基于BP神经网络的海上发射船耐波性优化研究

为了保证海上火箭发射的安全,应用BP神经网络对火箭发射船加以优化。按照海上发射在设备布局方面要求进行总布置设计,建立火箭-发射船刚性连接端的弯矩模型,以方形系数、船长和船宽为优化变量,通过BP神经网络模型对母型船进行优化设计,优化得到的船型弯矩比母型船减少了19.41%;对部分优异样本点进行再建模和数值仿真,仿真结果表明,BP神经网络模型的误差不到1%,验证了模型的准确性。该研究为海上发射船设计优化提供了一种研究思路,为海上火箭发射是否存在风险提供了一种预知方法。     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。     

基于BP神经网络的加筋板动力极限强度预测方法

船舶在航行过程中常受到动力载荷的作用,因此有必要对船体结构的动力极限强度预测方法进行研究。本文首先通过与现有试验结果对比,验证了本文有限元计算方法的正确性。随后通过数值计算,得到828组几何与材料参数不同的船体加筋板模型在不同加载速度下的动力极限强度。而后,以板柔度系数、加筋梁柱柔度系数、材料屈服强度为主要输入参数,构建3层BP神经网络,预测加筋板动力极限强度。所得神经网络均方差及相关系数分别达到0.000 47与0.99。将训练的神经网络应用于实船加筋板,与有限元计算结果对比,最大误差仅6.4%,证明该BP神经网络能较好预测实船结构动力极限强度。     

基于有限元分析的自升式平台桁架腿选型优化设计

桁架腿作为自升式平台最为常见的桩腿结构型式,其拓扑型式、结构形状和构件尺寸设计对平台结构响应有重要影响.针对这一问题,笔者将有限元分析和数值优化方法有机结合,建立了复杂环境下桁架腿结构的多约束条件的优化模型,应用ANSYS优化模块进行求解.优化过程中,针对两层设计变量耦合困难的问题,分层优化方法.为验证优化模型和方法的可靠性,对某自升式平台桁架腿进行了选型优化设计.优化结果表明,本文采用的优化模型和方法简单实用,优化效果显著,为自升式平台桁架腿的概念设计提供了一种有效工具.     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于自适应变异PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propagation,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船"育鲲"轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

折叠V型夹层板舷侧结构的耐撞性能优化设计

基于传统加筋形式的船舶舷侧结构,提出一种新式折叠V型夹层板舷侧结构,针对其复杂的耐撞性优化问题,分别利用GA-BP-GA方法和直观分析法对其开展耐撞性能优化设计,并验证了GA-BP-GA方法的可行性与准确性。结果表明:经遗传算法优化后的BP神经网络具有较优的训练精度和泛化能力;与原设计相比,GA-BPGA最优设计的耐撞性能提高了21.0%,高于正交最优设计的16.5%和直观优化的6.3%;GA-BP-GA最优设计关于耐撞性指标的预测值与有限元仿真值之间的相对误差均小于3.5%,具有较高的可信度。     

基于有限元分析的自升式平台桁架腿选型优化设计

桁架腿作为自升式平台最为常见的桩腿结构型式,其拓扑型式、结构形状和构件尺寸设计对平台结构响应有重要影响。针对这一问题．笔者将有限元分析和数值优化方法有机结合,建立了复杂环境下桁架腿结构的多约束条件的优化模型,应用ANSYS优化模块进行求解。优化过程中,针对两层设计变量耦合困难的问题,分层优化方法。为验证优化模型和方法的可靠性,对某自升式平台桁架腿进行了选型优化设计。优化结果表明,本文采用的优化模型和方法简单实用,优化效果显著,为自升式平台桁架腿的概念设计提供了一种有效工具。     

基于自适应变异粒子群算法的船舶结构优化方法

[目的]由于船体结构的复杂性,传统优化方法容易出现陷入局部最优、求解速度偏慢的问题.[方法]基于自适应变异粒子群算法(AMPSO)、BP神经网络、遗传算法(GA),结合Isight/Nastran设计的正交试验方法,提出AMPSO-BP-GA结构优化方法,然后分别以十杆桁架和跳板结构的优化作为算例,验证所提优化算法的准...     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

