基于深度神经网络的船舶系泊受灾预报研究

为避免船舶系泊于码头时遭受恶劣海况而发生的缆绳断裂等问题,通过深度神经网络建立了系泊受灾预测模型,来快速获得系泊船舶所有系泊缆绳的受力。模型输入特征数量为11个,涵盖风、浪、流、涌、船舶吃水及船舶系泊方式等基本参数,输出特征为系泊系统中所有缆绳的受力。对模型的测试结果表明,相比于径向基神经网络,模型具有较高的预测精度,每组测试工况下的平均相对误差不超过10%。可将该模型用于在恶劣海况来临前对系泊系统的安全评估和风险分析,有助于相关人员及时采取应对措施,从而保证系泊系统的稳定性与可靠性。

基于聚类分析及灰色关联度的船舶系缆力影响因素分析

为研究风、浪、流、涌以及船舶装载状态等因素对码头系泊船舶缆绳受力影响的相对大小及线性关联程度,基于水动力计算软件AQWA计算获得400组不同影响因素组合下的缆绳受力数据,运用机器学习中常用的无监督学习算法k-means++算法以及灰色关联分析方法,分析缆绳受力与影响因素的内在联系.根据分析结果,获得了各因素对不同位置缆绳受力影响的相对大小及线性关联程度.该方法可用于优化系泊缆绳的布置方案.

V形浮体码头系泊方案研究

为评估V形浮体在风、浪、流等环境因素影响下的安全性,实现V形浮体的安全系泊,参照OCIMF常规船型码头系泊基本原则设计了两种不同的系泊方案,分别是利用码头的两垂直边进行系泊和V形浮体一侧片体与码头平直边进行系泊.基于三维势流理论,应用AQWA软件对该V形浮体进行频域水动力性能分析,通过时域耦合仿真计算得到其六自由度运动响应、系泊缆绳张力和护舷压力,并对不同角度环境荷载下的系泊系统进行安全校核.通过对比发现,利用V形浮体一侧片体与码头平直边进行系泊优于利用码头两垂直边进行系泊.分析了排水量、缆绳规格对系泊系统的影响,为提升系泊系统的安全性,可采取适当减小排水量、将尼龙缆绳改为迪尼玛缆绳等措施.