基于长短期记忆神经网络的船体及螺旋桨性能退化评估

采用线性插值和时空插值构建包含气象、航行性能和机舱信息的船舶综合数据库,经统计分析筛选出9个输入变量,基于长短期记忆神经网络建立航速预测模型,获得由预测航速与实测值的残差描述的船体及螺旋桨性能退化的特征参数,建立以航速残差的时间序列为路径的船体及螺旋桨性能退化评估方法。基于某30万吨散货船一年的航行数据进行性能退化评估,航速预测结果的均方误差为0.01,目标船的性能退化路径具有时间相关性和单调变化的趋势。

基于滑移网格技术的船桨相互干扰研究

船体和螺旋桨的相互干扰是非定常的,采用力场模拟和混合面模拟等方法,虽然能解决一些实际问题,但是在模拟实际流场的非定常性上则显得不够精确.为了研究船桨相互干扰的非定常水动力性能,基于滑移网格技术,使用CFD前处理软件ICEM CFD划分流场网格,采用DES湍流模型,实现了船体、螺旋桨、完整船桨组合这3种模型的水动力性能研究.预报值和试验值的比较显示,这3种模型的预报结果都和试验值吻合良好.同时,计算结果揭示了船体和螺旋桨的这种相互干扰,对湍流边界层影响不大,但是对船体表面和螺旋桨桨叶的静压力分布影响很大.