导管架式海洋平台振动智能自适应逆控制研究

论文摘要

随着海洋开发的不断发展,越来越多大型柔性结构的海洋平台被用于海底钻探和石油开采。海洋平台长期在恶劣的海洋环境中工作,经常要承受风、浪、流和潮汐等环境载荷的作用,在这些环境载荷的作用下海洋平台可能发生有害振动。振动响应过大不但会危害人员的身心健康,使平台设备仪器失灵或损坏,还会导致海洋平台结构疲劳破坏,降低平台可靠性,威胁平台结构安全,因此如何有效地控制海洋平台的有害振动就显得非常重要。采用被动控制方法控制海洋平台的振动,控制的频带范围有限。应用基于精确数学模型的主动控制方法控制海洋平台的振动,对于海洋平台这种结构复杂、参数易变,外载荷具有随机性和不确定性的系统很难达到理想的控制效果。在海洋平台振动主动控制过程中,控制信号传输延时会使控制系统发生振荡、不稳定甚至发散,因此如何减小控制过程中的时延也是一个急待解决的问题。近些年发展起来的智能控制方法可有效地解决海洋平台振动控制中存在的问题,为此本文应用智能自适应逆控制方法对随机波浪载荷和风载荷激励下导管架式海洋平台的振动响应进行控制。本文的主要工作如下:(1)基于动态刚度阵法的导管架式海洋平台动力响应计算本文通过数值方法模拟作用在导管架式海洋平台上的波浪载荷和风载荷。动态刚度阵法是一种非常有效的结构动力分析方法,具有计算速度快、计算准确的特点,所以本文应用动态刚度阵法计算导管架式海洋平台在波浪载荷和风载荷作用下的动力响应,为导管架式海洋平台振动主动控制研究提供了前提条件。(2)建立了基于动态刚度阵法的导管架式海洋平台振动智能自适应逆控制模型本文将动态刚度阵法、智能算法和自适应逆控制方法相结合,建立了基于动态刚度阵法的导管架式海洋平台振动智能自适应逆控制模型。自适应逆控制是通过建立被控系统的逆模型,然后将逆模型作为控制器,分别利用前馈控制器和扰动消除控制器控制被控对象的动态性能和扰动。智能算法具有很强的辨识和泛化能力,适合处理具有不确定性和非线性的问题,为此本文应用智能算法辨识导管架式海洋平台的逆模型。将动态刚度阵法计算出的波浪载荷作用下海洋平台振动响应作为前馈控制器的输入信号,利用前馈控制器对波浪载荷激励下的平台振动响应进行控制,将前馈控制后的平台响应作为扰动消除控制器的输入信号,利用扰动消除控制器对风载荷等扰动进行控制。(3)智能算法及导管架式海洋平台振动智能自适应预测逆控制研究(a)本文应用模糊神经网络辨识导管架式海洋平台的逆模型,将逆模型作为逆控制器,对随机波浪载荷和风载荷激励下导管架式海洋平台的有害振动进行控制,通过数值算例验证了本文的控制模型是有效、可行的。(b)本文首次将支持向量机应用于导管架式海洋平台振动主动控制中,应用支持向量机辨识海洋平台的逆模型,并将辨识的逆模型作为逆控制器,对导管架式海洋平台进行自适应预测逆控制,通过数值算例验证了该控制方法可有效地控制平台的振动响应。(c)本文将粗糙集和神经网络相结合构造一种新的神经网络结构,利用粗糙集理论简化网络结构,提高网络的训练、计算速度。应用粗神经网络对导管架式海洋平台进行自适应预测逆控制,数值算例验证了粗神经网络具有计算速度快,辨识和泛化能力强等特点,基于粗神经网络的自适应逆控制方法可有效地控制导管架式海洋平台的振动响应。(d)本文将灰局势决策理论和神经网络相结合构造一种新的神经网络结构,基于以往效果测度的神经网络辨识和泛化能力比较弱,为此本文提出一种新的效果测度,通过定义和数值算例证明了本文所提出效果测度的合理性和有效性。将基于新效果测度的灰局势决策理论和神经网络相融合,构建了一个新型的灰神经网络,该神经网络结构明确,计算简单,充分发挥了灰局势决策理论和神经网络各自的优点。将构建的灰神经网络作为自适应预测逆控制器,对导管架式海洋平台进行振动主动控制。通过数值仿真结果可以看出,基于灰神经网络的自适应预测逆控制方法可以有效地控制在波浪载荷和风载荷共同作用下导管架式海洋平台的振动响应。(e)本文将灰预测理论、动态刚度阵法、智能算法和自适应逆控制方法结合,建立了一种新的基于灰预测理论和动态刚度阵法的导管架式海洋平台振动智能自适应逆控制模型,通过灰预测控制解决控制过程中的时延对控制系统控制性能的影响。数值算例证明本文所提出的方法是有效的。(4)导管架式海洋平台振动主动质量阻尼控制系统设计本文对主动质量阻尼控制系统进行了设计,这为基于智能算法的导管架式海洋平台振动自适应逆控制系统的物理实现提供了理论基础。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题依据与研究背景
• 1.2 结构振动控制方法
• 1.2.1 被动控制
• 1.2.2 主动控制
• 1.2.3 半主动控制
• 1.2.4 混合控制
• 1.3 自适应逆控制及其发展应用
• 1.4 智能算法
• 1.4.1 神经网络
• 1.4.2 模糊逻辑
• 1.4.3 支持向量机
