基于神经网络的船体剖面水动力机器学习与验证

作者:孔繁钰; 朱仁传; 范佘明
来源:水动力学研究与进展A辑, 2021, 36(03): 380-387.
DOI:10.16076/j.cnki.cjhd.2021.03.008

摘要

该文以船体剖面水动力为研究对象,梳理了二维剖面几何特征和频率等与水动力关联关系。基于FFD方法生成系列船体剖面,并通过格林函数法计算出水动力系数形成相应的数据库。建立两种不同参数描述的几何剖面和水动力学习模型,采用神经网络建模训练获得了两种剖面水动力预报模型,对船体剖面横荡、垂荡、横摇和横荡-横摇四个模态的附加质量与阻尼系数进行预报,并将模型预测值与真实值、以及通过切片理论获得的全船垂荡水动力系数进行比较验证。研究表明,该模型能高效预报船体水动力,精度较高泛化能力强,为不同参数模型预报船舶水动力,为船舶设计的不同阶段提供了手段。

全文