绞吸挖泥船计算机自动寻优疏浚方法.pdf

本发明属于航道疏浚技术，涉及一种绞吸挖泥船计算机辅助疏浚自动寻优方法。该方法的主要步骤包括：采集绞吸挖泥船各疏浚子系统信号、采集绞吸挖泥船各疏浚子系统信号、记录产量及相应的试挖施工参数、建立吸口浓度预测模型、计算输泥管平均浓度、计算输泥管阻尼系数、判断所获得的试挖参数及试挖结果是否满足设定的边界条件、可靠数据判别、有效数据分析、曲线拟合、获得最佳施工参数、进行优化疏浚。本发明能够分析不同土质下各种参数与流速、浓度的关系，提出指导性优化施工参数，促进并协助挖泥船操作人员妥善操作，使挖泥船在保障设备安全的前提下得到持续高产效果。

1、  绞吸挖泥船计算机自动寻优疏浚方法，该方法包括以下步骤：
a.绞吸挖泥船进入挖槽中心，通过平面定位系统将定位桩置于挖槽中心线上，并以此作为中心摆动挖泥；
b.采集绞吸挖泥船各疏浚子系统信号；
c.试挖，即在新的施工工地，通过变换施工工艺参数进行试挖施工，实现产量的变化；
d.记录产量及相应的试挖施工参数，即根据浓度计和流量计数据进行产量的在线记录，并与相应的试挖施工参数一并存入计算机；
e.建立吸口浓度预测模型，即通过吸口真空与浓度计检测值的对应关系，建立吸口浓度预测模型，预测吸口浓度；
f.计算输泥管平均浓度；
g.计算输泥管阻尼系数；
h.判断所获得的试挖参数及试挖结果是否满足设定的边界条件；
i.经过改变试挖条件多次试挖，获得多组满足边界条件的疏浚工艺参数，并从中获得最大产量点及最大产量点对应的疏浚工艺参数数据；
j.对疏浚工艺参数产量点数据进行可靠数据判别；
k.使用数据滤波算法对所有可靠数据进行有效数据分析，以获得最接近真实状态的数据；
l.对通过有效数据分析得到的数据关系曲线进行曲线拟合；
m.曲线拟合后获得多个具有极值的曲线，对具有极值的曲线使用模糊决策原理进行综合评定计算，获得最佳施工参数并将最佳施工参数存入数据库；
n.正式疏浚开始后，采集、存储各疏浚子系统信号；通过解算GPS和罗经信号得到平面定位信号，以确定耳轴的平面位置、主桩位置、辅桩位置和船上任意固定点位置；使用吸口浓度预测模型预测吸口浓度；计算输泥管平均浓度；计算输泥管阻尼系数；调取最佳施工参数进行优化疏浚；
o.经过一段时间的疏浚后，如疏浚效率发生变化，此时重复上述步骤i至步骤m的过程，重新进行寻优。

2、  根据权利要求1所绞吸挖泥船计算机自动寻优疏浚方法，其特征是：步骤b中所述的各疏浚子系统信号包括定位定深信号、水下泵监测信号、舱内泵监测信号、横移绞车监测信号、水下泵电机监测信号、泵机监测信号、绞刀检测信号、管路监测信号。

3、  根据权利要求1所述的绞吸挖泥船计算机自动寻优疏浚方法，其特征是：试挖过程中变换的施工参数有包括横移速度、绞刀转速、绞刀挖泥厚度、泥泵机转速。

4、  根据权利要求1所述的绞吸挖泥船计算机自动寻优疏浚方法，其特征是：步骤h中所设定的边界条件包括绞刀扭矩限制、绞刀电流最大值限制、横移绞车拉力最大值限制、横移绞车电流最大值限制、横移绞车最大速度限制、水下泵电机功率限制、柴油机负荷最大限制、管路阻尼系数限制、输泥管平均浓度与吸口浓度相差不大于设定值。

绞吸挖泥船计算机自动寻优疏浚方法
技术领域
本发明属于航道疏浚技术，涉及一种绞吸挖泥船计算机辅助疏浚自动寻优方法。
背景技术
绞吸挖泥船是利用安装在绞刀桥梁前端的绞刀运动实现破土，旋转的绞刀将海(河)底泥(沙、石等)连续不断地绞松，并进行泥水混合。混合后的泥水在大气压的作用下经吸入口吸入，通过泥泵加压后，由排泥管输送到吹填区(或指定的卸泥区)。
