一种有效近似建模方法及船舶耐波性代理模型构建(英文)

船舶耐波性能预报计算过程复杂,会受到诸多设计变量的影响;且采用高精度商业软件如CFD预报船舶性能的计算代价非常高。文章采用拉丁超立方方法进行了设计空间抽样。定义了一个新的综合衡准指标来表达船舶耐波性能,即短期和长期作用下船舶非工作时间百分数。考虑了船舶耐波性能中的五个运动方向:横摇、纵摇、转艏、横荡和升沉。为提高船舶耐波性能计算效率,一种有效的近似建模方法—单参数Lagrangian支持向量回归算法被用于训练并构建代理模型以预报船舶耐波性能,且该算法是由作者在过去的研究工作中首次提出。以海洋平台支援船(OSV)为例,采用SPL-SVR算法预报船舶耐波性能,并与基于NAPA计算仿真结果、人工神经网络和经典支持向量回归算法进行对比。该文考虑OSV的两种速度,建立了海洋平台支援船短期作用下非工作时间百分数的耐波性能响应面模型,结果显示采用SPL-SVR算法建立的船舶耐波性能响应面模型比较适合船型初步设计的工程实际应用,并具有较高的计算效率。

船舶操纵性能及其代理模型构建（英文）

为了提高船舶操纵性能计算效率,文章结合基于NAPA计算仿真结果和支持向量回归方法预报海洋平台支援船的操纵性能,在收集足够相关船型信息前提下,采用能够合理探索设计空间和抽样的拉丁超立方方法获取了30条样本船型数据。通过NAPA仿射变化、位移转换及根据船型设计变量进行局部调整从而生成系列船型以表达船体几何形状。针对每个船型,分别计算了5项操纵性衡准指标:进距、战术直径、横距、10°舵角第一超越角和20°舵角第一超越角。为提高船舶操纵性能的计算效率,文中利用作者早先新提出的一种单参数Lagrangian支持向量回归算法来训练并构建代理模型以预报船舶操纵性能,该算法整合了Laplace损失函数,仅采用单参数控制计算误差并于置信区间中增加了b^2/2项。以海洋平台支援船为例,采用SPL-SVR算法预报船舶操纵性能,并与基于NAPA计算仿真结果、人工神经网络、经典支持向量回归算法进行对比。不需要昂贵的仿真代码计算,文中采用SPL-SVR算法建立的船舶操纵性能响应面模型比较适合船型初步设计的工程实际应用,并具有较好的效率和适用性。