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。     

基于遗传算法的船舶螺旋桨优化设计

船舶螺旋桨的设计主要分为理论法与图谱法,目前,图谱法设计已有成熟的计算程序与之匹配,采用遗传算法搜索进行船舶螺旋桨优化设计是一条新的思路。采用Wageningen B图谱的回归多项式,利用遗传算法的高效、并行、基于适应度函数的搜索法,进行螺旋桨优化设计,将螺旋桨直径、螺距比和盘面比作为设计变量,空泡性能作为约束条件,在保证目标转速的前提下优化船舶航速。经优化设计实例计算表明,遗传算法适用于船舶螺旋桨的优化设计。     

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。     

基于图谱设计法的11300 DWT油船螺旋桨优化设计

针对目前航运市场萧条、船舶运价急剧下降、能源消耗大、运营成本居高不下的问题,以11 300 DWT油船为研究对象,运用图谱设计法对螺旋桨进行优化设计,并利用CFD方法对螺旋桨优化后的淌水性能与节能效果进行了数值模拟及实船试验,进而达到船舶节能降耗的目的。实船试验结果表明,优化后的螺旋桨在保证效率的同时,船舶油耗下降约19%,在很大程度上降低了船舶的运营成本。     

无轴轮缘推进器电机与水力部件耦合优化设计研究

针对目前无轴推进器电机与水力部件设计时多未考虑两者耦合的问题,本文提出两者耦合的优化设计方法.采用多参数非线性优化方法,基于电机和导管螺旋桨设计理论公式,并考虑无轴推进器电机转子的直径等同于螺旋桨内径加上叶梢间隙,以及螺旋桨输出转矩加上间隙的摩擦转矩值作为电机输入转矩的关系,建立了一种新型优化设计模型,通过优化方法进行迭代分析,利用5.5 kW无轴推进器进行方法验证.研究结果表明,所提出的优化方法有效地考虑了无轴推进器电机与水力部件的耦合关系,可对推进器效率进行综合优化.     

Activities of Propulsion Design and Cavitation Test for Merchant Ships in CSSRC

文章介绍了过去10年间在中国船舶科学研究中心(CSSRC)进行的商用船舶螺旋桨设计和空泡、脉动压力试验方法及应用;介绍了利用试验手段解决实船螺旋桨出现的空泡剥蚀、螺旋桨空泡引起的船体剧烈振动等工程问题的方法;以及船舶节能装置的设计、试验方法及应用等;同时还介绍了用于高速艇的半浸桨及控制系统的设计及应用.     

基于遗传-神经网络的沿海港口吞吐量的预测

针对遗传算法(Genetic Algorithm,GA)和人工神经网络(Artificial Neural Network,ANN)的缺陷,把二者有机结合起来,提出了基于GA-BP神经网络的沿海港口吞吐量的预测模型,并将预测结果与一般BP神经网络做比较,结果表明该模型比一般BP神经网络预测模型的预测精度要高很多.     

人工神经网络的船舶引擎冷却系统故障诊断方法研究

以船舶故障诊断作为应用背景,对人工神经网络在船舶冷却系统故障诊断中的应用进行研究。首先对船舶引擎冷却系统进行介绍;然后介绍人工神经网络的基本知识,给出基于人工神经网络的船舶引擎冷却系统故障诊断方法。该方法选用BP神经网络模型,并利用LM算法来提高方法的收敛速度。实验结果表明,本文给出的方法具有较高的计算能力和准确率。     

基于机器学习的船舶螺旋桨敞水性能预报代理模型

介绍了基于机器学习的经典模型,以螺旋桨特征参数为输入,建立船舶螺旋桨敞水性能预报代理模型。对几种典型的回归模型,分析了它们的预报精度和适用性。用随机森林方法建立了船舶螺旋桨敞水性能预报代理模型,其预报结果与试验数据吻合较好。对未知桨试验结果的验证表明,K_T和10K_Q的预报偏差在5%以内,敞水效率预报偏差在2%以内。该研究为船舶螺旋桨性能预报提供了新的手段,有望缩短设计周期,提高设计效率。