绞吸挖泥船大多数都安装有定位钢桩(定位桩台车)和钢桩的起落装置，用于挖泥作业中对挖泥船的定位、船体的横移摆动以及纵向前移等。置于绞刀桥梁前部的左右边锚和锚缆，用于控制挖泥过程中船舶的左右横移。在施工中，大多采用将定位桩置于挖槽中心线上，并以此作为中心摆动挖泥。绞吸挖泥船在施工过程中其具体平面位置采用DGPS和罗经来确定，进桩前移距离的大小则根据挖掘土质而定。在管道输送过程中，当泥泵产生的总能量大于泥浆的能量损失时，管道泥浆流就能持续，但一旦泥沙的流速小于其淤积流速时，泥沙就会在管道内沉积出现堵塞现象，这在绞吸挖泥船中要绝对避免。
在现有的绞吸挖泥船工况监测系统中，仅仅具备对绞吸挖泥船的平面定位及断面系统、横移绞车系统、绞刀电机系统、水下泵系统、舱内泵系统、管路系统等系统的数据进行监测和采集的功能，还没有能对疏浚过程进行分析并对疏浚操作人员进行有效指导的软件，项目部门及船上疏浚人员的能力及水平差异将极大地影响疏浚产量。
发明内容
本发明所要解决的技术问题是提供一种能够分析不同土质下各种参数与流速、浓度的关系，提出指导性优化施工参数，促进并协助挖泥船操作人员妥善操作，使挖泥船在保障设备安全的前提下得到持续高产效果的绞吸挖泥船计算机辅助疏浚自动寻优方法。
本发明的方法包括以下步骤：
a.绞吸挖泥船进入挖槽中心，通过平面定位系统将定位桩置于挖槽中心线上，并以此作为中心摆动挖泥，达到控制挖泥宽度的目的。
b.采集绞吸挖泥船各疏浚子系统信号，其中包括：定位定深信号、水下泵监测信号、舱内泵监测信号、横移绞车监测信号、水下泵电机监测信号、泵机监测信号、绞刀检测信号、管路监测信号。这些信号用来反映的信息有：船舶在挖槽平面上的位置；绞刀在挖槽平面内的位置；绞刀挖掘深度；绞刀在挖槽断面中的位置；潮位信息；定位桩在挖槽平面上的位置；原始河床信息；横移速度、横移方向；水下泵吸入压力；水下泵排出压力；舱内泵排出压力；浓度、流速、产量率；水下泵电机功率、电流；绞刀电机电压、电流；左/右横移绞车电流、电压；泵机转速；泵机负荷；泵机功率；泵效率；水下泵效率；管路内浓度、流速。
c.试挖，即在新的施工工地，通过变换施工工艺参数进行试挖施工，实现产量的变化。在施工过程中，挖泥船驾驶员能调节的施工参数有：横移速度；绞刀转速；绞刀挖泥厚度；泥泵机转速。
d.记录产量及相应的试挖施工参数，即根据浓度计和流量计数据进行产量的在线记录，并与相应的试挖施工参数一并存入计算机。
e.建立吸口浓度预测模型。在绞吸挖泥船上，浓度计和流量计安装位置距离吸口位置较远，浓度计显示的值实际上滞后于吸口浓度，操作人员一般使用吸入真空来控制浓度。因此可以通过吸口真空与浓度计检测值的对应关系，建立吸口浓度预测模型，预测吸口浓度。其方法如下：
①求积分 l = ∫ t 0 t 1 vΔt ]]>
式中：t0为真空检测时间点；t1为浓度检测时间点；v为不断变化的流速；
当l大于l₀时(l₀为吸口至产量计之间的距离)，t1时刻检测的浓度与t0时刻检测的真空对应。
②连续进行上述计算，得到真空与浓度对应表，根据在线检测的吸口真空进行查表将得到吸口处的预测浓度。
③由于土质发生的变化，导致真空与浓度对应规律产生变化，系统使用自适应的过程来适应此土质的变化，在自适应过程中通过数据加权平均滤波算法获得滤波后的数据。
④根据滤波后的数据不断修正吸口真空与浓度对应表。
f.计算输泥管平均浓度。方法如下：
管内任意一段平均浓度ρ₀积分公式：
ρ 0 = ∫ t 1 t 2 ρvΔt V ]]>
式中：l为计算段管长；ρ为时间t时的瞬间浓度；v为时间t时的流速；V为管内的体积。
t1为泥浆进入此段管内的时间：
t 1 = ∫ l 0 l 1 Δl v ]]>
t2为泥浆流出此段管内的时间：
t 2 = ∫ l 0 l 2 Δl v ]]>
式中：l₂为管内泥浆流出位置
当t1趋于t2时，可以得出任意一点的平均浓度。将所有管路内计算的浓度点进行平均，可以得到平均浓度。
