基于强化学习的锚泊辅助动力定位系统智能决策研究     

余尚禹  王磊  李博  衣凡 《海洋工程》2019,37(6):49-61

针对半潜平台锚泊辅助动力定位系统的最优定位点问题,设计了基于强化学习中深度神经网络的Q学习(DQN)控制策略的锚泊辅助动力定位的智能决策系统。该决策系统中DQN方法与比例—积分—微分(PID)控制方法相结合使用,实现系统优化。在基于机器人操作系统(ROS)平台的动力定位时域模拟程序中进行数值仿真,仿真结果验证了该系统在定位点决策问题上的可靠性和有效性,从而使半潜平台在面对未知海况时,均能寻找到最优定位点,在保证锚泊辅助动力定位系统可靠性的同时降低功率消耗,提高经济性。  相似文献   

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     

衣凡  王磊  李博  余尚禹 《海洋工程》2019,37(4):16-26

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。  相似文献