排序方式: 共有14条查询结果,搜索用时 78 毫秒
5.
为实现对喷水推进船航速的快速、精准预报,基于ANSYS-CFX软件平台建立喷水推进器推力的计算流体力学(CFD)模型,采用分块六面体结构化网格离散计算域,采用稳态多参考系法求解雷诺时均的Navier-Stokes方程和SST湍流模型,对喷水推进器内的流场进行数值模拟.采用壁面积分法获取喷水推进器的等转速推力曲线,将其与船阻力曲线相叠加,通过求曲线的交点预报航速.选取可提供推进特性图谱的船A、带双级轴流式喷水推进器的船B和带混流式喷水推进器的船C为例,验证该方法的准确性.结果表明:船A配置的喷水推进器的推力计算值和航速预报值与厂商提供的数值吻合良好,船B和船C的航速预报结果均与实船试航值比较接近,最大偏差小于0.5 kn.结果验证了计算模型的可信性和适用性,进一步表明该方法可较好地指导喷水推进器厂商根据船舶所有人的需求便捷地选出合适型号的喷水推进器. 相似文献
6.
7.
为了解决水面和水下目标进行分类这一难题,本文从起伏特性的角度出发,对舰船辐射噪声进行特征提取。首先利用PM海浪谱模拟随机起伏界面,运用积分方程方法近似计算了海面起伏界面的散射强度,根据散射强度模拟信号幅度包络的变化规律,并基于信号的物理特征和幅度包络的特征设计了相关器。这样对接收到的信号进行包络提取,并将提取到的包络通过相关器处理得到相关系数,最后根据对相关系数的判断实现对水面和水下目标的分类。本文测试了不同深度下的声源,仿真结果验证了根据相关系数判断水面水下目标是可行的,并通过实验数据进一步验证了算法的有效性。 相似文献
10.
针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。 相似文献