详情

原文传递基于机器学习的双燃料动力船舶机舱燃爆事故后果预测方法研究

论文题名：	基于机器学习的双燃料动力船舶机舱燃爆事故后果预测方法研究
关键词：	双燃料动力船舶;机舱燃爆;事故后果;预测模型;机器学习
摘要：	随着双燃料动力船舶在海洋天然气运输中应用越来越广泛，天然气燃爆事故也成为双燃料动力船舶运输作业中重要的风险之一。事故一旦发生，事故中产生的冲击波超压会造成重大的人员伤亡和财产损失。为保证双燃料动力船舶甲烷燃料的安全使用，必须考虑到火灾、爆炸事故可能带来的后果，进而采取快速有效的消防行动，这依赖于对整个事故过程危险性的准确评估，因而需开发一种快速预测方法对双燃料船舶可燃气体燃爆事故后果进行预测。在燃爆事故中，火焰速度与燃爆超压为衡量事故破坏范围与程度的重要指标，故此本文围绕这两项指标，对国内某双燃料动力船舶机舱内可燃气体燃爆过程进了模拟实验及数值模拟，并基于神经网络开展了对双燃料动力船舶机舱燃爆事故后果的快速预测方法研究。主要研究内容包括：　　（1）以半开敞管道模拟双燃料动力船舶机舱结构，搭建机舱可燃气云燃爆模拟实验平台，对双燃料船舶机舱燃爆过程进行了模拟，并利用实验所得数据集作为开展双燃料动力船舶燃爆事故后果快速预测方法研究的基础。首先借助实验所得数据集完成对基于BP、RSM及BRANN燃爆事故后果模型的初步开发，探究在燃爆事故后果预测中几种预测模型的适用性和优越性。其次通过敏感性分析初步确定模型的最优结构，通过对比测试结果发现： BRANN 模型在船舶模拟机舱燃爆实验结果预测过程中具有更高的精度和更好的鲁棒性。最后将BRANN神经网络模型作为船舶机舱燃爆模拟实验结果的预测模型。　　（2）为进一步提高BRANN模型的预测性能，采用WOA鲸群优化算法、ABC蜂群优化算法、PSO粒子群优化算法对BRANN船舶模拟机舱燃爆实验结果预测模型的学习率进行优化，以期提高模型的鲁棒性。测试结果表明：三种优化算法下的BRANN预测模型在火焰压力峰值和火焰速度峰值的预测中，R2均值都达到 0.95 以上，R2震荡幅度相近。对比WOA优化算法、PSO优化算法和ABC优化算法三种优化算法的收敛速度发现，WOA 优化算法在三种优化算法中具有最快的收敛速度。综合考虑模型预测精度与计算速度，选用WOA鲸群优化算法作为最佳优化算法，构建WOA-BRANN预测模型。　　（3）利用FLACS软件对国内某双燃料动力船舶机舱进行1:1等尺度建模，模拟机舱内设备及管系的布置，使得机舱模拟燃爆过程更加贴近真实工况。在机舱燃爆事故数值模拟过程中共计完成燃爆工况80组。将FLCAS数值模拟结果作为数据集对双燃料动力船舶机舱燃爆事故后果的快速预测方法进行研究：以数值模拟结果为基础，完成对基于BP、RSM及BRANN燃爆事故后果模型的初步开发，探究在燃爆事故后果预测中三种预测模型的适用性和优越性。在通过敏感性分析初步确定模型的最优结构后，通过对比测试结果发现BRANN模型同样适用于双燃料动力船舶机舱燃爆事故后果预测。随后借助WOA鲸群优化算法、FWA烟花优化算法及FA萤火虫优化算法对BRANN双燃料动力船舶机舱燃爆事故后果预测模型的预测性能进一步优化，进而提高BRANN预测模型的鲁棒性，确保单次预测结果误差在不超过5%，确定了基于WOA-BRANN的双燃料动力船舶机舱燃爆事故后果预测方法。　　研究结果表明，经过结构优化与学习率优化的WOA-BRANN模型不仅适用于船舶模拟机舱燃爆实验结果预测，同样适用于双燃料动力船舶机舱燃爆事故后果预测，模型具有较高的预测精度和较好的鲁棒性，可为双燃料动力船舶机舱燃爆事故中的消防决策提供快速有效的参考。
作者：	于佳航
专业：	轮机工程
导师：	林叶锦
授予学位：	硕士
授予学位单位：	大连海事大学
学位年度：	2022