基于RAdam Bi-LSTM的LNG动力船舶上甲板储罐泄漏后果预测方法

针对液化天然气(Liquid Natural Gas,LNG)动力船舶上甲板储罐泄漏后果预测难度大、预测时间慢和预测成本高等问题,提出一种基于修正自适应矩估计(Rectified Adaptive Moment Estimation,RAdam)优化算法的双向长短期记忆模型循环神经网络(Bi-Directional Long Short-Term Memory,Bi-LSTM)对泄漏后果进行预测。利用FLACS软件对LNG动力船舶上甲板储罐泄漏过程进行数值模拟,并将数值模拟结果作为神经网络的数据集,使用决定系数(R-Square,R2)作为评价预测性能指标。为提高Bi-LSTM网络模型的预测精度和适应性,分别对其激活函数修正线性单元(Rectified Linear Unit,Relu)、Sigmoid、Tanh与优化器RAdam、自适应矩估计(Adaptive Moment Estimation,Adam)和随机梯度下降(Stochastic Gradient Descent,SGD)进行对比分析计算,发现基于Relu激活函数的RAdam Bi-LSTM网络模型的R2均值可达到0.97。为验证Bi-LSTM网络模型的优越性,对循环神经网络(Recurrent Neural Networks,RNN)、长短期记忆模型循环神经网络(Long Short-Term Memory,LSTM)和Bi-LSTM的预测结果进行对比,发现Bi-LSTM网络模型的R2较其他两个模型分别提高4.5%和1.5%,确定使用Bi-LSTM作为所提出的预测方法的网络模型。因此,基于Relu激活函数的RAdam Bi-LSTM网络模型为所提出预测模型中的最优模型,可作为LNG储罐泄漏后果的快速预测方法,以解决事故后果预测速度的问题。

基于WOA-BRANN的可燃气体预混燃爆试验结果预测方法

针对置障条件下可燃气体预混燃爆试验操作难度大、成本高和有效试验数据难以获取的问题,提出一种基于鲸群算法优化下的人工神经网络(Whale Optimization Algorithm Bayesian-Regularization Artificial Neural Network, WOA-BRANN)模型对试验结果进行预测,以试验获取的火焰速度和最大燃爆压力数据作为特征样本数据进行训练和测试。在较少试验数据的情况下,模型开发前需结合试验结果的机理分析并观察数据分布,将机理差异较大工况下的80%的数据划入训练集,以提高模型预测的准确性。结合敏感性分析实现模型隐含层神经元的最优配置,采用决定系数(R-Square,R2)评价指标评估模型预测性能,并建立响应面模型(Reflective Shadow Maps, RSM)和误差反向传播(Error Back Propagation, BP)模型进行对比验证。结果表明:最优结构下的贝叶斯正则化人工神经网络(Bayesian-Regularization Artificial Neural Network, BRANN)模型相比BP模型的火焰速度和压力预测数据R2值均提高了15%,相比RSM模型火焰速度和压力预测数据分别提高了34%和29%;BRANN模型相比RSM模型和BP模型的R2值震荡幅度至少降低50%,模型鲁棒性更好,验证BRANN模型在较少数据驱动情况下的适用性。针对预测结果存在的问题,在原有BRANN模型基础上做出改进,采用鲸群优化算法(Whale Optimization Algorithm, WOA)对BRANN模型的学习率进行优化,进一步提高模型的预测精度和鲁棒性。WOA-BRANN模型试验结果预测方法可为预混气体燃爆机理研究提供大量可靠试验预测结果,降低试验成本。

电喷柴油机仿真模型在虚拟仿真系统中的应用研究

针对电喷柴油机缺少整体仿真模型而导致模拟器控制系统存在缺陷的问题,使用基于仿真模型控制的虚拟仿真系统取代传统轮机模拟器,设计开发二维端与三维端虚拟仿真系统,增强用户沉浸感与情景意识。通过对Wartsila-Sulzer公司的6RT-flex58T-D电控喷油高压共轨柴油机进行分析与研究,使用MATLAB/Simulink软件搭建了柴油机整体的仿真模型,在Visual Studio的集成开发环境下,利用C#语言对柴油机部分二维模拟软件与三维虚拟实验室进行设计研究与开发,阐明了相关的关键技术问题。在对各个模型、系统和数据架构进行联合调试后,虚拟仿真系统运行效果良好。结果表明,相对于传统模拟器,基于仿真模型逻辑控制的虚拟仿真系统自调节性更强、交互体验更好。

细水雾对置障管内预混气体抑爆机理研究

为揭示细水雾对爆燃的抑制作用以及细水雾的释放位置对甲烷预混气体爆燃过程的影响,设计了4种细水雾释放位置和3种粒径(8、45、80μm)的细水雾共13种工况的实验。结果显示:8、45和80μm细水雾在位置2释放时管内压力分别降低36.59%、65.85%和31.7%。在位置3释放时管内压力分别降低34.15%、56%和39.02%。8μm水雾对爆燃过程具有明显的抑制作用,且对火焰的结构和火焰面的影响较小;45μm水雾和80μm水雾对火焰结构和火焰面产生明显影响,火焰面出现褶皱,并呈现发散状向前扩展,随着水雾粒径的增大这种效果更加明显。细水雾对火焰主要有稀释预混气体、降低局部可燃气体浓度和气化吸热作用。在距点火点最近障碍物上方和两个障碍物之间释放水雾时对管内爆燃抑制效果最显著。

