行预报,没有考虑船舶在不同海域和海况下的不同运动特性,选用的预报模型比较单一,具有一定的局限性。

发明内容

本发明目的在于提供一种基于吊物升沉运动预报的船用起重机升沉补偿方法,解决起重机升沉补偿存在滞后和补偿精度不高的问题。

技术方案

一种基于吊物升沉运动预报的船用起重机升沉补偿方法,涉及到测量装置、预报装置、控制装置和液压驱动装置等。液压驱动装置中的液压绞车安装在起重机上车,液压绞车的卷筒上缠绕吊绳,吊绳通过固定在吊臂顶端的定滑轮与吊物相连,其特征在于:起重机基座和上车上固定安装有用于测量母船与起重机运动数据的传感器,根据测量值与坐标变换获得吊物升沉位移,所述坐标变换是将出绳点在起重机坐标系中的坐标值通过船舶坐标系变换到大地坐标系中,并将出绳点处的升沉运动近似为吊物的升沉运动,测量装置将变换后获得的吊物升沉位移信号输出至预报装置,所述预报装置采用线性和非线性模型的组合预报方式对吊物升沉位移进行预报,并将升沉位移预报值传送给控制装置,所述线性和非线性模型的组合预报方法为自回归(AR)与极限学习机(ELM)的组合预报方法。控制装置选取升沉位移预报值作为输入值,同时采集吊绳长度变化量作为反馈信号,采用预测控制的方法进行主动升沉补偿,将补偿控制信号输出至液压驱动装置,控制液压驱动装置中的液压马达使其驱动卷筒收放吊绳以补偿母船摇荡引起的吊物升沉运动。

所述测量装置包括测量装置1与测量装置2,测量装置1包括船舶姿态传感器、起重机上车回转角和吊臂俯仰角传感器,测量装置2为吊绳收放长度传感器。一般地船舶姿态传感器安装于船舶重心处或起重机基座中,则该传感器随船舶一起运动来测量船舶运动姿态数据,吊绳收放长度传感器一般安装于绞车卷筒上,起重机上车回转角传感器一般安装于回转驱动装置上,俯仰角传感器一般安装于起重机吊臂上,根据测量的船舶姿态、起重机回转角和俯仰角数据,将出绳点在起重机坐标系中的坐标值通过船舶坐标系变换到大地坐标系,并将出绳点处的升沉运动近似为吊物的升沉运动,以此来确定当前吊钩处升沉运动值。

所述预测装置所用的预测模型独立于母船的机构和动力学特性,只基于出绳点的升沉运动数据来建立模型,进一步有利地,根据其升沉运动的运动特性,采用线性模型与非线性模型相结合的预报方法。

所述预测装置的硬件是具有双串口的工业级嵌入式计算机。

所述线性模型与非线性模型相结合的预报方法,是自回归模型(AR)与极限学习机(ELM)的组合预报方法,自回归是一种线性的预报模型,极限学习机是一种基于单隐含层前馈神经网络(SLFN)的新型学习算法,其非线性映射能力强,基于自回归与极限学习机的组合预测方法具有极快的运算速度,能对不同海况下的线性或非线性时间序列进行预报,具有很好的稳定性,根据测量装置得到的数据实时更新预报模型参数进一步提高了预报准确性。

进一步地,还设置控制装置,所述控制装置根据输入的吊物升沉运动预报值经预测控制输出补偿控制信号至液压驱动装置。

所述控制装置是由带有A/D和D/A信号转换功能的工控机。

所述液压驱动装置包括电液伺服阀和液压绞车,其中电液伺服阀与工控机的输出端相连。

所述液压绞车包括基座、卷筒和液压马达。

有益效果

本发明根据测量装置获得的船舶与起重机的运动数据,经坐标变换得到吊物的升沉运动值,并对其未来值进行短期预报;根据获得的吊物升沉位移预报数据,可提前获得吊物的补偿信号,通过控制绞车实时收放吊绳实现对吊物进行升沉补偿,有效地解决了根据当前升沉值控制绞车运动时存在的滞后问题。

本发明的升沉运动预报方法为自回归与极限学习机的组合预报方法,结合了线性模型和非线性模型的优势,适用于不同的工作海况,提高了升沉位移预报精度。本发明的船用起重机升沉补偿方法能灵活应用并独立于母船的特性,适合模块化生产。

附图说明

图1是基于吊物升沉运动预报的船用起重机升沉补偿方法的流程图。

图2是大地、船舶和起重机坐标系的关系图。

图3是过渡坐标系与船舶坐标系的关系图。

图4是自回归与极限学习机的组合预报模型示意图。

图5是基于AR与ELM组合预报模型提前预报3s的升沉位移预报值与真实值对比图。

具体实施方案

下面结合具体实施例和附图,进一步阐释本发明。

如图1所示, 一种基于吊物升沉运动预报的船用起重机升沉补偿方法主要包括测量装置,预测装置,控制装置和液压驱动装置等。 该具体实施方式中包括 :

步骤1,利用固定安装的测量装置测量船舶运动姿态、起重机上车的回转角和吊臂的俯仰角等数据;

步骤2,根据船舶与起重机的运动数据,通过坐标变换,即可确定吊物的升沉位移,具体步骤如下:设有起重机坐标系 、船舶坐标系,起重机坐标系原点在船舶坐标系中的坐标值为,起重机吊臂顶端出绳点距坐标原点长度为 ,俯仰角为,回转角为,它们之间的空间位置关系如图2所示,应用坐标平移计算公式,则点在船舶坐标系中的坐标值可以表示为

                                                           (1)

