Design of a propeller load observer and speed predictor using extended Kalman filter and neural network

Tzimis, Ioannis; Τζίμης, Ιωάννης

dc.contributor.author	Tzimis, Ioannis	en
dc.contributor.author	Τζίμης, Ιωάννης	el
dc.date.accessioned	2020-09-29T14:49:57Z
dc.date.available	2020-09-29T14:49:57Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51203
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.18901
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Propellers	en
dc.subject	Tugboats	en
dc.subject	Extended Kalman filter	en
dc.subject	Neural networks	en
dc.subject	Observers	en
dc.subject	Προπέλες	el
dc.subject	Ρυμουλκά πλοία	el
dc.subject	Φίλτρο Κάλμαν	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Παρατηρητές	el
dc.title	Design of a propeller load observer and speed predictor using extended Kalman filter and neural network	en
heal.type	bachelorThesis
heal.classification	Control engineering	en
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-07-09
heal.abstract	In this thesis, the optimal design of an observer for the determination of the propeller's power demand is investigated, during the charging of the propulsion system of the ship. The main purpose is to use this observer, for the operation of an optimal system controller. The design of the observer is based on the comparison of two proposed models, the first of which calculates the torque of the propeller, using basic propulsion principles, and the second also gives an estimate of the propeller torque coefficient. The equations governing the two systems are used to construct the corresponding Extended Kalman Filter observers. These observers are able to apply to real-time sensors and filter their measurements, thus removing unwanted disturbances-sounds. In the next stage of this work, the feasibility of using a shaft speed prediction system in a short future horizon is investigated. The purpose is to ensure the best possible operation of the propulsion control system. It is found that for this problem, the method of neural networks gives accurate and reliable predictions. The complete modeling of the propulsion system is carried out, based on the technical characteristics of the available experimental testbed of LME. The implementation of the simulations takes place in MATLAB/Simulink programming environment and both the use of a ducted propeller and the use of a controllable pitch propeller are tested.	en
heal.abstract	Στην παρούσα διπλωματική εργασία διερευνάται η βέλτιστη σχεδίαση παρατηρητή για τον προδιορισμό της ζήτησης ισχύος της προπέλας ,κατά την φόρτιση της προωστήριας εγκατάστασης του πλοίου. Σκοπός είναι η χρησιμοποίηση του παρατηρητή, για την λειτουργία βέλτιστου ελεγκτή του συστήματος. Η σχεδίαση του παρατηρητή βασίζεται στη σύγκριση δύο προτεινόμενων μοντέλων εκ των οποίων το πρώτο υπολογίζει την ροπή της προπέλας ,χρησιμοποιώντας βασικές αρχές πρόωσης και το δεύτερο δίνει παράλληλα και μία εκτίμηση για τον συντελεστή ροπής της έλικας. Οι εξισώσεις που διέπουν τα δύο συστήματα χρησιμοποιούνται για την κατασκευή και των αντίστοιχων παρατηρητών εκτεταμένου φίλτρου Καλμαν. Οι νέοι παρατηρητές είναι ικανοί να εφαρμοστούν σε συτήματα με αισθητήρες λήψης πραγματικών μετρήσεων και να τις φιλτράρουν ,απομακρύνοντας έτσι ανεπιθύμητες διαταραχές - ήχους. Σε επόμενο στάδιο της εργασίας εξετάζεται η δυνατότητα χρησιμοποίησης ενός συστήματος πρόβλεψης της ταχύτητας του άξονα της προπέλλας, σε σύντομο μελλοντικό ορίζοντα. Σκοπός είναι η εξασφάλιση της καλύτερης δυνατής λειτουργίας του ελεγκτή του συστήματος της προωστήριας εγκατάστασης. Διαπιστώνεται πως για το εν λόγω πρόβλημα, η μέθοδος των νευρωνικών δικτύων δίνει ακριβείς και αξιόπιστες προβλέψεις. Πραγματοποιείται πλήρης μοντελοποίηση του συστήματος πρόωσης ,με βάση τα τεχνικά χαρακτηριστικά της διαθέσιμης πειραματικής εγκατάστασης του ΕΝΜ. Η υλοποίση των αντίστοιχων προσομοιώσεων γίνεται στο προγραμματιστικό περιβάλλον MATLAB/Simulink.	el
heal.advisorName	Papalambrou, George	en
heal.committeeMemberName	Kyrtatos, Nikolaos	en
heal.committeeMemberName	Papadopoulos, Christos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ναυπηγών Μηχανολόγων Μηχανικών. Τομέας Ναυτικής Μηχανολογίας. Εργαστήριο Ναυτικής Μηχανολογίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	111 σ.	el
heal.fullTextAvailability	false