Coupled dynamic analysis of deep-sea mining support vessel with dynamic positioning

Deep-sea mining (DSM) is an advanced concept. A simulation method of coupled vessel/riser/body system in DSM combined with dynamic positioning (DP) is proposed. Based on the three-dimensional potential flow theory, lumped mass method, and Morison’s equations the dynamic models of the production support vessel, riser and slurry pump are established. A proportion integration differentiation (PID) controller with a nonlinear observer and a thrust allocation unit are used to simulate the DP system. Coupled time domain simulation is implemented with the vessel operated in two DP modes. Results of the vessel and pump motions, riser tension, and thruster forces are obtained. It shows that the pump will be lifted by the riser when the vessel is chasing the next set point. Riser tension is influenced by the wave frequency motions of the vessel in positioning mode and low-frequency motions in tracking mode. The proposed simulation scheme is practical to study the DSM operation.     

基于最小二乘法与RBF神经网络的溶解氧检测系统设计

为克服温度对溶解氧传感器的影响,对极谱型溶解氧检测系统的溶解氧电极激励源、高精度信号采样、软件标定和温度补偿等方面进行研究。通过对极谱型溶解氧传感器工作原理进行分析,设计了极谱型溶解氧传感器检测电路;根据溶解氧电极的温度特性,设计了基于NTC(负温度系数)热敏电阻的硬件温度补偿电路,并利用最小二乘法及RBF神经网络构建了软件温度补偿模型。利用饱和蒸馏水进行温度补偿实验,结果表明:经温度补偿后,该溶解氧检测系统的相对误差及采样波动均在1%以内,大大减小了传感器的非线性误差,测量精度和稳定性均可满足应用要求。     

Heave compensation system of lifting pipeline for deep-sea mining based on combined action of vibration absorber and accumulator

ABSTRACT

A heave compensation system combined with a vibration absorber and accumulator is proposed, with regard to the requirement for poly-metallic nodule mining systems at an ocean depth of 6,000?m in China. The principle of the compensation system was analyzed, its main parameters were designed, and its mathematical model was established. The system performance was simulated and analyzed in MATLAB, and the frequency domain characteristics and compensation rate of the system with different volume accumulators, and with or without vibration absorbers, were compared. A simulation test of the compensation system was conducted. The proposed compensation system had a better compensation effect for a random wave interference under level-6 sea conditions, and the compensation rate being more than 72% with optimal system parameters.     

海洋绞车主动升沉补偿控制系统建模与仿真分析

针对海洋绞车主动升沉补偿系统的控制要求,通过对主动升沉补偿系统的控制机理进行分析,于Simulink软件中搭建海洋绞车主动升沉补偿控制系统的仿真模型。根据负载所处不同海况,设置相应仿真参数,得出负载在不同海况下主动升沉补偿控制系统的补偿特性,绘制了负载在升沉补偿作用下的位移响应曲线及补偿时电机转速响应曲线,并与无升沉补偿作用下的仿真结果进行对比。仿真结果表明,该主动升沉补偿控制系统具备理想的补偿精度。将主动升沉补偿控制系统应用于海洋绞车进行模拟试验,得到了电驱动海洋绞车主动升沉补偿控制系统在四级模拟海况下的试验数据。试验结果表明该主动升沉补偿控制系统满足补偿能力设计要求。研究可为海洋绞车主动升沉补偿控制系统补偿性能的改进与完善提供参考。     

计算结构可靠度的RBF神经网络响应面法

对功能函数不能明确表达的问题进行可靠度分析,常采用响应面法。其中二次多项式响应面法应用较为广泛,采用与此方法相同的思路,提出了RBF神经网络响应面法,并通过算例与常用的BP神经网络响应面法进行了对比分析,该方法在学习速度、迭代次数等方面均优于BP神经网络响应面法。该方法用于大型复杂结构的可靠性分析,可相应提高工作效率和解题质量,具有一定实际应用价值。     

基于人工神经网络的半潜平台动力定位系统推力分配策略研究

针对带有禁止角的半潜平台动力定位系统推力分配算法功率较大的问题,提出了一种基于人工神经网络拟合桨—桨干扰推力损失函数的序列二次规划推力分配算法。该方法考虑了半潜平台桨—桨干扰造成的推力损失,引入推力系数来表达推力损失。利用人工神经网络拟合推力系数,将推力损失加入到推力分配的数学模型中,取消了禁止角。采用序列二次规划求解推力分配数学模型。最后以某半潜式钻井平台为例,选取三种浪向角工况进行推力分配仿真模拟,结果显示该算法在高效分配定位所需推力的同时有效减小了功率消耗,应用前景广泛。     

人工神经网络在潮位探测系统中的应用研究

叙述了人工神经网络算法在“Ku波段微波海洋波高/潮位探测系统”中的应用研究成果,介绍了检测微波回波信号中的中频信号和9/256点插值神经网络的设计方法及训练模型,并把这两个网络应用于探测系统,使系统波高/潮位的探测精度提高了1个数量级,还保证了监测的实时性,提出了某些减少训练时间的方法。     

基于灵敏度分析的海洋油气资源BP神经网络预测模型的优化

作者针对BP神经网络结构设计中存在的问题,提出利用灵敏度分析方法对BP神经网络预测模型进行优化。通过BP算法与参数灵敏度分析的结合,寻找网络输入属性与输出属性之间的影响因子;在保证精度的前提下优选网络输入属性,简化网络结构,以增强网络的泛化能力,减少人为主观因素对网络设计的影响。最后以海洋油气资源预测为例,结合实测资料建立BP神经网络预测模型并进行了优化及预测精度评价,表明优化后的模型既能有效提高油气资源预测结果的稳定性,又不损失预测精度。     

