基于RBF 神經網絡的絞吸挖泥船施工產量預測研究及分析

王柳艷，陳新華，王偉

（中交疏浚技術裝備國家工程研究中心有限公司，上海 201208）

目前，在絕大多數的疏浚工程中，疏浚員能調節的控制變量主要有絞刀轉速、橋架下放深度、泥泵轉速、橫移速度、臺車步進距離，這些重要的控制參數主要依靠疏浚員豐富的施工經驗來確定。在施工過程中，影響絞吸挖泥船產量的因素眾多，考慮到工程項目及作業環境等因素，許多因素很難量化，隨機性大且相互影響。鑒于該控制系統是多參數、非線性、大時滯系統，以往基于絞吸挖泥船疏浚作業過程進行的理論研究及物理模型搭建，在控制系統中沒有太大的實際應用意義。因此，本文研究將5 個可控操作變量和絞吸挖泥船的瞬時產量看作黑盒問題，利用數據驅動的方法建立絞吸挖泥船產量模型并進行產量預測，該模型可為下一步對絞吸挖泥船優化控制器的實現提供較為精準的產量模型。

1 絞吸挖泥船施工產量RBF 神經網絡預測模型設計

1.1 絞吸挖泥船理論模型

絞吸挖泥船的瞬時產量W（m3/h）取決于流量Q（m3/h）和泥漿混合物濃度C（%），表達式通常如下[1]：

式中：r 為排泥管半徑；v 為泥漿流速。

在本次施工工況確定的條件下，根據開挖的土質，所需的排距及相應的排高、揚程也基本確定，因此泥泵的流量一般不能提高[2]。由于壓力傳感器安裝在泥泵吸口處，密度計與流量計安裝在泥泵管路上，相距較遠，采集的數據之間存在一定的時間間隔，因此，式（1）存在大時滯問題。

絞刀破土切削過程中，絞刀切削泥土的體積量隨絞刀切削面和橫移速度的變化而變化[3]：