船舶动力定位混合智能推力分配理论与方法研究

In order to solve the real-time problem and enhance the accuracy in thrust allocation for ship dynamic positioning system(DPS), the artificial bee colony(ABC) algorithm and biogeography-based optimization(BBO) algorithm are employed to solve thrust allocation in this project. The hybrid intelligent thrust allocation theory and method based on ABC and BBO are proposed via this project. The main research contents include: ①The thrust allocation mathematical model for DPS including thruster response time and propulsive efficiency is firstly established. ②The searching mechanism, working behavior and algorithms with high performance of ABC and BBO are explored. ③The unified framework, working behavior and algorithm with high performance of ABC-BBO hybrid algorithm are studied.④The high efficient hybrid algorithm of ABC and BBO for thrust allocation with complex constrained conditions in DPS is presented. The research output of this project will not only improve the performance of thrust allocation in DPS, but also can be served as an example for other complex optimization problems so that the applications of computational intelligence in ship & oceanic engineering is further promoted.

本项目以船舶动力定位的推力子系统为研究对象，针对复杂约束条件下实时准确推力分配的困难与问题，利用计算智能中两种新颖的智能优化算法-人工蜂群 (ABC)和生物地理学优化(BBO)算法，对船舶动力定位混合智能推力分配理论进行基础科学研究。本项目将研究基于ABC和BBO的混合智能优化分配理论与方法，具体研究内容包括：①建立包含推进器响应时间和推进效率的船舶动力定位推力分配数学模型；②探索ABC和BBO算法的搜索机理、工作性态及高性能算法策略；③研究基于ABC和BBO的混合算法统一框架、工作性态和高性能算法策略；④给出求解具有复杂约束条件的船舶动力定位推力分配的高性能混合算法。本项目的研究成果，不仅可以大大改善船舶动力定位中，具有复杂约束推力分配的实时性与准确性，丰富和深化已有的动力定位推力分配理论与方法，而且可以推广到解决其它具有约束条件的复杂优化问题，促进计算智能在船舶与海洋工程领域中的应用。

船舶动力定位系统是重要的海上作业支持系统，本项目以船舶动力定位的推力子系统为研究对象，针对复杂约束条件下实时准确推力分配的困难与问题，利用计算智能中新颖的智能优化算法，对船舶动力定位混合智能推力分配理论进行基础科学研究。主要研究结果如下：(1).建立船舶动力定位推力分配数学模型，以推进器总的能耗最小为目标，约束条件为推进器推力的最小值和最大值，方位角的最小值和最大值，推力和方位角的变化幅值等几个方面。(2).在(1)的基础上，提出一种基于改进人工蜂群算法(EABC)的推力分配方法。在EABC算法中，如果某个解经过“limit”次循环之后仍未被改进，则采用一种混沌搜索的方法对该解进行重新赋值,使其跳出局部最优。仿真实验表明，基于该改进算法(EABC)的推力分配方法具有比基本ABC算法更好的分配结果。(3)在研究结果(2)的基础上，提出一种基于混沌搜索的混合人工蜂群算法(HABCC)的推力分配方法。在HABCC中，对人工蜂群的引领蜂和跟随蜂分别采取混合搜索机制，即对引领蜂采取原ABC算法的邻域搜索和引入差异进化的变异算子搜索，对跟随蜂采取ABC算法的邻域搜索和引入粒子群算法的社会认知部分搜索。引领蜂和跟随蜂在迭代一定步数后均从原ABC算法的邻域搜索切换到新的搜索方式。仿真实验表明，基于HABCC算法的推力分配策略比EABC算法具有更好的推力分配效果，且并未增加推力分配的计算时间。最后，开发了动力定位推力分配仿真系统，可供推力分配算法对比研究及作为动力定位模拟器开发的一部分。进一步地，还将所研究的人工蜂群算法应用于船舶再制造的测量机器人标定、船舶机舱视觉监测图像畸变校正等方面。项目的研究成果，一定程度上揭示了ABC算法的搜索机理，改善了船舶动力定位中具有复杂约束推力分配的实时性与准确性，使得基于计算智能技术的推力分配方法成为可能，丰富和深化已有的动力定位推力分配理论与方法，而且推广到解决其他船舶工程领域的复杂优化问题，深化了计算智能在船舶与海洋工程领域中的应用研究。