[发明专利]一种基于机器学习的水下爆炸载荷下船体板架结构动响应快速预报方法

权利要求书

1.一种基于机器学习的水下爆炸载荷下船体板架结构动响应快速预报方法，其特征是：包括以下步骤：

步骤1：采用任意欧拉-拉格朗日方法对水下爆炸载荷下船体板架结构响应进行数值计算获得数据样本；

步骤2：根据船体板架结构，对样本数据库进行降维，用以缩短深度神经网络训练时间；

步骤3：采用深度神经网络对降维后的样本数据库进行学习，并验证学习效果；

所述步骤2具体为：

据船体板架结构的对称形式对样本数据库进行降维，对于关于X轴对称的船体板架结构在水下爆炸载荷下的各节点位移矩阵A有：

其中，B为船体板架结构对称轴上方节点位移矩阵，C为船体板架结构对称轴下方节点位移矩阵，b_ij和c_ij分别船体板架结构对称轴上方和下方第i行j列节点位移信息；

由于船体板架结构关于X轴对称，c_m,n＝b_i-m+1,n，对矩阵B中的数据进行训练和预测，实现数据降维；

对于关于Y轴对称的船体板架结构在水下爆炸载荷下的各节点位移矩阵A通过下式表示：

A＝[B C]

其中，B为船体板架结构对称轴左侧节点位移矩阵，C为船体板架结构对称轴右侧节点位移矩阵，b_ij和c_ij分别船体板架结构对称轴左侧和右侧第i行j列节点位移信息；

由于船体板架结构关于Y轴对称，c_m,n＝b_m,j-n+1，对矩阵B中的数据进行训练和预测，提高训练效率；

对于关于X和Y轴对称的船体板架结构在水下爆炸载荷下的各节点位移矩阵A通过下式表示：

其中，B为船体板架结构左上区域节点位移矩阵，C为船体板架结构右上区域节点位移矩阵，D为船体板架结构左下区域节点位移矩阵，E为船体板架结构右下区域节点位移矩阵，b_ij、c_ij、d_ij和e_ij分别船体板架结构左上、右上、左下和右下区域第i行j列节点位移信息；

由于船体板架结构关于X和Y轴对称，c_m,n＝b_m,j-n+1、d_m,n＝b_i-m+1,n、e_m,n＝b_i-m+1,j-n+1，对矩阵B中的数据进行训练和预测；

所述步骤3中具体为：

使用划分好的训练集数据对深度神经网络进行训练，其中深度神经网络的隐含层数取为1到3，从SGD、RMSprop和Adam中选取神经网络优化算法，当选择Adam则ρ₁取0.9，取0.999，ε取10^-8；选用ReLu函数作为激活函数，最后将验证集数据代入训练好的神经网络中验证深度神经网络的泛化能力；

步骤4：采用蚁群算法对深度神经网络的结构及超参数进行优化，提高深度神经网络训练效率和预报精度，输出泛化效果最佳的深度神经网络；

步骤5：对使用深度神经网络对水下爆炸载荷下船体板架结构动响应预报结果进行后处理。

2.根据权利要求1所述的一种基于机器学习的水下爆炸载荷下船体板架结构动响应快速预报方法，其特征是：所述步骤1具体为：

步骤1.1：根据一定当量炸药水下爆炸产生最大气泡的半径的确定水域尺寸，水域的尺寸应为一定当量的炸药在对应水深下产生气泡最大直径的2到4倍；

步骤1.2：根据药包初始半径确定水域网格尺寸，采用S-ALE方法对水域和空气进行离散，使气泡最大直径范围内网格尺寸最小，剩余区域网格尺寸为最大直径范围内网格尺寸的2倍；

步骤1.3：对船体板架结构进行建模并保证结构与水域最小网格尺寸一致，完成模型建立；采用任意欧拉-拉格朗日方法ALE对船体板架结构在水下爆炸载荷下的动响应进行计算，得到结构各节点的坐标以及各单元的等效塑性应变计算数据，建立样本数据库。