摘 要

挖泥船在疏浚行业中扮演着越来越重要的角色。而本文所研究的绞吸式挖泥船更是具有较为广泛的适应性和经济性，它在一些港口建设、海洋开发等领域中具有非常重要的作用。而疏浚作业则是以绞吸式挖泥船为基础，因此研究疏浚作业对研究绞吸式挖泥船具有重要的意义。而近些年来，疏浚行业有了巨大需求，但是国内在疏浚行业的核心技术仍然有较大的提升空间，与国外一些行业巨头还是存在着较大差距，这对于我国既是挑战也是机遇。对此我们可以重点研究疏浚作业的优化控制，本文主要是通过研究泥浆流速控制方面来对疏浚优化控制进行研究。

在设计泥浆流速控制器时，对疏浚过程中的数学模型进行了分析，并对绞吸式挖泥船作业系统构成进行分析。

针对这些问题，本文提出了RBF神经网络自校正控制，通过在Matlab/Simulink软件搭建出绞吸式挖泥船单泵工况下的泥浆管道输送系统，并进行泥浆流速控制仿真试验，结果表明了该算法在应对泥浆流速突变或浓度波动时具有较强的跟踪性、较好的通用性以及抗干扰能力。

关键词：挖泥船；泥浆流速控制；RBF神经网络自校正控制。

Abstract

In Dredgers are playing a more and more important role in the dredging industry. The cutter suction dredger studied in this paper has a wide range of adaptability and economy, and it plays a very important role in some port construction, marine development and other fields.The dredging operation is based on the cutter suction dredger, so the study of dredging operation is of great significance to the study of cutter suction dredger. In recent years, there is a huge demand in the dredging industry, but there is still much room for improvement in the core technology of the domestic dredging industry, and there is still a large gap with some foreign industry giants, which is both a challenge and an opportunity for our country. For this, we can focus on the optimal control of dredging operation. This paper mainly studies the optimal control of dredging by studying the control of mud flow rate. 
When designing the mud velocity controller, the mathematical model of the dredging process is analyzed, and the composition of the cutter suction dredger operation system is analyzed. 
In order to solve these problems, RBF neural network self-tuning control is proposed in this paper. The mud pipeline transportation system of cutter suction dredger under single pump condition is built in Matlab/Simulink software, and the simulation experiment of mud velocity control is carried out. The results show that the algorithm has strong tracking, good versatility and anti-interference ability when dealing with sudden change of mud velocity or concentration fluctuation.

Key words: Dredger; mud velocity control; RBF neural network self-tuning control.

目 录

第1章 绪论 1

1.1 课题的研究背景及意义 1

1.2 课题的研究现状 2

1.2.1 绞吸式挖泥船国内外研究现状 2

1.2.1.1国外挖泥船研究现状...........................................................................2

1.2.1.2 国内挖泥船研究现状………………….………............................ ....2

1.2.2 疏浚作业自动化控制研究现状 4

1.2.3 RBF神经网络自校正控制研究现状 4

1.3 本文主要研究内容 4

第2章 绞吸式挖泥船疏浚数学模型 6

2.1 疏浚过程中的数学模型 6

2.1.1 各个模型之间的联系 7

2.1.2 电动机-铰刀模型 8

2.1.3 泥泵柴油机模型 13

2.1.4 管路模型 16

2.2 绞吸式挖泥船作业系统构成 19

2.3 本章小结 20

第3章 泥浆流速RBF神经网络自校正控制 22

3.1 泥浆流速控制研究 22

3.1.1 泥浆管道输送系统构成与特点 22

3.1.2 泥浆流速控制器设计与控制算法 23

3.2 RBF神经网络自校正控制 24

3.2.1 系统描述 24

3.2.2 自校正控制 25

3.2.3 RBF神经网络 25

3.3 本章小结 28

第4章 基于RBF神经网络的建模仿真实验 29

4.1 仿真平台的搭建 29

4.2 泥浆流速跟踪实验 32

4.3 泥浆流速突变实验 33

4.4 本章小结 35

第5章 总结与展望 37

5.1 本文工作总结 37

5.2 后续研究展望 37

参考文献 39

致谢 40

第1章 绪论

1.1 课题的研究背景及意义

挖泥船在疏浚行业中扮演着越来越重要的角色。而本文所研究的绞吸式挖泥船更是具有较为广泛的适应性和经济性，它在一些港口建设、海洋开发等领域中具有非常重要的作用。而疏浚作业则是以绞吸式挖泥船为基础，因此研究疏浚作业对研究绞吸式挖泥船具有重要的意义。

近几十年来，随着国民经济迅速发展，泥沙在水流作用下在航道、港口、湖泊内不断淤积，这对中国经济的可持续发展造成了一定的影响。一方面为确保航运、防洪、发电、农田灌溉，保护生态环境，实现南水北调，充分利用水资源，另一方面现代船只越来越大，吃水量也越来越多，这都需要加宽和加深航道，同时，原有的河道中，水流带来大量泥沙的沉积，使得河道变浅，这也需要对航道进行整修。整修的基本措施就是采用一定的疏浚工具将水底的泥沙进行搬运和存放，使之脱离原有航道，送到合适的处理地点，这就是清淤除沙，清淤除沙可有效地提高各航道和河口的通航能力，其挖掘泥土的过程叫做疏浚工程，疏浚工程指的是采用挖泥船或其它挖泥工具对水下泥沙等杂物进行挖掘的工程，疏浚可以加深和加宽码头和航道，使船只顺利通航，满足生产需要。随着船舶行业的发展，疏浚工程变的越来越重要，也已经成为人类改造自然和征服自然的一项非常重要的生产活动^【1】。

而我国因河道众多，故疏浚工程需求特别多。我国平均年约 14 亿吨近 9 亿立方米的泥沙杂物等淤积在航道中，而只有沉积吨数的 1/3 被疏浚，这样的疏浚能力远不能达到生产和生活的需求标准。因此国家制定了许多疏浚作业工程，而随着这些疏浚作业工程项目的大量增加，对疏浚的质量的要求也越来越高。与此同时相关技术领域的巨大进步也为疏浚技术的发展提供了条件，迎来了一个疏浚设备和技术发展的黄金时期。但是这也意味着这需要我国的疏浚设备技术需要得到不断的提高，而这些设备中在世界范围内广泛使用的挖泥船具有很好的疏浚效果^【2】。