基于智能算法的舰船冲击环境分析和预报

• 作 者: 顾晨旭
• 出 处: 哈尔滨工程大学
• 发表日期: 2021年04期
• 关键词: 冲击环境 预报 数据库 神经网络 优化算法

进入二十一世纪以来,大数据已成为人类争抢的一块资源洼地,基于大数据基础的智能技术已成为未来各行业发展的趋势。水面舰船作为国防力量中的中坚力量,其设计性能一直受到人们的关注。近年来,随着各部门高度的重视,人们对各式船舶的抗冲击性能开展了大量的研究工作,为此积累了大量的实船爆炸实验数据以及数学模型计算数据,这些数据里面暗藏了巨大的可供挖掘的价值,但是,至今还是缺乏有效的方法和经验去完成对船舶冲击环境大数据的挖掘和探索。为此,本文利用当今较为成熟且性能较为优异的神经网络模型对船舶冲击环境大数据进行了初步的挖掘探索。本文的具体研究内容如下:(1)本文利用设计母型船技术,利用APDL语言开发了相应的参数化建模软件,通过该软件可快速完成对相应虚拟船舶的开发;其次,本文通过自编Python小程序完成了虚拟船型和真实船型的海量冲击环境工况计算;本文还通过对计算船型参数、计算工况参数以及计算结果参数进行筛选,利用MySQL软件设计了船舶冲击环境数据库的架构,并基于以上的架构完成了船舶冲击环境数据库的搭建。(2)本文通过分析船舶冲击环境各参数的数据分布特点,对比了 PNN和RBF两种网络对不同特点数据的敏感性,选择了利用PNN模型对谱加速度数据进行挖掘训练;利用RBF网络对谱速度和谱位移分别进行挖掘训练。本文同时还分析了数据的规模以及不同的数据归一化方法对训练模型的预报精度的影响。(3)通过分析粒子群算法、梯度下降算法以及聚类算法的结构以及特点,本文对三个预报模型的网络设计进行了相关设计,并基于以上的架构完成了船舶冲击环境数据库的搭建。根据相关参数的特点,通过对算法的各个重要参数进行调整,完成了对相关网络模型的训练和预报。(4)通过预测结果,本文分析了船舶冲击环境在船舶尺度、计算工况等参数下的分布规律和衰减趋势,并给出了简要的船舶谱速度预报公式。最后基于船舶数据库,本文对真实冲击响数输入与国标设计输入进行了对比分析。