基于神经网络的深潜器载人舱损伤识别

发布时间：2025-01-14 03:47

　　 深海潜水器载人舱是海洋深潜载人结构物的重要组成部分,保障着工作人员的安全,掌握该结构在长期使用过程中的健康安全状况非常必要。文章首先对4 500 m深海潜水器载人舱6个监测点进行加速度监测,得到其加速度的结点能量;再通过广义回归神经网络和概率神经网络对这些加速度结点能量进行训练;最后用训练好的神经网络进行预测。研究结果表明,对深海潜水器载人舱结构损伤位置的预测正确率可以达到90%左右,可以达到健康监测的目的。

【文章页数】：5 页

【部分图文】：

图1 GRNN神经网络结构图

GRNN由输入层（inputlayer）、模式层（patternlayer）、求和层（summationlayer）和输出层（outputlayer）组成，见图1。根据非线性回归分析理论，在GRNN网络中，输入独立变量x，计算得出最大概率的输出向量y,f(x,y)为x和y....

图2 概率神经网络结构图

该模型结构求和层中的神经元只与其对应的神经元有连接，与其他神经元没有连接。根据概率估计，求和层中的输出对应于内核的概率密度，再根据求和层中的阈值判断，找到一个具有最大后验概率密度的神经元，输出是1，其它的神经元全部输出是0。2深海潜水器载人舱模型的基本参数

图3 深海潜水器载人舱有限元模型

本文所采用深海潜水器载人舱模型来自文献[12]，该载人舱球壳的内径为2.1m，球壳厚度为53mm，具体结构参数见表1。采用ANSYS软件对其进行建模计算，该模型采用SHELL181壳单元建模，采用惯性释放的方法，在球壳外表面的z轴方向和x轴正方向对其进行固定，有限元模型见图3....

图4 深海潜水器载人舱监测面编号示意图

图3深海潜水器载人舱有限元模型3损伤特征向量的提取

本文编号：4026361