因起重机固定于甲板上,在、和为定值时,点的升沉运动只与船舶的摇荡运动有关,因此需要建立船舶坐标系到大地坐标系的变换关系式。

在船舶坐标系原点处引入一个与大地坐标系平行的过渡坐标系,所示见图3,根据姿态传感器的定义此时船舶的纵摇角为正值  ,横摇角  为负值,船舶纵横摇后为获得点在过渡坐标系中的坐标值,需要知道船舶坐标系和过渡坐标系之间的变换关系,由图3可知,平面可看作通过绕它与平面的交线旋转获得,设交线为,则,并令其等于,在轴上取矢量,则其在平面的投影分量与的夹角即为纵摇角,其在平面的投影分量与的夹角即为横摇角,设轴与轴的夹角为。为矢量在轴上的投影,令等于单位长度,则角、和之间的关系可表示为

                                                        (2)

由两平面相交所得的直线方程可得角、和的关系式

                                                                          (3)

为建立起重机坐标系与过渡坐标系之间的坐标变换矩阵,同时根据右手定则,分别以为旋转轴使坐标系中的OX轴转动角到达直线得到新的坐标系;以为旋转轴使坐标系中轴转动角到达轴(与重合)得到新的坐标系;以为旋转轴使坐标系中轴转动角到达轴,经以上三次变换分别得到的变换公式为

                                                    (4)

                                                   (5)

                                                       (6)

由上述式(4)、式(5)和式(6)旋转变换公式可得从船舶坐标系到过渡坐标系的变换公式

                         (7)

由于船舶的摇荡运动将使A点产生升沉位移,从而牵引吊物产生升沉运动,则点总的升沉位移是由纵摇和横摇运动产生的升沉位移与重心处的升沉位移相叠加获得,由式(1)、式(2)、式(3)和式(7)可得A点的升沉位移表达式为

                      (8)

式中四个角度值都可以直接测量获得,其中由船舶姿态传感器中获得,和可分别由起重机回转角和俯仰角传感器获得。船舶姿态传感器一般安装在船舶的重心(摇心)处,如果没有安装在船舶重心处,可通过测得的升沉位移减去由纵横摇运动产生的安装位置处升沉位移,从而获得重心处的升沉位移。船舶不进行纵横摇运动,只存在升沉运动,则出绳点升沉位移即为船舶姿态传感器测得的值,如果同时发生纵横摇运动则必须将这两者进行叠加,总升沉位移为

                                                                           (9)

步骤3,基于自回归与极限学习机的组合预测方法对船舶升沉运动进行预报,其组合方式如图4所示;图中吊物升沉运动时间序列是根据测量装置所测数据经由坐标变换后获得,AR为自回归预报模型,其利用吊物升沉运动时间序列进行训练并预报未来值,AR的预报值为X(i)_pred_1,预报值与真实值X(i)对比,得到的预报误差为e(i);ELM为极限学习机预报模型,根据AR模型的预报误差e(i)进行训练并得到其预报值e(i)_predict,再将误差的预测值e(i)_predict与AR的预测值X(i)_pred_1进行叠加得到最终的预测值X(i)_pred_2。

设经坐标变换后确定的吊物升沉运动数据集为,N为建模总数据个数,模型参数采用AIC信息准则确定,可构造如下向量和矩阵

                                                                                    (10)

                                                            (11)

                                                               (12)

                                                (13)

其中为矩阵,写成向量形式有

                                                                                            (14)

对于数据长度为的时间序列数据,由个模型参数可执行以下单步或者多步预报运算。

(1)AR模型的一步预报运算

                                                                      (15)

(2)AR模型的二步预报运算

                                                   (16)

(3)AR模型的步预报运算

                             (17)

式中,表示第 个数据的实际值,表示第个数据的预测值。

设数据的采样周期为0.5秒,采用上述AR模型对其执行6步预报,即预报时长为3s,由样本预报值和样本真实值可得到AR模型的预报误差,建立输入X和输出Y之间的映射关系。在预报模型中,设极限学习机(ELM)学习的样本数据集为,为训练样本个数,设为训练样本的输入维数, ,和的矩阵形式分别为

                               (18)

训练完成后,即找到了输入输出的映射关系:。由此可得

ELM模型的一步预报运算

 

ELM模型的二步预报运算

      

ELM模型的三步预报运算

      

以此类推,ELM模型的q步预报值为:

      

式中,表示第个数据的实际值,表示第个数据的预测值。

由图4可知,AR输出的预报值表示为,ELM输出的预报值表示为,组合预报模型的预报值表示为,将AR模型的第6步预报值与ELM模型的第6步预报值相加,即为组合模型的第6步预报值

      

基于自回归与极限学习机的组合预测方法对船舶升沉运动进行预报的真实值与预报值对比如图5所示,预报值为向前预报6步,即时长为3s的预报值。

步骤 4,根据吊物升沉运动预报值,采用预测控制方法进行主动升沉补偿控制,并将控制信号输出至液压驱动装置,控制液压驱动装置中的液压马达,使液压马达驱动卷筒收放吊绳以补偿吊物的升沉运动,具体实施方式:

如吊物在悬停工况下,根据升沉位移预报值,控制装置输出控制信号,控制液压绞车对升沉位移逐一进行升沉补偿,即:

(a)当升沉位移预报值为正时,即吊物将产生向上的位移,则控制装置向液压绞车发出放绳的控制信号;

(b)当升沉位移预报值为负时,即吊物将产生向下的位移,则控制装置向液压绞车发出收绳的控制信号;

(c)当升沉位移预报值为零时,即吊物将不产生升沉位移,则控制装置向液压绞车发出的收绳和放绳控制信号为零,绞车不转动;

如吊物在上升或下降工况下,控制装置对升沉位移预报值、手柄信号和实时吊绳收放长度进行叠加,并输出控制信号,控制液压绞车对吊物进行升沉补偿而使得吊装平稳。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号