基于人工神经网络的船舶结构轻量化研究

发布时间：2017-03-23 10:22

  本文关键词：基于人工神经网络的船舶结构轻量化研究，由笔耕文化传播整理发布。

【摘要】：船舶的轻量化有助于减少能源、资源消耗（尤其是石油、钢铁资源的消耗）、降低造船成本，有助于减少二氧化碳等温室气体的排放，实现船舶运输业的可持续健康发展。 目前，船舶轻量化研究的对象多为局部结构，大多集中在尾部结构优化、板架结构优化、中剖面优化、舱段优化设计等，整体考虑不足；船体结构的优化多为静力优化，约束条件多为静态指标，缺乏考虑实际水域中的附连水等因素对船舶结构的动态特性的影响；船舶优化变量的筛选多依据经验而来，设计变量与强度、刚度和动态性能缺乏有效联系。因此，通过将灵敏度分析、人工神经网络、最优化方法和有限元法集成应用到船舶结构轻量化研究中，并综合开展了船舶结构的静、动态特性分析和优化，不仅提高了船舶结构分析的有效性和可靠性，而且还提高了计算和优化效率，给出了船舶轻量化研究的有效途径。 所以，本文提出基于人工神经网络的船舶结构轻量化的方法，对54m机动散货船进行了结构轻量化研究，完成的主要研究工作如下： （1）采用有限元法，按照船舶图纸和中国船级社规范要求，建立了三维全船有限元模型，，并计算了相应设计载荷、货物载荷等，确定了边界约束，对船体整体结构进行了总强度和舱段强度的计算和分析，得到了船体整体的应力和应变分布情况、强度薄弱环节等，为船体重要部位的设计提供了参考数据； （2）综合评价了代表性的附连水质量计算方法，选用刘易斯、陶德图谱法进行了全船附连水质量的计算，在此基础上对船舶的动力特性进行了计算和分析，得到了全船整体振动特性，弥补了以往研究忽视舷外水对船舶影响的不足，为优化设计奠定了基础； （3）结合相关分析软件，综合评价了常用的灵敏度分析方法，选用参数试验灵敏度分析方法进行了船舶设计变量的筛选，找出了对船舶的最大等效应力、最大剪应力、总质量、第一阶固有频率、第二阶固有频率等影响最灵敏的构件厚度作为优化设计变量； （4）综合评价了常用的人工神经网络方法，利用MATALB软件，建立了人工神经网络模型，应用正交试验法给出了训练和检验样本，进行了网络的训练和检验，得到了反映船舶性能指标与船舶设计变量之间复杂静、动力学关系的BP神经网络，提高了计算和优化效率； （5）综合评价了常用的优化算法，建立了全船结构的非线性约束最小化优化模型，以规范中要求的许用应力、最小构件厚度和固有频率等为约束条件下，对其进行了优化，得到了最优结果，与未优化之前相比全船的质量减轻了减轻了11.8%。对优化后的全船进行了动、静态有限元分析，获得了全船的总纵强度、舱段强度以及整船的振动特性等，并按照规范进行了校核，结果表明优化后的船舶性能符合规范要求，同时所得结果也说明了所用轻量化方法不仅有着较好的可行性，还有着实际深远地工程价值和社会意义。
【关键词】：船舶轻量化 静态特性 动态特性 有限元 灵敏度分析 正交试验 BP人工神经网络 优化
【学位授予单位】：济南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U662;TP183
【目录】：

