基于转子帆的功率平衡与操纵辅助方法

《Journal of Marine Science and Engineering》:An Approach for Balanced Power and Maneuvering Assistance Using Rotor Sails Cem Güzelbulut and Serdar Kavelo?lu

【字体: 大 中 小 】 时间:2026年04月02日 来源:Journal of Marine Science and Engineering 2.8

编辑推荐:

  风助船舶推进(WASP, wind-assisted ship propulsion)系统因其在减少温室气体排放和节省燃料方面的贡献而日益受到重视。现有研究主要聚焦于帆助系统的空气动力学、帆装置与船舶动力学的集成,以及燃油节省的预测。本研究通过提出一种可提升操

  
风助船舶推进(WASP, wind-assisted ship propulsion)系统因其在减少温室气体排放和节省燃料方面的贡献而日益受到重视。现有研究主要聚焦于帆助系统的空气动力学、帆装置与船舶动力学的集成,以及燃油节省的预测。本研究通过提出一种可提升操纵性能的新型控制逻辑,扩展了帆助系统的应用场景。将转子帆自转速比(spin ratio)的确定目标由单纯推力扩展为同时考虑横向力与力矩,也被纳入目标函数之中。研究人员采用大量随机权重组合与环境条件,对目标船的回转性能进行了评估;随后训练人工神经网络(ANN, artificial neural network)模型,以依据环境条件确定最优权重;最后基于回转试验与Z形试验仿真,对新控制方法的性能进行了评估。结果表明,与常规船舶相比,进距、横距和战术直径分别最多降低约5%、7%和7%。在Z形操纵性能方面,尽管训练后的ANN模型中并未包含Z形试验仿真数据,仍发现超越角有所减小。因此,研究表明,若采用适当控制方法,帆装置除可提供附加推力外,还能够提升船舶操纵性。
本文发表于《Journal of Marine Science and Engineering》,研究聚焦于风助船舶推进(WASP, wind-assisted ship propulsion)系统在操纵性提升方面的潜在价值。当前,转子帆、刚性帆、吸力翼和风筝等风助推进技术,主要被用于降低主机负荷、减少化石燃料消耗与温室气体排放,因此现有研究多集中于空气动力性能、节能效果预测、系统集成与航线优化等问题。相比之下,帆助系统对船舶操纵性、安全性以及复杂环境下航行动力学响应的影响尚未得到充分讨论。尤其是转子帆在工作过程中会产生显著横向力和偏航力矩,这些附加气动力既可能削弱常规操纵性能,也可能在适当控制下转化为操纵辅助能力。因此,围绕“如何使转子帆不仅提供推力,而且改善船舶回转与变向能力”的问题开展研究,具有明确的工程意义与航运安全价值。

研究人员以KVLCC2油船为目标船,构建了带有4具转子帆的操纵运动模型,并基于操纵运动数学模型组(MMG, Maneuvering Modeling Group)方法,系统评估不同转子帆控制策略对船舶操纵性能的影响。研究的核心创新在于重新定义转子帆自转速比(spin ratio)的控制目标:传统方法通常以最大化推力收益为目标,即在帆产生推力功率与维持其运行所需功率之间寻求最大净收益;而本文提出的控制逻辑则将纵向推力、横向力、偏航力矩以及船舶纵荡、横荡和偏航运动状态共同纳入加权目标函数,通过调节不同权重,使转子帆在不同环境条件下兼顾推进与操纵辅助功能。基于这一思想,研究人员进一步通过随机权重与多环境场景生成大规模回转试验数据库,训练人工神经网络(ANN, artificial neural network)代理模型,用于预测不同权重配置对进距、横距和战术直径的影响,并据此反求最优权重组合。

从研究结论看,单纯采用“推力最大化”控制策略时,转子帆通常会因提高船速而恶化船舶操纵性,使进距、横距与战术直径普遍增大;而采用本文提出的增强操纵控制逻辑后,风助船舶不仅能够克服这一不利影响,还能在一定环境条件下表现出优于无帆常规船舶的回转性能。结果显示,相较于无帆船舶,配置增强操纵控制器的风助船舶其进距、横距和战术直径最多分别下降约5%、7%和7%;在未参与训练的Z形试验中,超越角也有所减小,说明该方法具有一定泛化能力。研究的重要意义在于拓展了风助推进系统的功能边界:转子帆不再只是节能减排设备,也可以在复杂海况下作为操纵辅助装置,为提高船舶安全性提供新路径。

研究所采用的主要技术方法可概括如下:首先,以KVLCC2为对象建立含船体、螺旋桨、舵、风作用、波浪作用及转子帆气动力的MMG操纵模型;其次,在Beaufort风级(BFS, Beaufort scale)及不同风浪来向条件下,随机生成权重参数并开展±35°回转试验仿真,形成数据集;再次,以权重、BFS和风浪方向为输入,以进距、横距和战术直径为输出,训练ANN代理模型;最后采用遗传算法(GA, genetic algorithm)优化权重,并通过回转试验和Z形试验验证新控制逻辑的效果。本文未涉及样本队列意义上的生物或临床来源,数据均来自数值仿真。

以下结合论文主体结构对研究结果进行解读。

在“Introduction”部分,研究人员首先指出国际海事组织减排要求推动了高能效船舶技术的发展,WASP系统因此重新受到重视。文献综述显示,既有研究主要集中于帆装置气动设计优化、推进增效评估、航线优化以及与主机协同控制等方面,而对于帆助系统引起的横向力、横漂、横倾以及操纵性变化等问题涉及较少。研究人员据此明确提出本文目标,即开发一种新的控制算法,在不同环境条件下利用转子帆附加气动力改善操纵性指标。

