学位论文 > 优秀研究生学位论文题录展示

基于神经网络的拖网渔船耐波性研究

作　者: 喻欣
导　师: 毛筱菲
学　校: 武汉理工大学
专　业: 船舶与海洋结构物设计制造
关键词: 拖网渔船耐波性神经网络
分类号: U661.32
类　型: 硕士论文
年　份: 2011年
下　载: 40次
引　用: 0次
阅　读: 论文下载

内容摘要

随着近海渔业资源的衰退,国际对渔业资源管制日趋严格,远洋渔业成为当今渔业发展的必然趋势。目前,远洋大型变水层拖网渔船是渔船中的主力军,设计和建造有着优良的性能和经济效益的短肥型拖网渔船成为当前渔船船型研究的热点。在拖网渔船的方案设计阶段,首先要对设计船舶的主尺度和船型进行分析论证,以得到对总体性能有利的最佳主尺度。考虑到拖网渔船在大洋上航行时的气候及作业的特点,研究耐波性的重要性已经毋庸置疑。但是现代渔船技术发展很快,拖网渔船的船型变化也很大,要快速准确的预报多个尺度范围内的拖网渔船的耐波性能,仅按照原有统计资料数据进行估算,所得出主尺度和耐波性能的关系,是不可信的。本文根据对国外优秀线型的分析,结合国内船型研究成果,以一艘母型拖网渔船为初始型线进行设计,并使用船型变换程序生成了尺度范围内的具有相同船型特点的船型库；通过详细的基于势流理论三维时域面源法的耐波性计算,建立了与船型库对应的性能库。面对如此大量的数据,为了更有效率并准确地预测尺度范围内任意的拖网渔船的耐波性能,基于神经网络的原理和算法,使用船型库作为输入样本,性能库作为输出样本,对耐波性BP网络模型进行了结构设计,确定网络的类型、结构、训练函数、传递函数等要素并进行网络仿真验证,建立了适用并满足精度要求的拖网渔船神经网络耐波性预估模型,可以用来预测各运动的频率响应函数。接着使用神经网络模型的计算结果总结了尺度参数和船型系数对船舶运动的影响规律,并通过神经网络的数学公式,从网络权重的角度分析了每个参数对耐波性重要程度。最后,本文以一个包含了5种尺度方案的初始设计为实例,对拖网渔船的方案设计方法进行了研究。利用设计的神经网络模型,结合拖网渔船的作业海区的海况,使用谱分析方法对拖网渔船的运动情况进行了短期预报,并对这5种方案进行了评价和优选,并可用于拖网渔船前期的概念设计或方案设计中,有一定的工程实践意义和实用价值。

全文目录

摘要  4-5
Abstract  5-10
第1章绪论  10-20
  1.1 研究的背景与目的  10-11
  1.2 拖网渔船的发展概况  11-15
    1.2.1 拖网渔船的发展历史  11-12
    1.2.2 拖网和拖网渔船的特点  12-15
  1.3 渔船耐波性的研究概况  15-18
    1.3.1 船模试验  15-17
    1.3.2 实船在海上的实测  17
    1.3.3 理论计算方法  17-18
  1.4 人工神经网络在耐波性研究中的应用  18-19
  1.5 本文主要工作  19-20
第2章拖网渔船船型设计及耐波性计算  20-36
  2.1 拖网渔船的尺度分析  20-24
    2.1.1 船长  20-21
    2.1.2 型宽  21-22
    2.1.3 型深  22
    2.1.4 吃水与干舷  22-23
    2.1.5 船型系数  23
    2.1.6 尺度特点  23-24
  2.2 拖网渔船的船型特点  24-29
    2.2.1 横剖面面积曲线  24-25
    2.2.2 设计水线  25-26
    2.2.3 艏部型线  26-27
    2.2.4 艉部型线  27-28
    2.2.5 母型船的尺度及船型确定  28-29
  2.3 船型变换及船型库的生成  29-33
    2.3.1 船型变换程序简介  29-30
    2.3.2 船型库的生成  30-33
  2.4 耐波性计算及性能库的生成  33-36
    2.4.1 耐波性计算软件Wasim简介  33
    2.4.2 性能库的生成  33-36
第3章拖网渔船耐波性BP神经网络模型  36-60
  3.1 神经网络理论发展概况  36-38
  3.2 BP神经网络的原理与算法  38-42
    3.2.1 BP神经网络模型  38
    3.2.2 BP神经网络的原理  38-39
    3.2.3 BP神经网络的算法  39-42
  3.3 船舶耐波性BP神经网络的结构设计  42-52
    3.3.1 训练样本集的准备  43-44
    3.3.2 训练函数、性能函数的确定  44-48
    3.3.3 传递函数的确定  48-50
    3.3.4 隐层节点数  50-52
    3.3.5 隐层数  52
  3.4 船舶耐波性最佳BP神经网络的确定  52-60
    3.4.1 数据的预处理  53-54
    3.4.2 网络泛化效果  54-55
    3.4.3 船舶耐波性最佳BP神经网络  55-60
第4章拖网渔船船型要素与耐波性的关系  60-74
  4.1 拖网渔船尺度比对耐波性的影响  60-64
    4.1.1 长宽比对耐波性的影响  60-62
    4.1.2 宽度吃水比对耐波性的影响  62-63
    4.1.3 速长比对耐波性的影响  63-64
  4.2 拖网渔船船型系数对耐波性的影响  64-68
    4.2.1 方形系数对耐波性的影响  64-66
    4.2.2 水线面系数对耐波性的影响  66-67
    4.2.3 菱形系数对耐波性的影响  67-68
  4.3 拖网渔船船型要素对耐波性的定量分析  68-72
    4.3.1 拖网渔船船型要素与耐波性的神经网络模型的公式表达  69-71
    4.3.2 拖网渔船船型要素与耐波性的定量分析  71-72
  4.4 拖网渔船船型要素与耐波性的关系总结  72-74
第5章拖网渔船的运动响应预报及方案优选  74-83
  5.1 拖网渔船方案介绍  74-75
  5.2 规则波频响预报  75-76
  5.3 海浪谱  76-77
    5.3.1 海区资料  76
    5.3.2 海浪谱的确定  76-77
  5.4 运动响应预报  77-79
  5.5 方案优选  79-83
    5.5.1 耐波性衡准的选取  79-80
    5.5.2 方案评价与优选  80-83
第6章结论和展望  83-85
参考文献  85-87
致谢  87-88
攻读硕士学位期间发表的论文及参加的科研情况  88

基于神经网络的拖网渔船耐波性研究

内容摘要

全文目录

相似论文