原文传递
基于PSO-BP神经网络的船舶结构优化
| 论文题名： | 基于PSO-BP神经网络的船舶结构优化 |
| 关键词： | 船舶工程;结构优化;BP神经网络;代理模型;粒子群算法 |
| 摘要： | 随着经济全球化进程加快，原油需求量不断增加，作为原油运输主要载体的油船受到广泛关注。针对油船结构进行结构优化，减少船体钢材的使用，降低建造成本，提高油船产品的竞争力具有十分重要的工程意义。目前船舶结构优化领域，利用基于BP神经网络等快速运行模型，作为有限元模型的替代模型参与到结构优化过程中，在满足精度的前提下能够有效降低有限元分析次数。针对BP神经网络模型自身存在的一些缺陷，本文采用粒子群算法对BP神经网络模型进行优化改进，并将基于粒子群优化的BP神经网络模型用于船舶结构优化中，验证了模型的可行性。本文的主要研究内容如下: (1)介绍了船舶结构优化理论与方法，并对各种优化方法进行了比较与分析，总结出各种优化方法的特点与局限性; (2)根据规范建立了船舶结构有限元模型，利用灵敏度方法与正交试验获取了训练样本与检测样本; (3)对BP神经网络以及粒子群算法的基本原理进行研究，完成了粒子群算法对BP神经网络初始权值与阈值优化的编程工作。通过训练样本分别对BP神经网络和基于粒子群算法优化的神经网络进行训练，利用检测样本对两种模型的泛化能力进行检测。 (4)利用PSO-BP神经网络模型对油船舱段进行了优化，并对优化后的结果进行了验证。 通过对结果进行分析，PSO-BP神经网络是一种有效的船舶结构优化代理模型，能有效解决BP神经网络模型易陷入局部极值等问题。 |
| 作者： | 史亚朋 |
| 专业： | 船舶与海洋工程 |
| 导师： | 张爱锋;左鹰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
