[发明专利]船舶动稳性性能的预测模型的建立、预测方法、装置及介质在审
申请号: | 202010620095.2 | 申请日: | 2020-06-30 |
公开(公告)号: | CN111797474A | 公开(公告)日: | 2020-10-20 |
发明(设计)人: | 周耀华;孙强;温苗苗;石珣 | 申请(专利权)人: | 中国船级社上海规范研究所 |
主分类号: | G06F30/15 | 分类号: | G06F30/15;G06F30/27;G06N3/08 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 倪静 |
地址: | 200135 上*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 船舶 动稳性 性能 预测 模型 建立 方法 装置 介质 | ||
本申请的船舶动稳性性能的预测模型的建立、预测方法、装置及介质,通过从动稳性性能数据库获得训练数据集;动稳性性能数据库包括:输入参数数据、及其对应的动稳性性能数据;训练数据集是根据自输入参数数据和动稳性性能数据生成的;通过训练数据集来训练神经网络模型,以得到用于预测船舶在波浪中动稳性性能结果的预测模型;进而,在进行实际预测应用时,可获取船舶配载方案相关的输入参数,并输入通过训练神经网络得到的预测模型;获取预测模型输出的对应于船舶配载方案所预测的动稳性性能结果。本申请实现实船任意配载方案的动稳性性能的高精确度、快速预测,降低时间及经济成本,且满足工程需求;此外,还对操作人员的专业要求低。
技术领域
本申请涉及船舶设计技术领域,特别是涉及船舶动稳性性能的预测模型的建立、预测方法、装置及介质。
背景技术
船舶在波浪中特别是恶劣海洋环境条件下的动稳性性能对于船舶航行安全具有决定性影响,直接关系到船上人员和货物的安全。
船舶在波浪中的动稳性性能直接关系船舶在恶劣海况条件下是否存在倾覆或可能导致人员伤亡的稳性失效事件。国际海事组织(IMO)制定的船舶第二代完整稳性衡准即将在2020 年颁布实施,该技术标准对于船舶的动稳性性能提出了全新的安全要求。当船舶的装载工况 (即配载方案)确定后,IMO允许采用基于简化动稳性预测方法的薄弱性衡准、采用复杂先进时域数值模拟方法的稳性直接评估和模型实验等方式对于船舶的动稳性性能开展分析和校核。
在船舶设计阶段,设计单位为船舶装载手册设计的装载工况通常无法覆盖所有实际营运方案,仅针对典型装载工况开展稳性校核和耐波性评估。在第二代完整稳性衡准颁布实施后,理论上要求所有船舶配载方案均满足该项技术要求。另一方面,随着船舶大型化、智能化和无人化的发展趋势,评估船舶波浪中运动性能的需求将会日益增长。在船舶实际运营阶段,对于船员和航运公司而言,如何针对不包含在装载手册当中的船舶实际配载方案开展波浪中的动稳性性能预测,并校核其是否满足IMO制定的第二代完整稳性衡准和其他运动性能标准将是一项重大挑战。
考虑到时间和经济成本限制,有必要尽量规避开展现有技术中的模型实验或复杂数值模拟。
因此,特别需要开发一种简便易行、快速、精确的船舶配载方案的波浪中动稳性性能预测的方案。
发明内容
鉴于以上所述现有技术的缺点,本申请的主要目的在于提供船舶动稳性性能的预测模型的建立、预测方法、装置及介质,以解决现有技术中会采用模型实验或复杂数值模拟对船舶在波浪中动稳性性能预测,而导致时间和经济成本上升的问题。
为实现上述目的及其他相关目的,本申请第一方面提供一种船舶动稳性性能的预测模型的建立方法,包括:从动稳性性能数据库获得训练数据集;其中,所述动稳性性能数据库包括:输入参数数据、及其对应的动稳性性能数据;所述训练数据集是根据自所述输入参数数据和动稳性性能数据生成的;通过所述训练数据集来训练神经网络模型,以得到所述用于预测船舶在波浪中动稳性性能结果的预测模型。
在本申请第一方面的实施例中,所述神经网络模型包括:广义回归神经网络。
在本申请第一方面的实施例中,所述输入参数包括:船舶配载方案相关的第一类型参数、和/或航行及环境条件相关的第二类型参数。
在本申请第一方面的实施例中,所述第一类型参数包括:排水量、重心纵向位置、重心垂向位置、横摇转动惯量、及中横剖面系数中的一种或多种;和/或,所述第二类型参数包括:入射波浪向、不规则波有义波高、不规则波平均跨零周期、船舶航速、及等效规则波波陡中的一种或多种。
在本申请第一方面的实施例中,所述动稳性性能数据包括:船舶参数横摇幅值、平行于甲板方向的横向加速度幅值、及不同波陡和不同船波相对位置对应的波浪中GZ曲线中的一种或多种,以被包含在所述训练数据集中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国船级社上海规范研究所,未经中国船级社上海规范研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010620095.2/2.html,转载请声明来源钻瓜专利网。