原文传递
船舶舱室噪声预报的数据库方法研究
| 论文题名： | 船舶舱室噪声预报的数据库方法研究 |
| 关键词： | 船舶舱室噪声预报;数据库方法;机器学习;智能预报 |
| 摘要： | 随着建造工艺水平的不断提高，人们对于船舶的要求不再局限于仅满足生产活动，对船舶舒适性也制定了严格的标准。长期暴露在噪声中将会对船员的身体健康造成极大的威胁，因此IMO、ISO等国际组织以及各国船级社，皆对船舶舱室噪声控制做出了严格规范。船舶建造周期长，工序复杂繁多，在建造完成后对船舶舱室噪声进行一系列检测以及噪声优化，则会增加建造成本，且优化效果有限。所以，在船舶设计阶段进行舱室噪声预报对船舶建造有着重要意义。目前用于预报舱室噪声的方法有经验公式法、统计能量法，但这两种方法分别存在精度较低和耗时较久的缺点。本文基于船舶舱室噪声数据库，利用机器学习知识，构建智能算法模型预报舱室噪声，对船舶建造信息进行整合的同时提高了舱室噪声预报速度及精度。主要进行如下工作： （1）在ANSYS中建立船舶有限元模型，导入VAOne，建立板、声腔子系统，创建声学包加载激励并进行舱室噪声计算，得到仿真值。将影响舱室噪声值的因素量化为易于统计的变量，整理船舶噪声数据，建立舱室噪声预报数据集，为后续智能算法模型的建立提供数据支撑。 （2）明确舱室噪声预报问题所属类别，选择适用的机器学习算法进行原理和特点的简要阐述，使用Python的sklearn框架进行程序编写，构建智能算法并优化算法模型，提升预报精度。选用数据集外的船舶舱室噪声样本对智能算法模型进行验证，并对编程技巧进行优化确保模型预报精度的同时提高模型运算速度。 |
| 作者： | 吴刘睿 |
| 专业： | 运载工程与力学学部 |
| 导师： | 马骏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
