随着工业的飞跃发展，人类对于能源的需求消耗越来越多，陆地和近海领域能源被开采殆尽，而深海领域蕴藏着丰富的资源，深海钻井平台在这种背景下应运而生。面对深海复杂的海况钻井平台要保持其定位精度以完成采油任务，传统的锚泊技术已经无法满足深海作业的定位要求，越来越多的海洋平台采用动力定位系统。
动力定位系统利用自身推进器产生的推力，有效产生力矩和反力矩以抗衡外界力和力矩以保持平台定位。推力分配问题实质上是求解非线性方程组最优解的问题，即在满足一定的约束条件基础上，在众多组合中寻找每个推进器最适当的推力幅值和方向，使其达到推进系统能耗最优和误差最优的目标。本文以半潜式深海平台为研究对象，主要对推力分配策略进行研究和比较。
首先针对钻井平台具体对象，对外界风浪流载荷、平台运动模型等进行分析。同时根据半潜式海洋平台的动力定位系统的特殊性，阐述深海钻井平台推进器的选型、布置并分析其原因，并描述推进器与平台之间的推力特性。
然后结合半潜式深海平台推进器配置方案，重点分析在此配置方案下的推力分配策略。采用序列二次规划法进行推力最优分配，推力分配目标旨在最小化推力系统的能耗和推力误差，同时考虑推进器的推力区域、推力极限等约束，并实现对推力区域的线性化处理，通过仿真结果指出序列二次规划算法的不足，其对初值的依赖性强，结果不稳定，易陷入局部最优。
最后根据动力定位系统推力系统的基本要求，以及推力分配问题在近年来研究现状，深入了解比较各种优化算法的优劣，在此基础上提出基于量子粒子群算法的推力分配策略，并采用量子粒子群算法制定了详尽的办法解决推力分配问题。在相同的推力指令要求下，分别基于能耗最优和误差最优两种不同的海况要求，比较两种算法的推力分配结果并分析。仿真结果表明量子粒子群算法具有更好的寻优结果，但寻优时间相对序列二次规划法长，所以对于量子粒子群算法应用于工程应用还需要进一步改进。
关键词 动力定位系统；推力分配；序列二次规划法；量子粒子群算法；
推力分配逻辑的设计直接影响到推进器推力大小和方位角的输出，是动力定位系统主要组成部分，也是一个很重要的研究方向。多推进器之间的推力分配问题实质上就是一个优化问题，要求推进器在每一个采样时刻都给出每个推进器所需要的推力。推进器系统整体性能要求的提高，以及新型推进器的引入都促进了推力分配逻辑的发展。
本课题的研究目的：通过分析两种推力分配逻辑算法，探讨推力禁区角等边界条件的重要性，旨在实现多目标优化，降低平台能量消耗，并提高动力定位能力。动力定位系统设计工作者重点考虑的因素包括动力定位系统的能耗、可控性等，采用动力定位系统的深海钻井平台年燃油消耗高达几百万美元，因此加强动力定位系统推力分配逻辑的研究，以降低能耗，提高定位能力，是目前研究的当务之急。
模拟控制器的推力分配指令作为推力分配模型的输入值，应用序列二次规划算法得到输出值，即八个推进器的推力大小和推力方位角。图4.8表示推进器1#-8#的推力大小随时间变化的曲线，图4.9所示为推进器1#—8#的推力方位角随时间变化的曲线。
粒子群优化算法（Particle Swarm Optimization，PSO）是基于群体智能理论的一种演化计算技术，通过种群间个体的合作和竞争来实现对优化问题的求解，它主要针对连续函数优化问题。但是经典的粒子群优化算法存在搜索后期易陷入局部最优值，过早成熟的问题，如图5.1所示。针对这一问题指出应用量子粒子群算法解决推力分配问题。量子粒子群算法将粒子定义在由概率密度函数决定的一个量子空间内，认为粒子具有量子的行为，每一个粒子在搜索空间内移动，由于量子空间中的粒子满足聚集态的性质完全不同，粒子移动时没有确定的轨迹，使得粒子可以在整个可行域空间内进行搜索，寻找全局最优值，通过实验表明量子粒子群算法的全局搜索能力远远优于经典的粒子群算法[36]。
应用量子粒子群优化算法，结合推力指令、推进器参数、推力分配模型等，对平台在每个采样时刻进行推力分配，求解得到八个推进器的推力幅值和方位角随时间的变化关系分别如图5.7、图5.8所示
