李 楷 林 焰 纪卓尚 于雁云

(大连理工大学工业装备结构分析国家重点实验室1) 大连 116024) (大连理工大学船舶CAD工程中心2) 大连 116024)

0 引 言

船舶设计中最关键的部分为确定船体形状,主要包括船体主尺度和主要船型参数,这些参数的选取一般需要考虑多方面的因素[1].在船体型线设计中,最常用的方法是母型变换法中的移动横剖面变换法[2],如1-CP法或Lackenby法.这些方法能在尽量少改动母型船形状的前提下保持母型船的优良性能,但是,它们在某种程度上存在缺陷,比如：1-CP法不能独立地变化前后体平行中体的长度,也不能用于无平行中体的船舶.Lackenby法对有无平行中体的船舶都适用,但与1-CP法类似,Lackenby法也不能处理局部形状变化的情况.本文提出一种基于神经网络的船型变换方法,试图建立船舶主尺度,船体形状与阻力-航速曲线之间的关系,并通过模型拖航阻力试验验证该方法的可行性,为船舶型线设计及功率-航速的准确预测提供一条新的途径.

1 RBF神经网络

人工神经网络可以充分逼近任意复杂的非线性关系,所有定量或定性的信息都等势分布贮存于网络内的各神经元,故有很强的鲁棒性和容错性[3].神经网络作为一种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判别函数,它通过自身的学习机制自动形成所要求的决策区域.其网络的特性由其拓扑结构、神经元特性、学习和训练规则所决定.它可以充分利用状态信息……