[发明专利]基于GA-BP算法的船舶轴系中间轴承安装变位调整方法

说明书

本发明公开了一种基于GA‑BP算法的船舶轴系中间轴承安装变位调整方法，采集数据样本及数据归一化处理‑确定一次BP神经网络拓扑结构、参数设置及初始权值阈值‑GA算法对一次BP神经网络初始权值阈值进行寻优‑建立轴系中间轴承支反力与中间轴承变位值之间的拟合关系‑检验拟合关系计算精度‑拟合关系的应用。本发明在船舶轴系校中领域引入遗传算法优化BP神经网络的方法，可以针对不同状况根据轴系的轴承变位值来预测轴承负荷值，进而调整轴承高度，确保轴承负荷在允许的范围内，以保证轴系安全运转；本发明对于船舶轴系安装校中具有现实指导意义，有助于提高轴系安装质量和缩短安装时间。

技术领域

本发明属于海洋工程中间轴承安装变位技术领域，具体地指一种基于GA-BP算法的船舶轴系中间轴承安装变位调整方法。

背景技术

随着船舶建造的大型化、智能化发展趋势，推进轴系的合理安装校中问题显得尤为重要。在推进轴系的安装过程中，中间轴承的变位调整是重要环节，根据《钢质海船入级规范》要求，轴系安装后，需要采用顶举法检验轴承实际支反力，确保其不超出主机厂设计工况计算值的±20％。因此如何快速求得各轴承实际所需调整变位值，缩短安装校中时间，提高轴系安装质量成为研究热点。目前大多数船厂解决轴系安后不对中问题，普遍采用试凑法来调整中间轴承变位值，该方法对安装工人的经验要求很高，安装周期过长。而现有轴系安装校中变位调整缺乏具体参数指导，且各中间轴承实际支反力与变位值间呈非线性特点。

发明内容

本发明的目的就是要针上述技术的不足，提供了一种基于GA-BP算法的船舶轴系中间轴承安装变位调整方法，为轴系安装校中提供变位值参数指导，有助于提高安装质量和缩短安装时间。

为实现上述目的，本发明所设计的基于GA-BP算法的船舶轴系中间轴承安装变位调整方法，调整方法如下：

1)采集数据样本及数据归一化处理

通过现场实际测量船舶轴系的中间轴承支反力和中间轴承支反力对应的中间轴承变位值，并将中间轴承支反力作为网络输入量、中间轴承变位值作为网络输出量；

一个中间轴承支反力和该中间轴承支反力对应的中间轴承变位值作为一组数据样本，共采集N组数据样本；选取前M组数据样本作为神经网络的训练样本、后(N-M)组数据样本作为神经网络的测试样本，N、M均为自然数；

并对所有数据样本进行归一化处理，将所有数据样本中的中间轴承支反力数据和中间轴承变位值数据均归一化至[0,1]；

2)确定一次BP神经网络拓扑结构、参数设置及初始权值阈值

2a)确定一次BP神经网络拓扑结构

一次BP神经网络拓扑结构包括输入层、隐含层和输出层；

2b)设置一次BP神经网络参数

选择对数S型logsig函数作为隐含层节点转移函数，设定线性purelin函数作为输出层节点转移函数，设定Levenbrg_Marquardt的trainlm函数作为BP神经网络算法的训练函数；

2c)确定一次BP神经网络的初始权值阈值

给一次BP神经网络的各个初始权值阈值赋予[-1,1]内的随机值；

3)GA算法对一次BP神经网络初始权值阈值进行寻优

通过GA算法对步骤2c)中一次BP神经网络初始权值阈值进行进化：

3a)根据一次BP神经网络的初始权值阈值，计算得到拟合中间轴承变位值，根据训练样本的中间轴承变位值与拟合中间轴承变位值计算均方误差和；均方误差和由小到大依次排序，选取均方误差和最小的前10～20个个体组成新种群，对新种群进行交叉、突变，得到新的个体种群；