原文传递
基于机器学习与CFD方法结合的高速滑行艇阻力和耐波性优化
| 论文题名： | 基于机器学习与CFD方法结合的高速滑行艇阻力和耐波性优化 |
| 关键词： | 滑行艇;艇型优化;快速性;耐波性;机器学习;CFD方法 |
| 摘要： | 随着经济不断飞跃，人们对船舶娱乐性的需求不断攀升，滑行艇作为水上娱乐船型受到了越来越多的关注。在滑行艇设计阶段，对滑行艇的综合性能要求较为严格：一方面，由于滑行艇速度快，要求其水动力性能优异；另一方面，作为娱乐型船舶要求具备较好的舒适性，即滑行艇的耐波性能较好。因此，改变滑行艇的几何形状，进而实现滑行艇阻力性能和耐波性能优化是我们的研究重点。 本文基于水动力分析方法与机器学习技术相结合，分别研究了滑行艇在静水和规则波迎浪不同海况下的运动性能问题。本文主要研究工作包括： 首先，基于计算流体力学（CFD）方法，计算分析滑行艇静水阻力及运动姿态问题。本文参考某滑行艇船型，使用Rhino软件通过修改艇型参数快速建模，建立滑行艇船型库。应用STAR-CCM+计算流体力学软件中的湍流κ-ε模型、VOF模型求解非稳态RANS方程，对初始船型静水航行运动进行水动力数值仿真，并对数值结果进行了分析验证。 然后，通过CFD仿真对变换船型的水动力性能进行数值模拟，建立滑行艇静水阻力和运动数据库。基于CFD计算数据，建立滑行艇船型优化流程，以神经网络作为近似技术，达到数据分析、建模和预报的目的，将代理模型与优化算法相结合，完成对滑行艇快速性的寻优，获得优化船型。 最后，基于AQWA水动力软件，对变换船型进行耐波性预报，并利用AQWA计算数据完成耐波性优化，获得优化船型。为进一步验证优化效果，分别计算了不同航速、不同波幅下滑行艇的运动响应，包括纵摇和垂荡运动，并绘制纵摇和垂荡运动响应曲线，分析对比初始船型和优化船型的耐波性。利用AQWA势流理论计算速度快的优势，充分弥补CFD计算量大、耗时长的问题。 本文研究结果表明，基于机器学习与CFD结合的船型优化设计方法，能够有效地减小滑行艇阻力、提高舒适性，为滑行艇船型设计提供借鉴与参考，具有工程应用价值。 |
| 作者： | 赵姜雪慧 |
| 专业： | 船舶与海洋工程 |
| 导师： | 赵勇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
