[发明专利]用于船舶航行的智能配载减阻系统及方法

权利要求书

1.一种用于船舶航行的智能配载减阻系统，其特征在于包括：

滑台配载货柜；

用于驱动滑台配载货柜的丝杆电机和传送带；

用于支撑滑台配载货柜滑动的双导轨，双导轨布置在船体纵向中轴线上；

液位信息读取装置，用于检测液位并读取液位信息，确定排水量和前后吃水差；

主控制器，除控制船舶航行外，还接收液位信息读取装置并发出指令对滑台配载货柜移动动作和移动位置进行控制。

2.根据权利要求1所述的用于船舶航行的智能配载减阻系统，其特征在于液位信息读取装置在船底首尾部分别安装。

3.根据权利要求1或2所述的用于船舶航行的智能配载减阻系统，其特征在于在船底首尾部分别安装一个液位传感器作为液位信息读取装置。

4.根据权利要求1所述的用于船舶航行的智能配载减阻系统，其特征在于还设置功率检测模块，功率检测模块判断船舶消耗功率是否为最小值，如果船舶消耗功率没有到达最小值，则将功率检测模块检测值反馈到主控制器使功率达到最小值，以实现节能的目的。

5.根据权利要求1所述的用于船舶航行的智能配载减阻系统，其特征在于滑台配载货柜安装在货仓中，主要由丝杆滑台和货物组成。

6.根据权利要求1所述的用于船舶航行的智能配载减阻系统，其特征在于主控制器收到液位信号后，通过神经网络的算法控制丝杆电机的转动带动，滑台配载货柜的移动距离，以及丝杆电机的开关。

7.一种智能配载减阻方法，采用上述权利要求1-6任一项用于船舶航行的智能配载减阻系统，其特征在于包括以下步骤：

步骤1：当船舶开始启动时，设置初始航速，主控制器输出控制信号到船舶电机驱动器，电推船按照给定速度稳定航行，读取船舶初始参数；

步骤2：构建BP神经网络模型，利用样本集的目标特征数据对模型进行学习和训练；

步骤3：使用神经网络通过已建立的数据库预测出最佳控制参数，包括滑台配载货柜所需移动的位移和对应船的纵倾角；

步骤3：通过主控制器控制丝杆电机转动，控制滑台配载货柜到达指定位置，让船的纵倾角达到理想值并稳定；

步骤4：通过功率检测模块判断船舶消耗功率是否为最小值，如果没有到达最小值，则将功率检测模块的检测值反馈到神经网络，使船舶消耗功率达到最小值，以实现节能的目的。

8.根据权利要求7所述的智能配载减阻方法，其特征在于步骤2中利用样本集的目标特征数据对神经网络模型进行学习和训练、建立数据库的步骤如下：

步骤2.1：总重、船速、倾角和逆流情况为整个模型的输入，采用0均值标准化对数据进行预处理，将原始数据的均值和标准差进行数据标准化，其计算公式如下：

经过处理的数据符合标准正态分布，即均值为0，标准差为1；其中，μ为所有样本数据的均值，δ为所有样本数据的标差；

步骤2.2：在训练模型过程中，将经过预处理足够的训练数据作为训练集输入到模型中；

步骤2.3：训练过程中，给定初始化网络的结构和权值，然后根据输入样本前向计算BP网络每层神经元的输入信号和输出信号；

步骤2.4：根据期望输出计算反向误差，对权值进行修正，如果误差小于给定值或迭代次数超过设定值结束学习；

步骤2.5：对于数据库中的m个样本，采用了梯度下降法来调整模型的参数，当梯度下降很小或合适时候，模型最终会走向最优解；

步骤2.6：根据训练的模型预测输出船舶在不同状态下行驶的纵倾角，根据不同的实时情况，实现船舶纵倾角的动态调节。