g.计算输泥管阻尼系数。其方法是：
①当任一输泥管安装了两个压力传感器时，阻力系数λ1：
λ₁＝(H-h×γ)×2gD÷Lv²
式中：H为水头损失，由管路两个压力传感器的压力差获得；
γ为泥浆密度，其值亦可采用泥浆平均密度；
h为高程差，其值为两个压力传感器之间的高程差；
g为重力加速度；
D为排泥管管径；
L为两个压力传感器之间的管路长度；
v为流速。
②输泥管无压力传感器时整个管路的阻力系数λ2：
λ 2 = ( H - h × γ - γ × v 2 2 g ) × 2 gD ÷ L v 2 ]]>
式中：H为总水头；
r为泥浆密度，由浓度计获得；
γ为泥浆密度，其值亦可采用泥浆平均密度。
h.判断所获得的试挖参数及试挖结果是否满足设定的边界条件。设定的边界条件可以包括：绞刀扭矩限制；绞刀电流最大值限制(电机功率最大限制)；横移绞车拉力最大值限制；横移绞车电流最大值限制(电机功率最大限制)；横移绞车最大速度限制；水下泵电机功率限制；柴油机负荷最大限制；管路阻尼系数限制；输泥管平均浓度与吸口浓度相差不大于设定值(该设定值一般为吸口浓度的5％～8％)。
i.经过改变试挖条件多次试挖，获得多组满足边界条件的疏浚工艺参数，并从中获得最大产量点及最大产量点对应的疏浚工艺参数数据。
j.对疏浚工艺参数产量点数据进行可靠数据判别。
对可靠数据可定义为：①多次发生，即由软件设置一个由软件设置一个阀值，在每个区域内的产量数据小于规定的阀值，认为此区段的数据是偶尔发生的，不能认为是可靠数据；②符合规律，即设置规则对非正常施工的数据进行过滤。包括：绞刀的深度小于某个值，不可能有浓度；流速不能低于某个值；泵机转速不能低于某个值。③小概率事件过滤：对疏浚数据中存在的一些小概率数据进行过滤，这些小概率数据是指信号偏移了大部分疏浚数据点区域的数据。过滤掉小概率事件的数据，实际上是指对个别奇异点的过滤。
通过可靠数据判别，使得采集系统偶尔震荡点和非正常施工的数据得到了有效的过滤，真实有效的数据将大大增加。
k.使用数据加权平均滤波算法对所有可靠数据进行有效数据分析，以获得最接近真实状态的数据。由于疏浚产量数据具有振荡特性，无一定的规律，表现为随机性。有效数据分析即是从这些随机疏浚数据中找出产量与其他参数的可靠数据关系。在绞吸挖泥船疏浚过程中，对每一次疏浚过程均可通过数据加权平均滤波算法获得有效数据，而且越靠近当前时刻，有效数据越接近当前真实值，即当前的疏浚状态。
所述的数据加权平均滤波算法如下：
使用时间函数作为加权平均滤波的权值函数，权值函数F_i定义为：
F_i＝(T_max-T_i)/(T_max-T_min)  i＝0，1….n
式中：T_max为分析数据段的最大时间，T_min为分析数据段的最小时间，T_i为第i信号点采集时间，上述公式意味着点越靠近现在的时间，其数据越接近当前的真实情况，当采样点的时间离现在的时间越长，系统认为此采样点越不真实，降低其权值。
总的权值F_total＝F₀+F₁+F₂+….+F_n
数据的加权平均值＝X₀*F₀/F_total+X₁*F₁/F_total+…..+X_n*F_n/F_total
l.对通过有效数据分析得到的数据关系曲线进行曲线拟合。由于通过有效数据分析得到的关系曲线是离散的，因此对其进行曲线拟合。
m.曲线拟合后获得多个具有极值的曲线，对具有极值的曲线使用模糊决策原理进行综合评定计算，获得最佳施工参数并将最佳施工参数存入数据库。
评定过程如下：①在绞吸挖泥船的综合评定计算中使用模糊决策原理，由使用者根据实际需要，选定疏浚工况参数进行模糊评定，得出综合评定数，设选定的工况参数为C1，C2，C3，……Cn。
