شناسايي و كنترل حركات هيو شناور كاتاماران

Identification and control of Catamaran heave motion

يكي از مشكلات عمده‌ي حمل و نقل دريايي، دريازدگي ناشي از حركات طولي شناور براي مسافران و خدمه‌ي كشتي است. هنگامي كه شناور توسط موج در معرض حركات طولي قرار مي‌گيرد، شتاب حركات هيو و پيچ تشديد خواهد شد. بنابراين، بايد تا جايي كه ممكن است براي افزايش راحتي و ايمني مسافران، حركات شناور كاهش يابد. با بكارگيري الگوريتم‌هاي كنترلي مناسب مي‌توان حركات را تا مقدار قابل قبولي كاهش داد. در شناورهايي مانند كاتاماران كه غالباً براي جابجايي مسافر استفاده مي‌شود، كنترل حركات طولي ناشي از موج براي راحتي مسافران يكي از اولويت‌هاي اصلي در طراحي است. از اين رو، براي كنترل حركات طولي اين شناورها غالباً از سطوح كنترلي اينترسپتور و هيدروفويل استفاده مي‌شود. اين سطوح كنترلي با اعمال گشتاورهاي متغير مي‌توانند حركات هيو ناشي از موج را تا حد قابل قبولي كاهش دهند. امروزه، استفاده از شبكه‌هاي عصبي مصنوعي در طراحي سيستم‌هاي كنترلي افزايش چشمگيري داشته است. شبكه‌هاي عصبي قادر هستند كه سيستم‌هايي با ديناميك پيچيده را مدل‌سازي نمايند و سپس براي آنها سيستم‌هاي كنترلي مناسب را طراحي نمايند. در اين تحقيق، به كاربردهاي شبكه‌هاي عصبي در طراحي سيستم كنترلي حركات هيو شناور كاتاماران پرداخته خواهد شد. همچنين، براي كنترل حركات هيو شناور، مدل شبكه‌ي عصبي چندلايه آموزش داده مي‌شود. براي صحت‌سنجي كنترلر طراحي شده از دو ورودي استاندارد سينوسي و زيگزاگ استفاده شده است. همان طور كه نشان داده خواهد شد، به ازاي اين ورودي‌ها كنترلر شبكه‌ي عصبي از دقت قابل قبولي برخوردار است.

One of the main problems of marine transportation is passengers and crewʹs seasickness due to longitudinal movement of vessels. When marine structures excited by waves, acceleration of heave and pitch motion will be exceeded.So vesselʹs motion should be reduced as much as possible to increase the comfort and safety of passengers. By Using appropriate control algorithms can be reduce ship movements in waves. Longitudinal motion control in waves for vessels such as catamaran is one of the main priorities of design. So, the control surfaces like interceptor and hydrofoil are used for reduce longitudinal motion of vessel. These control surfaces by applying variable forces against wave loading can reduce longitudinal motion. Nowadays, artificial neural networks are used a lot in the design of control systems. Neural networks are able to model complex dynamics systems, and design appropriate controller them. In this study catamaran heave motion is modeled and Then multilayer neural network is taught for control heave motion. As will be shown, designed neural network controller has acceptable accuracy for standard inputs.