共查询到10条相似文献,搜索用时 31 毫秒
1.
船舶在随浪中航行时,受到波浪影响,会产生间歇性的异常高速现象,即“high runs”,它反映了一种船速相对于波形高速前冲的危险状态,本文采用“波浪中增速骑浪”指代这一现象。基于统一理论,采用耐波性和操纵性耦合的六自由度弱非线性模型进行求解,对其展开数值计算和统计分析。通过探讨,论证标称航速作为波浪中增速骑浪现象发生判定依据下限的合理性和必要性,对不同波浪谱下high runs和横甩2个维度船舶的运动特征进行统计分析,初步得出了波浪谱越窄船舶增速骑浪和横甩的发生概率越大的结论,并初步探讨了high runs作为横甩前兆的统计学意义。 相似文献
2.
目前国际海事组织(IMO)正在制定的第二代完整稳性衡准,其中就包括骑浪/横甩薄弱性衡准。文章首先介绍了最新骑浪/横甩薄弱性衡准方法,应用自编的衡准软件进行样船计算,分析了当前衡准的适用性。其次,开展了内倾船型在随浪和尾斜浪中的骑浪/横甩试验,试验中获得了四种与骑浪/横甩相关的运动特性:周期运动、稳定骑浪、横甩和横甩导致的倾覆,而且在某波浪条件下观察到船舶连续发生三次横甩的现象。最后,将内倾船型的骑浪/横甩薄弱性衡准计算结果与试验结果进行对比,验证了衡准方法对于内倾船型的适用性。 相似文献
3.
船舶在随浪中的运动与横甩预报 总被引:2,自引:0,他引:2
本文在水平的随船坐标系下,建立了船舶在波浪中的六自由度操纵运动方程。进行船舶在波浪中的回转运动和Z形操纵运动模型试验,验证数学模型的正确性。通过不同波浪和航速条件下船舶Z形操纵运动的模拟计算,预报船舶在随浪中的横甩,预报结果与试验结果比较一致。 相似文献
4.
波导升力矩对快速船在尾斜浪中横甩的影响 总被引:1,自引:1,他引:0
本文结合船舶操纵性和耐波性理论及其研究成果,引入一等效首摇角速度的概念表达环绕横甩中的船舶的波导南点速度,由此可以用静水中船舶操纵运动的水动力导数N′r估算波导升力矩。数值计算比较表明:波导升力矩与Froude-Krylov力短是属同一数量级。本文还讨论了横甩后的不稳定机理。 相似文献
5.
6.
基于非线性动力学理论,分析船舶在纵浪上的运动响应和运动的稳定性。首先建立描述船舶在纵浪上运动的垂荡—横摇耦合运动方程,利用多尺度法,求得垂荡—横摇耦合运动的亚谐共振解。其次,对船舶运动的稳态响应进行稳定性分析,得到亚谐共振情况下,船舶运动稳态响应的分布图,并揭示了船舶运动的某些非线性特征。 相似文献
7.
国际海事组织(IMO)正致力于第二代完整稳性规范的制定,而参数横摇一直是船舶动态完整稳性研究的热点。文章采用考虑船舶操纵性和耐波性运动耦合的统一模型对迎浪规则波下的船舶参数横摇运动进行了时域数值模拟。在时域模型中,六自由度耐波性运动辐射绕射力采用切片理论计算,并由脉冲响应函数法转化到时域。非线性回复力和入射波力采用瞬时湿表面压力积分方法计算。操纵性运动基于MMG模型,依据统一理论将操纵性与耐波性运动进行耦合计算。文中先应用简化三自由度模型对三艘集装箱船进行了参数横摇样船计算,并进行了初步的模型实验验证,依据结果对比分析了横摇惯性矩、初稳性高和方形系数对参数横摇的影响。基于统一模型分析了操纵性运动对参数横摇的影响,并进行了参数横摇舵减摇研究。 相似文献
8.
《中国造船》2015,(Z1)
骑浪横甩是船舶在波浪中失稳模态之一,其具有较强的非线性且多发生于速度较快的小型船舶上,对其发生界限的研究对于船舶设计与安全运营均具有一定实际意义。论文中提出一种考虑船舶操纵性和耐波性运动耦合的六自由度弱非线性统一模型,对一艘ITTC ship A2渔船尾随浪下的骑浪横甩运动进行时域数值模拟。时域模型中,六自由度耐波性运动辐射绕射力采用切片理论计算,并由脉冲响应函数法转化到时域。非线性回复力和入射波力采用瞬时湿表面压力积分方法计算。操纵性运动基于MMG模型,依据统一理论将操纵性与耐波性运动进行耦合计算。文中应用此模型,对不同航速、波高和GM值下渔船在尾随浪中的运动进行时域模拟。通过分析,将结果分类为周期运动、骑浪横甩造成的倾覆、波浪中失稳造成的倾覆等运动模态,并进一步对各模态间发生的界限进行了探究。 相似文献
9.
10.
为了提高船舶在风浪中航行的安全性,需要精确地预测船舶在风浪中的横摇运动,以提高船舶横摇控制效果,本文通过应用一种带外源输入的非线性自回归(NARX)神经网络预测方法预测船舶横摇运动。该方法考虑了实船操纵性试验数据受风、浪、流等外界因素的的影响,将实测的风向、风速、流速、流向、浪向以及浪高的数据作为外源输入,能够有效提高船舶横摇运动的预测精度。基于“育鲲”轮,利用该方法对实际船舶海上横摇运动进行了实时预测实验,并将其实验结果与SAPSO-BP神经网络模型的预测结果进行对比。从对比结果可以看出,本文所提方法对复杂海浪环境具有良好的适应性,NARX模型的预测精度优于普通反向传播(BP)神经网络和自适应粒子群算法优化的普通反向传播(SAPSO-BP)神经网络. 相似文献