典型文献
基于RBF神经网络的船舶冲击谱速度数据挖掘与预报
文献摘要：
船舶水下非接触爆炸载荷作用下的冲击环境计算分析是船舶设备抗冲击的一项关键工作,而如何快速有效的对船舶冲击环境进行准确预报是人们关心的问题.建立了 10余艘尺寸分布合理、形式多样的船舶有限元计算模型,每艘船舶沿船长在不同甲板层上选取了分布均匀的400组样本测点,载入水下非接触爆炸载荷进行计算,形成120多万条船舶冲击环境数据,以此建立了大规模船舶冲击环境数据库,并以径向基神经网络为框架搭建了船舶冲击环境预报模型,分别将船舶的主尺度参数、船舶水下爆炸数值仿真的工况设置参数以及考察点的位置坐标作为神经网络的输入参数,以船舶考察点的谱速度作为唯一输出对搭建的RBF网络进行训练,并通过聚类算法对网络参数进行优化处理,模型训练完成后对未知船舶在给定工况下的冲击环境进行了预报及分析.预报结果表明,经过优化算法优化后径向基神经网络预报模型不仅具有较高的预报精度,且具有较好的泛化和鲁棒性能.该方法可为设计阶段船舶冲击环境的快速预报提供一种新型方法.
文献关键词：
船舶冲击环境;预报;RBF神经网络;优化算法
中图分类号：
作者姓名：
冯麟涵;杨俊杰;焦立启
作者机构：
海军研究院,北京 100161;大连船舶重工集团有限公司,大连 116000
文献出处：
引用格式：
[1]冯麟涵;杨俊杰;焦立启-.基于RBF神经网络的船舶冲击谱速度数据挖掘与预报)[J].振动与冲击,2022(13):189-194,210
A类：
船舶冲击环境
B类：
RBF,冲击谱,非接触爆炸,爆炸载荷,船舶设备,抗冲击,快速有效,准确预报,余艘,尺寸分布,有限元计算模型,船长,甲板,板层,上选,载入,多万条,环境数据,径向基神经网络,框架搭建,预报模型,主尺度,尺度参数,水下爆炸,设置参数,考察点,输入参数,对搭,聚类算法,网络参数,优化处理,模型训练,算法优化,预报精度,设计阶段,快速预报
AB值：
0.321516
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
