基于人工智能算法的艙室振動噪聲快速預報.pdf

1、本文主要研究在艦船艙室振動噪聲領域如何應用人工智能算法進行快速預報的問題。在船舶和海洋平臺建造過程中，對艙室振動噪聲的預報是一個必不可少的環(huán)節(jié)。由于國內外各類規(guī)范對各類艙室的振動噪聲有著嚴格的限定，因而為避免在完工后因振動噪聲超標而進行的補救工作，需要在初步設計階段對各艙室的振動噪聲進行預報，并依據結果采取必要的措施。另一方面，在實船試驗階段，由于試驗時間及工況等原因，往往很難測得所有艙室在要求工況下的艙室振動噪聲，因而如何根據部分實測

2、數據預測其余數據就是一個有待解決的實際問題。
　　智能算法在工程中已經有了較為廣泛的應用，其可以較好地對參數較多、關系復雜的非線性映射問題進行處理。對于船舶和海洋平臺等較為復雜的海上結構物，其艙室振動噪聲受較多因素的共同影響，現有的預報方法受限于精度和耗時，本文通過使用BP神經網絡和支持向量機兩種算法在保證一定精度的同時提高了對艙室振動噪聲的預報速度。
　　首先對本文用到的兩種智能預報模型進行了較為詳細的介紹，對其中較為重要

3、的算法進行了推導，編寫了相應的MATLAB程序并對其正確性進行了驗證。之后結合船舶與海洋平臺的自身特點，選取相應結構參數作為智能預報模型的輸入變量。建立了可用于智能預報模型的數據庫，其中部分數據由海洋平臺的實船試驗測得，另一部分使用統(tǒng)計能量法由VA one軟件計算得到。將數據輸入智能預報模型之前，本文并采用消除多項式趨勢項和歸一化等方法對數據進行了預處理，解決了零點漂移以及由于影響艙室振動噪聲的變量包含不同類型參數而導致的數據無法直接使