• 1.4.4 粗糙集
• 1.4.5 灰色理论
• 1.5 海洋平台结构振动控制研究进展
• 1.6 本文主要工作
• 2 基于动态刚度阵法的导管架式海洋平台动力响应计算
• 2.1 引言
• 2.2 DSM法和Wittrick-Williams算法
• 2.2.1 DSM法的基本概念及推导过程
• 2.2.2 平面Timoshenko梁单元动态刚度阵
• 2.2.3 Wittrick-Williams算法
• 2.3 载荷计算
• 2.3.1 波浪载荷
• 2.3.2 风载荷
• 2.4 基于DSM法的导管架式海洋平台动力特性分析
• 2.4.1 导管架式海洋平台
• 2.4.2 导管架式海洋平台附加水质量计算
• 2.4.3 基于DSM法的导管架式海洋平台模型的建立
• 2.5 数值算例
• 2.5.1 基于Timoshenko梁理论DSM法的简支梁算例
• 2.5.2 导管架式海洋平台模型简化
• 2.5.3 波浪载荷作用下导管架式海洋平台动力响应
• 2.5.4 风载荷作用下导管架式海洋平台动力响应
• 2.6 本章小结
• 3 基于动态刚度阵法的海洋平台振动智能自适应逆控制模型
• 3.1 引言
• 3.2 自适应逆控制
• 3.2.1 自适应逆控制的基本概念及原理
• 3.2.2 逆对象建模
• 3.2.3 自适应逆控制系统及其扰动消除
• 3.3 基于DSM法的导管架式海洋平台振动智能自适应逆控制模型
• 3.3.1 基于智能算法的导管架式海洋平台预测逆建模
• 3.3.2 基于DSM法的导管架式海洋平台智能自适应逆控制模型结构
• 3.4 模糊神经网络自适应逆控制系统
• 3.4.1 模糊神经网络
• 3.4.2 模糊神经网络自适应逆控制系统结构
• 3.5 数值算例
• 3.5.1 模糊神经网络训练及泛化
• 3.5.2 基于DSM法的海洋平台振动模糊神经网络自适应逆控制
• 3.6 本章小结
• 4 基于支持向量机的导管架式海洋平台振动自适应预测逆控制研究
• 4.1 引言
• 4.2 支持向量机的基础理论
• 4.2.1 支持向量机原理
• 4.2.2 最小二乘支持向量机回归方法
• 4.3 基于支持向量机的导管架式海洋平台振动自适应逆控制系统
• 4.3.1 基于支持向量机的导管架式海洋平台逆建模
• 4.3.2 基于支持向量机的导管架式海洋平台逆控制系统结构
• 4.4 数值算例
• 4.4.1 支持向量机训练及泛化
• 4.4.2 基于支持向量机的导管架式海洋平台振动自适应逆控制
• 4.5 本章小结
• 5 基于粗神经网络的导管架式海洋平台振动自适应预测逆控制研究
• 5.1 引言
• 5.2 粗糙集理论
• 5.2.1 粗糙集理论的基本概念及性质
• 5.2.2 粗糙集的近似精度和粗糙度
• 5.2.3 粗糙集决策系统
• 5.2.4 粗糙集算例
• 5.3 粗神经网络
• 5.4 基于粗神经网络的导管架式海洋平台振动自适应逆控制系统
• 5.5 数值算例
• 5.5.1 粗神经网络训练及泛化
• 5.5.2 基于粗神经网络的导管架式海洋平台振动自适应逆控制
• 5.6 本章小结
• 6 灰神经网络及其在海洋平台振动自适应预测逆控制中的应用
• 6.1 引言
• 6.2 灰色系统的概念
• 6.2.1 灰色系统的基本原理
• 6.2.2 灰数及其运算
• 6.3 灰局势决策理论
• 6.3.1 效果测度
• 6.3.2 最优局势
• 6.3.3 本文提出的新效果测度及证明
• 6.3.4 灰局势决策步骤
• 6.3.5 灰局势决策算例
• 6.4 灰神经网络结构
• 6.5 基于灰神经网络的导管架式海洋平台振动自适应逆控制系统
• 6.6 数值算例
• 6.6.1 灰色神经网络训练及泛化
• 6.6.2 基于灰色神经网络的导管架式海洋平台振动自适应逆控制
• 6.7 本章小结
• 7 基于灰预测和智能算法的海洋平台振动自适应逆控制研究
• 7.1 引言
• 7.2 灰生成理论
• 7.3 灰预测建模理论
• 7.4 基于灰预测和DSM法的海洋平台振动智能自适应逆控制模型
• 7.5 数值算例
• 7.5.1 载荷计算
• 7.5.2 基于灰预测和智能算法的海洋平台振动自适应预测逆控制
• 7.6 本章小结
• 8 导管架式海洋平台振动主动质量阻尼控制
• 8.1 引言
• 8.2 AMD主动控制系统的减振原理
• 8.3 AMD主动控制系统的设计
• 8.4 数值算例
• 8.4.1 导管架式海洋平台AMD控制系统位置设计
• 8.4.2 导管架式海洋平台AMD控制系统参数设计
• 8.4.3 载荷计算
• 8.4.4 导管架式海洋平台振动 AMD控制
• 8.5 本章小结
• 9 结论与展望
• 9.1 结论
• 9.2 展望
• 参考文献
• 攻读博士学位期间发表学术论文情况
• 论文创新点摘要
• 致谢
• 作者简介