在“Methods”部分,研究人员建立了目标船KVLCC2的MMG操纵模型。模型将船舶运动分解为纵向(surge)、横向(sway)和首摇(yaw)三个自由度,外力项包括船体水动力、螺旋桨推力、舵力、船体风荷载、船体波浪力以及风助装置气动力。船体水动力以非维横荡速度与非维首摇角速度的多项式形式表达;螺旋桨仅考虑纵向推力贡献;舵力则通过法向力及其与船体的相互作用系数确定;风和波浪载荷分别依据已有经验模型给出。对于转子帆,研究人员根据视风速度与方向计算升力、阻力和输入功率,并将其转换至船体中坐标系。传统目标函数仅寻求推力收益最大化,而本文将转子帆纵向力、横向力和偏航力矩分别与纵向速度、横向速度和首摇角速度耦合,并引入权重系数a1、a2、a3形成新的优化目标函数,用于根据环境条件调节转子帆自转速比。

在“Results and Discussion”部分,研究首先比较了常规船舶与采用推力最大化控制器的风助船舶在不同环境条件下的回转表现。结果表明,在BFS 9、风浪方向为±60°和±120°时,采用传统推力最大化控制会使进距、横距和战术直径普遍增大,最大增幅分别达到7.3%、11.9%和6.3%。这一结果说明,若仅强调推进增益,转子帆会因增加航速而削弱船舶回转能力。进一步扩展到更广泛环境条件后,研究发现环境越恶劣,帆助系统对操纵性的影响越显著;当船舶右转且风从左舷来时,进距和横距明显增加,而风从右舷来时,由于转子帆产生的横向力作用,战术直径反而可能减小。这一发现为后续构建环境感知型控制策略提供了依据。

在“数据生成与ANN建模”相关内容中,研究人员通过随机改变a1、a2、a3并组合不同BFS与风浪方向,构建了大规模回转试验数据库。针对右转和左转分别训练ANN模型,输入包括权重参数、BFS以及风浪方向,输出为进距、横距和战术直径。经过不同网络结构比较后,研究选择了包含两层隐藏层、神经元数分别为8和6的网络结构,并采用Levenberg–Marquardt算法进行训练。结果显示,ANN能够较好捕捉权重、环境与操纵性指标之间的映射关系,从而可作为后续优化的代理模型。

在“最优权重求解与控制器实现”部分,研究人员将进距、横距和战术直径的乘积设为优化目标,并以a1、a2、a3为设计变量,利用遗传算法在BFS 3至9以及风浪方向?180°至180°范围内搜索最优权重。所得最优系数被整理为二维查找表并嵌入MATLAB R2024b/Simulink模型,使转子帆控制器可依据环境条件实时选取对应权重,并进一步确定自转速比。

在“回转试验结果”部分,研究分别分析了右转和左转情形。右转时,增强操纵控制器使风助船舶的进距、横距和战术直径相较于无帆船舶最多降低5.5%、7.2%和5.3%;在更一般化的环境评价中,各指标在恶劣海况和?60°风浪方向下改善尤为明显,但在60°方向上战术直径有轻微增大。左转时,增强操纵控制器同样表现出改善作用,进距、横距和战术直径最多分别降低5.8%、7.7%和7.0%,且在恶劣环境与60°风浪方向下改善较为显著。由此可见,研究所提出的控制逻辑能够将转子帆产生的横向力与偏航力矩转化为有利于转向的操纵辅助量,从而整体提升回转性能。

在“Zigzag test”部分,研究人员进一步检验了控制方法的泛化能力。尽管ANN模型训练仅基于回转试验数据,但在Z形试验中,研究将右转模型和左转模型依据航向角变化率进行切换使用:当航向角时间导数为正时采用右转权重,为负时采用左转权重。仿真结果显示,在BFS 6和风浪方向±60°、±120°条件下,第一超越角和第二超越角均有轻微下降。这表明该控制逻辑不仅对回转性能有效,也能在未参与训练的操纵工况中表现出一定适应性。

在“Discussion”层面,论文强调,常规转子帆控制通常仅服务于推力最大化,而本文方法通过重新分配纵向力、横向力和偏航力矩项的权重,实现了环境感知下的操纵性优化。例如,在右转且存在横风的条件下,a2可取?1、a3可取1,从而驱动转子帆增强有利于右转的横向力和偏航力矩。论文同时指出,该方法的主要局限在于ANN模型针对特定船舶—帆系统组合训练,因而难以直接泛化至所有船型,每一类船舶均需重新建模和训练。研究人员还提到,若进一步增加帆数量并考虑帆间相互作用以及异步控制策略,转子帆对操纵性的积极影响可能继续增强。

研究结论部分可译述如下:本研究提出了一种依据环境条件确定转子帆最优自转速比的新型控制逻辑。帆助系统通常用于辅助推进,但其产生的空气动力也可用于提升风助船舶的操纵性能。该研究通过在传统推力最大化控制框架中同时纳入帆产生的横向力、偏航力矩以及船舶横荡速度和首摇角速度,并利用基于大量随机权重和环境场景训练得到的ANN模型优化各项权重,构建了新的控制方法。通过比较常规船舶、采用推力最大化控制器的风助船舶以及采用所提控制器的风助船舶在回转试验和Z形试验中的表现,结果表明:所提控制器可使进距、横距和战术直径相较于无帆船舶最多分别降低约5%、7%和7%。因此,具备增强控制逻辑的帆助系统不仅能够依靠推力生成特性提升船舶效率,还能够通过改善操纵性指标提高船舶安全性。本文通过聚焦操纵性能拓展了帆助系统的应用范围,尽管该方法受限于ANN模型对目标船的专属性,但其仍可进一步扩展至紧急制动、载荷平衡或横摇平衡等用途。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号