基于正交设计与 BP -GA 算法的船体结构耐撞性能优化设计

船体结构耐撞性优化设计的主要目的是在船舶碰撞研究的基础上对结构进行优化设计,提高船体结构的耐撞性能。基于正交试验设计、BP神经网络和遗传算法,形成了船体结构耐撞性能优化设计方法。提出了一种耐撞性综合指标,并以此指标作为优化的目标函数,以结构质量为约束条件,利用MSC/Dytran有限元软件对船舶碰撞进行数值仿真,完成对某船舷侧结构进行耐撞性优化设计,结果表明优化过后结构耐撞性能有较大提高,这为结构耐撞性能优化设计提供了一种新的思路和方法。     

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。     

舷侧圆管式夹层板结构耐撞性能优化设计

圆管式夹层板是一种新型船舶防护结构形式,通过在单层壳舷侧填充圆管式夹层以提高船体的耐撞性能。由于舷侧夹层结构在增加船体耐撞性的同时增加了船体质量,因此需要对圆管式夹层板进行尺度优化,在确保舷侧耐撞性增强的同时,有效控制船体质量增量。以船首与船侧相撞为例,综合考虑撞深、能量吸收、极限撞击速度和质量,提出一种耐撞性优化指标。基于正交试验设计、BP(Back Propagation)神经网络和遗传算法,得出最优的夹层板尺度,并利用有限元仿真软件MSC/Dytran对船舶碰撞进行数值仿真,从而确定最优的耐撞性舷侧结构设计。结果表明,优化后的舷侧圆管式夹层板结构在提高耐撞性能的同时能较好控制船体质量增量。研究成果在夹层板舷侧结构耐撞性能优化方面具有重要的作用,也为其他新型舷侧结构耐撞性能优化设计提供了参考。     

船体结构耐撞性优化设计方法研究

提出了一种船体结构耐撞性设计的优化方法,它是在试验设计、径向基神经网络和遗传算法的基础上发展而成的,用高精度的快速分析模块来代替计算量很大的复杂模型,且能处理混合离散变量和工程约束条件。为表征船体结构的耐撞性能,本文引入了耐撞指标的概念。应用上述优化方法对某散货船舷侧结构进行了耐撞性优化设计。优化过程中以耐撞指标作为目标函数,以结构重量作为约束条件,用非线性有限元动态响应分析程序ＭＳＣ／ＤＹＴＲＡ     

一种基于IFP的单壳舷侧耐撞结构

改进船体结构耐撞性是开展船舶碰撞研究的一个主要目的.结构耐撞性设计,就是在碰撞研究的基础上,对传统的舷侧结构进行优化设计,或者设计一些具有特殊吸能元件的新型船体结构形式,来改善船舶的结构耐撞性能.目前,船舶耐撞性的研究主要集中于双层舷侧结构,单壳舷侧结构的耐撞性研究开展得较少.IFP(Improved Frame Panel)是一种先进的舷侧骨架结构,它具有良好的吸能特性和结构强度,是一种理想的能量吸收单元.本文基于IFP构建了一种新式单壳舷侧耐撞结构,并将之应用于某型护卫舰.通过仿真计算和比较研究,证明IFP可以显著提高舰船的侧向抗撞能力,是一种先进的耐撞设计思想.     

新型舷侧防护结构耐撞性能研究

采用数值仿真的方法对船舶碰撞动力学过程进行仿真再现。系列仿真计算结果表明,传统的舷侧结构在耐撞性能方面存在很多缺陷,针对大型VLCC船舶设计帽形、菱形、半圆管形三种新型纵桁形式的双层舷侧结构模型,并从碰撞载荷、结构损伤变形、能量的吸收与转换等角度对此三种新型舷侧结构与传统舷侧结构的耐撞性能进行对比分析,结果表明半圆管纵桁形式的双层舷侧结构模型具有最好的耐撞性。     

基于夹层板的单壳船体结构耐撞性设计

减小船舶碰撞损伤提高船舶结构安全性是开展耐撞设计的主要目的。仅靠对传统结构进行优化来提高结构的耐撞性能是有限的，设计高效的吸能单元是提高结构耐撞性能的主要途径。夹层板（蜂窝式夹层板、折叠式夹层板）具有吸能好、比强度高等特性，是一种理想的能量吸收单元。基于夹层板设计出新式单壳舷侧耐撞结构形式，对其耐撞性能进行研究，并与不同耐撞结构形式进行比较。数值仿真结果证明，夹层板舷侧结构显著提高了舷侧结构的抗撞能力，是一种先进的耐撞结构形式。     

典型油船舷侧结构耐撞性分析

采用非线性动态响应分析方法,使用ANASYS/LS-DYNA显式动力分析软件,对船首和船舷垂直碰撞过程进行数值仿真,获得了碰撞力、能量吸收和结构损伤变形的时序结果。为了分析船舶舷侧结构耐撞性能,对比了常见油船、新型Y型和X型舷侧结构的仿真过程,结果表明新型舷侧结构在整体的耐撞性能上优于传统的舷侧结构,承载构件的不同也会对结构的耐撞性产生很大的差异。     

船舶舷侧结构耐撞性分析

为研究船舶舷侧结构的碰撞损伤过程,采用非线性动态响应分析方法,使用ANASYS/LS-DYNA显式动力分析软件,对船艏和船舷垂直碰撞过程进行数值仿真,获得了碰撞力、能量吸收和结构损伤变形的时序结果。为了分析船舶舷侧结构耐撞性能,本文对比了常见油船、新型Y型和X型舷侧结构的仿真过程,结果表明新型舷侧结构在整体的耐撞性能上优于传统的舷侧结构,承载构件的不同也会对结构的耐撞性产生很大的差异。     

船-冰碰撞载荷下3种舷侧结构耐撞性分析

为探究船-冰碰撞载荷下横骨架式和纵骨架式2种船体结构的耐撞性能,利用MSC/PATRAN软件建立油船及冰体有限元模型,运用非线性有限元软件Dytran对船中舷侧结构与冰体棱角发生碰撞进行仿真。通过2种舷侧结构的船体与冰体碰撞,对比不同船体结构的损伤变形、碰撞力和能量吸收的差异,探究各种船体结构的优劣性。利用不同船体结构的优劣性能对现有的2种船体舷侧结构进行改进,合理布置横骨材、纵骨材的数量及尺度,在船舶总质量改变不大的前提下,采用优化混合骨架设计结构方法提高舷侧结构的耐撞性能。计算结果表明,该方案对冰区船舶结构加强具有重要的参考意义,可为提高冰区船舶耐撞性设计提供建议。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

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。     

基于神经网络的柴油机遥控系统故障智能诊断研究

为了克服传统模拟电路故障诊断方法的不足,通过对船舶柴油机遥控系统工作原理的分析,提出采用BP神经网络诊断船舶主机遥控系统的智能诊断方法。介绍BP神经网络结构确定方法及其数值优化技术,并以具体电路模块为例探讨神经网络在船舶柴油机遥控系统故障诊断中的应用。通过Matlab仿真可以发现基于BP神经网络的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

基于广义回归神经网络与遗传算法的玻璃钢渔船船型要素优化研究

利用神经网络的非线性拟合能力,建立了基于广义回归神经网络的"船型要素-船体阻力"数学模型,提高了模型的拟合精度。同时结合遗传算法的非线性寻优能力,利用改进的遗传算法完成了船型要素的优化设计。优化结果可以作为玻璃钢渔船初步设计的技术参考。     

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。