②对C1、C2、C3、……Cn的多变量决策问题，设变量决策的权重分别为W1、W2、W3、……Wn，其中：
W1+W2+W3+……Wn＝1
③求C1，C2，C3，……Cn的隶属度R1，R2，R3，……Rn。
④确定最佳施工参数。
n.正式疏浚开始后，采集、存储各疏浚子系统信号；通过解算GPS和罗经信号得到平面定位信号，以确定耳轴的平面位置、主桩位置、辅桩位置和船上任意固定点位置；使用吸口浓度预测模型预测吸口浓度；计算输泥管平均浓度；计算输泥管阻尼系数；调取最佳施工参数进行优化疏浚。
o.经过一段时间的疏浚后，如随着挖深的变化和土质区域的变化，使原先执行的施工方案不再是合理施工方案，导致产量下降，即疏浚效率发生变化，此时重复上述步骤i至步骤m的过程，重新进行寻优。
本发明的方法使绞吸挖泥船的疏浚作业能够由计算机给出最佳的施工参数，减少了疏浚作业对挖泥船操作人员的技术要求，使挖泥船在保障设备安全的前提下得到持续高产的效果。
附图说明
图1是本发明方法的流程图；
图2是本发明实施例中，所采集数据的振荡曲线图；
图3是本发明实施例中，横移速度与产量的关系曲线图；
图4是本发明实施例中，经过曲线拟合后的横移速度—扭矩—产量的曲线图。
具体实施方式
本发明的方法流程如图1所示：
在正式疏浚施工前，绞吸挖泥船进入挖槽中心，通过平面定位系统将定位桩置于挖槽中心线上，采集绞吸挖泥船各疏浚子系统信号，进行试挖。由于试挖疏浚过程受到水流、风向、原始河床底部不平等不确定因素的影响很多，因此疏浚过程中连续采集的原始数据是一组振荡和不稳定的数据(如图2所示)。
系统对振荡数据采用数理统计分析，以获得真实可靠及平滑的结果。对每个需要分析的数据进行区段设置，例如横移速度由0m/min---16m/min之间变化，系统将此16m/min的区间分为40个区间进行分析。因为对采集系统而言，不可能作到完全连续的监测。
经过记录试挖产量及相应的试挖施工参数、建立吸口浓度预测模型、计算输泥管平均浓度、计算输泥管阻尼系数各步骤，对获得的参数进行边界条件判断，得到满足设定的边界条件的疏浚工艺参数，对疏浚工艺参数进行可靠数据判别和有效数据分析得到有效数据。
由于通过加权平均得到的关系曲线是离散的，系统提供四次拟合曲线。
①二维分析曲线：从数据库中提取两个参数作为二维曲线显示的内容。读入一段时间内保存的数据，将两个参数的数据读出，不满足条件的数据将被过滤掉。在二维曲线显示中，可以使用一个X方向的变量，对应多个Y输出变量。所产生的点使用最小二乘多项式逼近的方式拟合，图3为二维分析曲线。
②多态分析曲线：多态分析曲线指当一个参量不断变化(因变量)时，另外一个参量(X变量)与其他参数(Y变量)的关系。例如横移速度不断变化时，绞刀电流与产量的曲线图。在多态曲线显示中，根据因变量的情况，将显示多条曲线。所产生的多条曲线点使用最小二乘多项式逼近的方式拟合。图4显示的是横移速度—扭矩—产量的曲线图。
曲线拟合后，系统获得极值并分析寻优，得到不同施工状态下的优化施工参数。
例如系统获得5个流速分别为4.3、3.8、5.2、4.7、4.9(b1，b2，b3，b4，b5)，在此5种流速下系统都获得了较好的产量，系统并且能稳定施工。此时5个策略对应的四个参数C1，C2，C3，C4值如表6-1所示(其它最佳施工方案的获得类似)。
由施工的实际情况规定各目标的权重为W＝(0.4，0.2，0.3，0.1)^T，此数据将根据系统的施工的不同情况由系统获得。
泵机转速在合理的情况下，是越小越好，所以用越小越优型原则确定隶属度，并设上限规定转速不超过750(由系统输入)，最小的转速为600，所以对C1的隶属度R1：
R1＝((750-720)/(750-660)＝0.33，0.51，0.11，0.22，1)
表6-1以流速作为策略时的综合评定数