.png){kind=icon}
返回
Response Mitigation of Large Floating Platforms Using Artificial Intelligence
.png){kind=icon}
OA
AI
DOI：10.26748/KSOE.2025.059.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大型浮式平台（如钻井船）的定点保持任务在恶劣海况下仍面临巨大挑战。本研究旨在通过将数据驱动的智能控制器集成到传统的动态定位系统（DPS）中，以提升纵向和横向运动控制性能。所提出的方法结合了数值水动力分析与基于数据库的辅助控制算法。通过绕射分析生成平台在不规则波作用下的时域响应，并将这些响应存储在结构化数据库中，人工智能辅助控制器实时查询该数据库。当无法获得精确匹配时，采用分段三次Hermite插值多项式进行控制力的估计，确保预测结果的平滑性和物理一致性。同时实现了一个基于比例-积分-微分（PID）的传统DPS模型作为对比。结果表明，在800秒的测试时间内，均方根纵向运动减少了60%。功率谱密度分析证实了显著的高频衰减，交叉相关性分析揭示了控制动作与纵向响应之间存在175秒的延迟。此外，还集成了一个被动式横摇减摇机制，并由控制器自动激活。本研究表明，基于数据库的插值方法为下一代钻井船的动态定位控制策略提供了可靠且计算高效的可选方案。
Keyword:
Station keeping
Dynamic positioning
Artificial intelligence
Large floating platforms
Drillship
期刊
J
IF:
0
论文数:
37
被引数:
0
机构
引用论文
Deep Learning-Based Prediction of Ship Roll Motion with Monte Carlo Dropout基于深度学习的船舶横摇运动预测与蒙特卡洛 dropoutOAAI
.png){kind=icon}
OAAI分享收藏
分享收藏Moonpool dimensions and position optimization with Genetic Algorithm of a drillship in random seas
PREAI
分享收藏分享收藏
查看更多内容