共查询到20条相似文献,搜索用时 968 毫秒
1.
2.
3.
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。 相似文献
4.
基于有限元分析的自升式平台桁架腿选型优化设计 总被引:1,自引:0,他引:1
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. 相似文献
5.
基于自适应变异 PSO-BP算法的船舶横摇运动预测 总被引:1,自引:0,他引:1
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。 相似文献
6.
《舰船科学技术》2016,(23)
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。 相似文献
7.
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。 相似文献
8.
基于有限元分析的自升式平台桁架腿选型优化设计 总被引:1,自引:0,他引:1
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。 相似文献
9.
10.
11.
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。 相似文献
12.
13.
14.
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。 相似文献
15.
16.
17.
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。 相似文献
18.
19.
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。 相似文献
20.
《舰船科学技术》2016,(5)
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。 相似文献