基于GA-RBF神经网络改进算法的潜艇排水量与主尺度计算方法研究

摘要

在潜艇设计初始阶段即概念设计阶段，首先要对设计艇的主尺度和排水量进行分析论证，以得出对设计艇总体性能和战技术指标有利的最佳主尺度和排水量。但是，在开始的论证阶段，往往只知道设计艇的使命任务，有很多性能指标和战技术指标并不明确，要准确得出合理的排水量与主尺度有大的困难。本文开展的《基于GA－RBF神经网络算法的潜艇排水量和主尺度计算方法研究》，正是为解决这一困难而进行的。研究具有重要意义和价值。 本文开展的排水量与主尺度研究内容包括两部分：第一部分研究内容包括从潜艇功能模块分类出发，导出各功能模块中各系统、设备重量属性与正常排水量的关系，在满足潜艇各部分重量之和等于排水量条件前提下，建立排水量与主尺度计算方法。第二部分研究内容是建立基于GA－RBF神经网络算法的潜艇排水量和主尺度计算方法。由于基于梯度下降法的BP神经网络存在难以确定最佳的网络结构和易于产生局部极小而出现伪收敛的现象。所以本文首先开展了应用GA优化RBF神经网络算法的研究，然后在导出排水量关联方程基础上，应用数据样本和GA－RBF神经网络进行函数逼近映射，建立了潜艇排水量和主尺度数值图谱及基于GA－RBF神经网络算法的潜艇排水量和主尺度计算方法。 本研究为常规潜艇概念设计的初始论证阶段提供了两种排水量和主尺度的计算方法，试算表明，两种算法都具有足够的工程实用精度。