建立三维黏性流数值水池,采用CFD方法对船舶Z形操纵试验进行数值模拟研究. 利用重叠网格技术实现船舶航行中的姿态变化,通过求解RANS方程和船舶运动方程,并结合单相Level Set方法,对船舶在开敞水域黏性流场Z形操纵试验进行数值模拟. 以“育鲲”轮为对象,数值模拟10°/10°Z形试验.结果表明,计算结果和实船试验数据吻合度较高.
针对现有航海模拟器的缺陷,利用PIDVCA方法开发智能型航海模拟器. 新型智能型航海模拟器中目标船具备自动避让能力,智能本船可在复杂会遇局面下提供避让方案,供学员参考,并可更逼真模拟海上的真实航行环境. 大量仿真试验说明,采用PIDVCA方法集成的新型智能航海模拟器切实可行,可有效提高航海模拟器的品质.
为搭建单船中层拖网系统仿真平台,通过在航海模拟器平台上加入渔船运动模型、拖网曳纲和网板模型及网具系统模型,建立单船中层拖网系统的水动力模型,并利用三维图形引擎OSG (OpenSceneGraph)实现渔捞模块三维可视化. 整个拖网仿真平台包括教练员站、GMDSS通信单元、海图机单元、雷达单元、综合信息显示、渔捞模块等. 平台测试表明,仿真效果和实时性满足模拟器视景系统的要求,系统稳定性良好.
为更有效处理船舶航向保持系统中一般不确定性,即系统漂移不确定和控制增益系数未知,通过构建考虑预设镇定边界的Lyapunov能量函数,结合自适应Backstepping方法,提出一种具有预设镇定边界的鲁棒λ调节控制.该算法中自适应参数只需在控制误差超出镇定边界时进行在线调节,符合船舶控制工程需求.以大连海事大学“育龙”轮为研究对象进行仿真试验,结果验证了该算法的有效性.
针对复杂光环境下船舶号灯识别模型的高维、强非线性及影响因素复杂等特性,提出一种基于克隆选择优化算法的BP神经网络识别模型.通过对影响因素的筛选确定BP神经网络的输入,将号灯识别码作为网络的输出确定BP神经网络模型.采用免疫克隆选择优化算法,确定网络层数和各层节点数目,结合灵敏度分析法选择非线性寻优的方向和尺度,以减少BP神经网络的迭代次数,提高搜索效率. 通过对海上夜航时拍摄的一些实景照片进行学习和识别的仿真,验证了所建立的船舶号灯识别模型的有效性.