• 摘要8-10
• Abstract10-13
• 第一章 绪论13-19
• 1.1 课题研究背景及意义13-14
• 1.2 船舶轻量化研究现状14-17
• 1.2.1 轻量化的基本理论14-15
• 1.2.2 船舶结构优化研究现状15-17
• 1.3 本文主要研究内容17-18
• 1.4 本章小结18-19
• 第二章 全船有限元分析19-51
• 2.1 有限元的基本思想19-21
• 2.2 船舶的主要参数21-22
• 2.3 船舶总体布置22-23
• 2.4 全船有限元模型23-28
• 2.5 全船结构静力分析28-37
• 2.5.1 载荷28-30
• 2.5.2 边界条件30-31
• 2.5.3 强度准则31-32
• 2.5.4 静力分析结果32-37
• 2.6 全船结构动力特性分析37-50
• 2.6.1 附连水的计算37-44
• 2.6.2 船舶激振频率禁区44-50
• 2.7 本章小结50-51
• 第三章 灵敏度分析51-65
• 3.1 灵敏度基本理论51-53
• 3.2 全船结构的灵敏度分析53-64
• 3.2.1 参数试验法的实施53-57
• 3.2.2 最大等效应力灵敏度57-59
• 3.2.3 最大剪应力灵敏度59-60
• 3.2.4 全船总质量灵敏度60-61
• 3.2.5 全船第 1 阶固有频率灵敏度61-62
• 3.2.6 全船第 2 阶固有频率灵敏度62-64
• 3.3 本章小结64-65
• 第四章 BP 神经网络的实现65-83
• 4.1 BP 神经网络65-71
• 4.1.1 BP 神经网络的学习规则65-68
• 4.1.2 BP 神经网络的设计及训练步骤68-71
• 4.2 试验设计71-73
• 4.2.1 正交试验法71-73
• 4.3 全船 BP 神经网络的实现73-81
• 4.3.1 船舶 BP 神经网络73
• 4.3.2 BP 神经网络相关函数的选择73
• 4.3.3 BP 神经网络的输入与输出73-74
• 4.3.4 样本的创建74-75
• 4.3.5 BP 神经网络的训练与检验75-81
• 4.4 本章小结81-83
• 第五章 全船结构优化83-105
• 5.1 优化的基本理论83-85
• 5.1.1 优化方法分类83-84
• 5.1.2 优化问题的一般处理步骤84
• 5.1.3 优化设计三要素84-85
• 5.2 全船结构优化研究85-103
• 5.2.1 设计变量85
• 5.2.2 目标函数85-87
• 5.2.3 约束条件87-90
• 5.2.4 优化结果及分析90-103
• 5.3 本章小结103-105
• 第六章 总结与展望105-109
• 6.1 总结105-106
• 6.2 论文的创新性及意义106
• 6.3 展望106-109
• 参考文献109-113
• 致谢113-115
• 附录 A 硕士期间的成果和奖励115-117
• 附录 B117-160

【参考文献】

中国期刊全文数据库 前10条

1 王绍鸿;大型油船结构尺寸直接计算法研究[J];船舶工程;1997年03期

2 谢永和;船体舱段优化设计[J];船舶工程;2005年02期

3 李仲伟,吴有生,崔维成;基于有限元法的小水线面双体船结构优化[J];船舶力学;2005年02期

4 赵耕贤;大型油船结构设计[J];船舶;1992年06期

5 赵耕贤;150 000 DWT油船中剖面结构优化[J];船舶;2000年01期

6 王秋珍;;机械优化设计的几种方法及评判指标[J];重庆工学院学报;2006年08期

7 牛向阳;;神经网络优化问题研究进展[J];阜阳师范学院学报(自然科学版);2008年04期

8 马鸣图;易红亮;路洪洲;万鑫铭;;论汽车轻量化[J];中国工程科学;2009年09期

9 徐佳宾;中国船舶工业发展的战略思考[J];中国工业经济;2002年12期

10 李碧英;;航运业节能减排现状及其低碳发展的途径[J];工程研究-跨学科视野中的工程;2012年03期

中国博士学位论文全文数据库 前1条

1 尚高峰;轻量化船舶结构极限强度研究[D];中国舰船研究院;2011年

  本文关键词：基于人工神经网络的船舶结构轻量化研究，由笔耕文化传播整理发布。

本文编号：263533