人工神经网络在船体放样中的应用研究

摘要

人工神经网络(Artificial Neural Network,ANN)技术在许多行业得到了成功应用。在造船业,ANN技术已应用于船型的建模,并取得了一定的成果。目前,ANN在船体曲线拟合及光顺方面的应用研究工作大多停留在理论范围,实际工程中主要采用BP算法进行拟合,且大部分限于对小曲率、简单线型的船舶进行曲线拟合。论文采用了更新的样条权函数神经网络对较复杂的船型进行了曲线拟合,使得多组型线光顺成为可能。在拟合与光顺船体型线的研究中,论文主要完成了以下几个方面的工作:
　　(1)研究了BP神经网络和样条权函数神经网络的基本理论,分析了两种算法及其优缺点。 (2)采用BP神经网络和样条权函数神经网络算法,分别对三峡库区的船型线进行了曲线拟合,比较了两种算法在实际曲线拟合中的差异,得出了采用样条权函数神经网络进行曲线拟合更符合工程实际需求的结论。
　　(3)提出了新的拟合曲线的方法,解决了在船体型线拟合中所遇到的两个端点条件问题:在折角位置如何处理端点条件、在中部对称位置如何处理端点条件。
　　(4)提出了新的判断曲线凹凸性并光顺的方法。由于光顺曲线的曲率应该变化均匀,采用样条权函数神经网络进行曲线拟合时能方便的算出曲率,这就为多组型线光顺提供了条件。进行型线的数学光顺时,样条权函数由于已经求得每段曲线的函数,能表达每点的斜率,从而能找出不合理的点对其进行修正。
　　(5)提出了一种实用的方法,解决了曲率较大时所引起的转角大以及局部扭曲的问题。在采用样条权函数神经网络进行曲线拟合时,由于双尾船型复杂,不能完全保证样条权函数所要求的小转角条件。针对这一问题,论文采取了如下解决方法:一是将型线坐标旋转90度,二是分段处理曲线,三是在分段位置进行局部节点加密。论文的研究成果使得中小船厂采用数学放样成为可能。在实际工程运用中,样条权函数能够更好地拟合曲线,可以通过斜率比较,很快找出曲率变化较大的点,对型线进行光顺,从而达到很好的效果。通过三峡库区船的航行实验,取得了很好的航速(25km/h)。

目录

摘要

ABSTRACT

1 绪论

1.1 研究背景

1.2 研究现状

1.2.1 国外BP 神经网络重构自由曲面的研究现状

1.2.2 国内BP 神经网络应用于船体光顺的研究现状

1.3 研究目的

1.4 研究内容

1.5 论文章节安排

1.6 本章小结

2 BP 神经网络

2.1 神经网络基本原理

2.2 BP 神经网络基本原理

2.3 BP 神经网络的优缺点

2.3.1 BP 神经网络的优点

2.3.2 BP 神经网络的缺点

2.4 本章小结

3 样条权函数神经网络

3.1 样条权函数神经网络的主要概念

3.2 投影与投影方程

3.3 样条权函数神经网络的基本原理

3.4 样条权函数方程的建立与求解

3.5 样条权函数神经网络的优缺点

3.6 本章小结

4 两种神经网络算法在船舶型线拟合方面的应用

4.1 两种算法在船舶型线拟合方面的应用比较

4.1.1 采用BP 算法进行船体型线拟合

4.1.2 采用样条权函数进行船体型线拟合

4.2 样条权函数进行船体型线拟合与光顺的几个问题

4.2.1 端点条件问题

4.2.2 判断曲线凹凸性并光顺型线的问题

4.2.3 曲率较大的问题

4.3 本章小结

5 结论与展望

5.1 论文工作总结

5.2 后续工作展望

致谢

参考文献

附录