船用蛇形机器人的蜿蜒运动偏移机理及矫正

针对船用消防蛇形机器人蜿蜒运动中产生的偏移使机器人无法在船舶复杂管系间隙间有效运动的问题,基于超冗余蛇形机器人的运动学模型,从运动学和力学角度分析非线性偏移的原因由关节间旋转过程中产生的扭转力矩引起。通过实验获得摆动幅度、相邻连杆之间运动相位差对机器人法向偏移的作用规律,证明了该两个参数只能对机器人的法向偏移程度产生影响,并不能有效消除偏移。基于Serpenoid控制曲线建立一个简单、高效的自适应偏移矫正控制算法,并开展Webots机器人仿真和样机试验。结果表明,消防蛇形机器人的平均最大径向偏移量减小42.8 cm,降低了75.2%,在未改变机器人运动形状前提下,可满足船舶狭窄环境的工作需求。

泄压口面积对氢⁃空气爆燃特性的影响

为探究不同泄压口面积对氢⁃空气火焰形态演化的影响,采用自建实验平台进行氢⁃空气爆炸实验,并利用OpenFOAM开源软件进行数值模拟,分析不同泄压口面积(0、25%、50%、75%、100%)下的爆燃特性和火焰形态。结果表明:泄压口面积对火焰形态影响较小,但影响火焰形成时刻。随着泄压口面积增大,郁金香火焰传播速度增大,爆燃压力降低,且峰值出现时刻延迟。泄压口面积的变化通过影响未燃气体的流场结构进而影响火焰形态,较小的泄压口面积有利于未燃气体形成漩涡结构,促进平板火焰和郁金香火焰的形成。泄压口面积是影响氢气火焰形态和爆燃特性的重要因素,通过优化泄压口结构参数,可以有效控制氢气火焰的传播速度和爆燃压力,降低爆炸风险,对氢能安全使用具有重要意义。

基于BiGRU的变频海水冷却系统状态参数预测

为解决传统统计学方法和机器学习法无法实现船舶变频海水冷却系统预期状态参数预测的问题,提出一种基于双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)的时序预测模型,采用数据归一化法处理高跨度数量级的特征数据,并结合敏感性分析法实现隐含层神经元的参数调优。以MATLAB Simulink仿真平台生成的变频海水冷却系统参数数据集作为特征样本数据进行训练,采用均方误差(Mean-Square Error,MSE)、校正决定系数(Adjusted Coefficient of Determination,Adjusted R;)评价指标评估模型预测性能,并建立循环神经网络(Recurrent Neural Network,RNN)和单向门控循环单元(Gated Recurrent Unit,GRU)模型进行对比,分析不同时序数据预测算法模型的鲁棒性。结果表明:基于参数调优的BiGRU模型对比RNN模型,MSE值至少降低73.13%,Adjusted R^(2)值至少提高6.44%;对比GRU模型,MSE值至少降低67.86%,Adjusted R;值至少提高3.35%。BiGRU模型相比GRU与RNN模型可更为准确地预测系统预期状态参数,拥有优良的预测精度与稳定性,可为船舶安全评估体系提供准确的数据支撑,对船舶变频海水冷却系统参数预测具有参考价值。

超细水雾对氢气-甲烷预混气体爆燃抑制机理的实验研究

为研究细水雾对发生在船舶机舱和上甲板等受限空间甲烷掺氢爆燃事故的抑爆机理及作用效果,搭建预混气体燃爆实验平台,通过改变预混气体组分、超细水雾粒径、水雾喷洒位置和有无障碍物等条件,对抑爆机理进行分析。结果表明:水雾抑爆效果受预混气体燃烧不稳定性、障碍物及水雾喷洒位置的影响。在火焰发展初期,8μm水雾表现出最佳的抑制效果,火焰速度峰值降低37%,超压峰值降低36%;45μm水雾表现出促爆效果,火焰速度峰值提升28%,超压峰值提升14%。在障碍物条件下,改变水雾的喷洒位置,45μm水雾在障碍物附近喷洒表现出最佳抑制效果,火焰速度峰值降低20%,爆炸超压峰值降低35%。根据该研究,在船舶消防系统布置中,应充分考虑预混气体燃烧的不稳定性、障碍物情况和水雾喷洒位置,在火焰发展初期应使用对火焰面结构影响最小的8μm水雾,在障碍物附近应使用45μm水雾,从而最大限度降低事故后果。

基于Adam-BP的预混可燃气体燃爆实验结果预测方法

针对传统燃爆机理研究方法存在耗时久、成本高、有效实验数据难以获取的问题,采用一种数据驱动与物理实验相结合的方法对半封闭空间置障条件下燃爆实验结果进行预测,并以燃爆实验数据为基础,开发了一种基于Adam优化算法下的BP神经网络预测模型,通过敏感性分析实现隐含层神经元个数的最优配置;以实验获得的火焰速度和最大燃爆压力作为特征样本数据进行训练和测试;采用R;(决定系数)评价指标来评估预测模型性能,并与RSM模型和岭回归模型进行对比。结果表明,采用Adam-BP模型预测火焰速度和最大燃爆压力相比RSM模型预测的R;分别提高了30%和16%,相比岭回归模型的R;值分别提高了10%和8%,并且Adam-BP模型鲁棒性相对较好。测试结果表明,Adam-BP模型在预混可燃气体燃爆实验结果预测中精度达到95%以上,因此,Adam-BP模型适用于预混可燃气体燃爆后果的预测,可为研究预混可燃气体燃爆后果提供一种快速预测方法。