基于频响函数相关系数灵敏度的浮筏舱段有限元模型修正

在建立复杂结构的有限元模型时,对实际结构的简化直接影响到计算结果的准确性,对有限元模型进行修正十分必要。引入试验和初始有限元模型得到的频响函数的相关准则,利用频响函数相关系数灵敏度分析技术,用于对浮筏舱段结构有限元模型进行修正,修正后计算和试验的频响函数基本一致,结果表明：该方法可用于对复杂结构有限元模型的修正。     

基于人工神经网络算法的深海浮式系统动力响应预报方法

深海浮式系统面临复杂恶劣海洋环境载荷的持续作用,海洋工程灾难性事故时有发生.论文通过优化神经网络结构、对比不同神经网络方法,发展了一种以附加动量法的BP神经网络为基础的浮式平台运动及系缆张力等动力响应统计值的计算预报模型.结合天气预报数据,该预报模型可实现深海浮式系统响应的即时计算和危险状态的超前预警,以便提前采取措施...     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

基于SAPSO-BP网络模型的港口潮汐实时预报

为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具有的对初始权值阈值敏感、容易陷入局部极小值的缺点,最后选用Isabel港口的实测潮汐值数据进行潮汐水位的实时预报仿真试验,用以验证SAPSO-BP预测模型的实用性和可靠性。     

基于L-M算法的BP神经网络预测艉轴管圆柱度误差

为优化艉轴管镗孔的镗削工艺,研究镗削用量和加工过程中各影响因素对艉轴管尺寸误差的影响,采用基于L-M算法的BP神经网络对影响艉轴管镗孔的各因素进行分析,得到艉轴管镗孔误差与各因素之间的非线性关系.建立多输入单输出的BP神经网络模型,并应用镗孔的实际数据对其进行训练.采用正交试验法得到相应的加工数据,对预测模型的有效性进行验证,结果表明,采用基于L-M算法的BP神经网络建立的艉轴管镗孔误差预测模型,能对艉轴管的镗孔误差进行较为准确的预测.     

基于CAWOA-BP的船舶凝给水系统故障诊断

为克服传统专家经验在故障诊断方面的不足,实现船舶凝给水系统的智能诊断,在标准BP神经网络基础上提出一种优化后的CAWOA-BP故障诊断模型。采用混沌映射以及自适应权重调整策略优化WOA鲸鱼算法,利用优化后的WOA鲸鱼算法改进BP神经网络的权值及阈值矩阵。由于船舶凝给水系统的状态监测数据是复杂多维度数据,利用UMAP降维算法对原始数据进行降维。最后,利用降维处理后的数据训练CAWOA-BP神经网络模型,实现故障诊断。通过对正常及故障数据的学习,发现优化后的CAWOA-BP模型相比于标准BP,WOA-BP,PSO-BP故障诊断模型具有更高的准确率、精确率、召回率及预测误差。研究表明,基于优化后的CAWOA-BP神经网络故障诊断方法能够更加精确实现船舶凝给水系统的故障诊断。     

圆柱耐压壳基座板厚对振动传递性能的影响

建立耐压圆柱壳体及平台结构的有限元模型,引入实验与有限元模型的传递函数相关系数,进行传递函数相关系数灵敏度分析,修正圆柱壳体的有限元模型,使圆柱壳体结构的前10阶固有频率的计算误差小于8%,在800 Hz低频率范围内传递函数计算与实验结果的幅值误差小于3 d B。在基座板厚对传递函数灵敏度分析的基础上,探讨基座板厚对振动传递的影响。     

基于GA-灰色BP神经网络船舶备件需求预测模型

船舶维修备件的及时保障是船舶设备正常生产作业的保证，备件需求量的准确预测对于航运公司降低运营成本、提高管理效率起着至关重要的作用。文章从某船设备维修备件的历史数据进行分析，构建一种基于灰色模型的多层前馈（BP）神经网络模型，并采用遗传算法（GA）进行优化。首先对船舶设备备件需求影响因素进行分析，通过灰色模型确定备件需求的关键指标，并将结果作为BP神经网络的输入层，从而输出需求预测值。与灰色模型、GA-BP模型预测值对比发现，基于GA-灰色BP神经网络组合模型对于船舶备件的需求预测精度误差仅为0.147%。结果表明，使用GA优化可以提高灰色BP神经网络的预测精度，为船舶维修备件需求预测提供了一种新思路。     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用Ansys的Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。