摘要
绞吸式挖泥船是现代工程中疏浚吹填、填海造地的重要的工具，具有广泛的适应性和高效性。挖泥船的输送管道过程必须测量和监控大量工程参数，特别是管道中固液两相流的流速和密度，以便进行施工过程的控制和优化。 当前，对于绞吸挖泥船的控制过程主要通过施工员的人工经验进行操作，实时性、自动化程度和智能化水平都不高，无法反映和应对施工过程中本质的非线性、耦合和相互作用关系；同时，对于专业技术人员进行培训的周期、水平和成本都影响着施工过程和效率。针对上述问题，本文提出了一种基于密度和流速预测模型的反馈控制系统，以达到产量和效率提升，同时提出一种电阻层析技术与卡尔曼估计相结合的固相含率有效测量方法。具体的工作内容如下： 1）分析挖泥船原始采集数据，克服固液两相流测量中的迟滞问题；利用粗糙集理论的属性约简方法对原始数据集进行降维处理，从大量量测参数中筛选出与产量密切相关的主要参数，为后续建立产量优化模型提供基础。 2）建立流速和密度的预测模型。根据监测指标与流速和密度之间的相关性，采用一维卷积神经网络建立流速预测模型，并用线性回归、BP神经网络建立的预测模型进行效果对比。利用了适用于具有一维属性数据集的一维卷积，对神经网络结构进行设计，通过具有代表性的实验对比表明，一维卷积神经网络较其他两种方法预测效果有较大提升，对流速的预测精确度达到了95%以上，对密度的预测精度也能达到92%以上，能够有效地满足合实际工程需求。 3）建立针对产量提升的反馈控制模型。根据分析挖泥船系统影响产量的各控制参数的约束条件，建立了产量较高的历史数据最优集。在进行反馈控制时，首先根据预测模型得到的流速和密度指标计算得到产量值，通过这种方式计算得到的产量值不存在实际测量时的时滞，因此可以作为实时反馈加入控制模型，对施工过程进行反馈控制。实验结果显示对产量产生了显著的提升效果。 4）针对挖泥船的实际工况和流型，设计了基于电阻层析成像和卡尔曼估计相结合的泥浆密度测量方法，利用了双传感器数据的互补性和卡尔曼估计对系统噪声进行消除的特性，有效地对泥浆密度进行了估计，最后利用实际工况中采集到的实时数据对其进行了实验仿真，验证了该方法的可行性和有效性。
NETL