雷达高度计海况偏差估计神经网络模型研究

本文基于Jason-2高度计数据,在12个不同季节的cycle数据中组合1~6个cycle的有效波高、风速和海况偏差为训练集,选取Jason-2的另外3个不同季节的cycle数据集为测试集。经检验分析,确定3个cycle对应的BP神经网络模型。将该模型应用于HY-2高度计海况偏差的估计,通过海况偏差与有效波高及风速的拟合优度、解释方差和残差对比分析,结果表明:神经网络BP模型可以有效应用于HY-2的海况偏差估计并明显优于传统海况偏差参数模型。     

北部湾冬季强风的主分量神经网络预报方法研究

本文首先分析造成北部湾冬季强风的天气动力学机理，在此基础上以相关分析法确定强风的预报因子(气压梯度、气温梯度、高层风速等因子)与预报量之间存在着较好的相关性；进而采用人工神经网络与主分量分析(PCA)相结合的方法建立了北部湾冬季强风的预报模型．该预报方法所构造的预报模型对历史样本风速拟合平均绝对误差为1．80m/s，对独立样本风速试报的平均绝对误差为1．46m/s．计算结果表明，该方法的拟合效果及预报稳定性较好，可在预报业务中应用．     

基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究

基于海洋气象历史观测资料和再分析数据等,利用LSTM深度神经网络方法,开展在有监督学习情况下的海面风场短时预报应用研究。以中国近海5个代表站为研究区域,通过气象台站观测数据和ERA-Interim 6 h再分析数据构建数据集。选取21个变量作为预报因子,分别构建两个LSTM深度神经网络框架(OBS_LSTM和ALL_LSTM)。经与2017年WRF模式6 h预报结果对比分析,得出如下结论:构建的两个LSTM风速预报模型可以大幅降低风速预报误差,RMSE分别降低了41.3%和38.8%,MAE平均降低了43.0%和40.0%;风速误差统计和极端大风分析发现,LSTM模型能够抓住地形、短时大风和台风等敏感信息,对于大风过程预报结果明显优于WRF模式;两种LSTM模型对比发现,ALL_LSTM模型风速预报误差最小,具有很好的稳定性和鲁棒性,OBS_LSTM模型应用范围更广泛。     

融合浅层特征的深度卷积神经网络互花米草遥感监测方法

基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deepconvolutionalneuralnetwork,DCNN)分类模型,开展互花米草(SpartinaalternifloraLoisel)遥感监测的方法研究,并从不同的浅层特征来具体分析互花米草的监测结果。结果表明:(1)在分类方法上,DCNN模型的总体分类精度最高,达到90.33%,与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)分类器相比,精度分别提高4.78%、2.7%,互花米草的生产者精度分别提高了2.56%、0.47%,说明在滨海湿地遥感影像分类中, DCNN有着更好的应用潜力;(2)融合浅层特征后, DCNN的总体分类精度和互花米草的识别精度分别提高了0.34%和3.25%,有效提高了对互花米草的监测能力。其中,融合归一化植被水分指数(NDII)浅层特征的DCNN分类方法中,互花米草的识别精度提高最多,为2.56%,比值植被指数(RVI)次之,为2.32%。研究结果可为互花米草的监测与管理提供技术与数据支撑。     

基于数据挖掘及网络药理学探讨射血分数保留性心力衰竭的用药规律及作用机制

目的：探讨中医药治疗射血分数保留性心力衰竭（HFPEF）的用药规律及作用机制。方法：收集中国知网2003年1月31日至2022年12月31日期间收录的中医药治疗HFPEF的相关文献,使用中医传承辅助平台V2.50进行用药规律分析,将核心药物进行网络药理学分析。结果：数据挖掘共纳入112个有效方剂,涉及127味中药,使用频次由高到低依次为黄芪、丹参、人参等,药性以温、寒、平为主,药味多甘、苦、辛,多归心、脾、肺经,共得到17个频次≥23次的药物组合,包括9味中药,7个新方组合;核心药物包括丹参、黄芪、葶苈子、人参、桂枝等。网络药理学分析得出核心药物共108个活性成分,可能作用靶点91个,与HFPEF共有52个交集靶点,主要包括肿瘤坏死因子（TNF）、白细胞介素-6(IL-6)、细胞肿瘤抗原p53（TP53）、白细胞介素-1β（IL-1β）、表皮生长因子受体（EGFR）等。核心药物主要作用于胞外、调控细胞增殖及凋亡、通过炎症反应及抗动脉粥样硬化以延缓HFPEF进程。结论：中医药治疗HFPEF的总治则为益气养阴、化瘀行水;网络药理学分析表明核心药物通过多成分、多靶点、多通路共同治疗HFPEF。     

基于主成分和BP神经网络的智利竹筴鱼渔场预报模型研究

东南太平洋智利竹筴鱼Trachurus murphyi是我国大型拖网渔船队的重要捕捞对象。准确预报中心渔场是提高渔业生产能力的重要工作。本文根据2003—2009年我国船队在东南太平洋海域捕捞智利竹筴鱼的渔捞日志数据,结合海洋遥感获得的海表温度(SST)和海面高度(SSH)等海洋环境因子,利用主成分和BP神经网络方法对智利竹筴鱼中心渔场预报模型进行了研究。研究利用主成分分析法(PCA)得到累计贡献率在90%以上样本的主成分,综合考虑模型测试的精度与速度,基于原始样本和经PCA处理后的主成分分别建立了BP模型,其最优BP模型结构分别为5∶10∶1和3∶7∶1。研究结果表明,经PCA处理后的主成分所建立的BP神经网络模型在训练结果和测试结果上均要优于用原始样本建立的BP神经网络模型,两者的预报准确率分别为67%和60%。