基于RBF神经网络的人工海床多目标优化

以人工海床（AS）为研究对象，针对传统设计方法存在周期长、成本高以及难以解决复杂系统工程优化设计等问题，提出一种AS多目标优化策略。推导AS质量和稳心高的计算公式，建立一种基于径向基函数（RBF）神经网络的近似模型，代替通过数值模拟计算的拖曳力。结合NSGA-Ⅱ算法，以AS拖曳力、质量和稳心高为优化目标，以主尺度为设计变量，以结构强度和关键性能指标为约束条件，得到AS优化方案。结果表明：在满足预测精度条件下，RBF神经网络提高了计算效率。优化后AS的质量，最大减幅达17.0%，同时水动力性能和稳性性能较优化前均有提高。通过对AS优化结果的分析，验证了AS多目标优化策略的可行性。