[發(fā)明專利]一種基于機器學習的水下爆炸載荷下船體板架結構動響應快速預報方法

有效

• 申請?zhí)枺?/td>: 202110302143.8
• 申請日: 2021-03-22
• 公開（公告）號: CN113312832B
• 公開（公告）日: 2022-04-29
• 發(fā)明（設計）人: 任少飛;劉永澤;張阿漫;王詩平;劉云龍;明付仁;李帥;崔璞
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06N3/08;G06F111/06;G06F111/10;G06F113/08
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 張宏威

本發(fā)明是一種基于機器學習的水下爆炸載荷下船體板架結構動響應快速預報方法。本發(fā)明采用任意歐拉?拉格朗日方法對水下爆炸載荷下船體板架結構響應進行數(shù)值計算獲得數(shù)據(jù)樣本；根據(jù)船體板架結構，對樣本數(shù)據(jù)庫進行降維，用以縮短深度神經網絡訓練時間；采用深度神經網絡對降維后的樣本數(shù)據(jù)庫進行學習，并驗證學習效果；采用蟻群算法對深度神經網絡的結構及超參數(shù)進行優(yōu)化，提高深度神經網絡訓練效率和預報精度，輸出泛化效果最佳的深度神經網絡；對使用深度神經網絡對水下爆炸載荷下船體板架結構動響應預報結果進行后處理。

技術領域

本發(fā)明涉及水下爆炸載荷下艦船毀傷技術領域，是一種基于機器學習的水下爆炸載荷下船體板架結構動響應快速預報方法。

背景技術

水面艦艇作為海軍裝備的主要力量，水下爆炸造成的毀傷將對艦船戰(zhàn)斗力和生命力造成嚴重威脅。在戰(zhàn)場環(huán)境中快速、準確地評估艦船在水下爆炸載荷下的毀傷特性具有極其重要的軍事價值。對于水下爆炸的研究，目前主要以數(shù)值仿真和模型試驗為主。公開的實驗資料也基本局限于簡單板架結構和小縮尺比實驗。小尺度的縮比模型實驗存在尺度效應，邊界條件也難以與實際工況保持一致，反推到原模型難度較大，只能作為前期的機理性研究。大縮尺比實驗及實船試驗成本巨大，且受到可行性和安全性等條件限制。由于實船水下爆炸試驗成本高昂，目前水下爆炸載荷下艦船響應特性研究大量使用三維數(shù)值模擬方法，產生了海量計算數(shù)據(jù)。對數(shù)值計算得到的數(shù)據(jù)進行分析和挖掘將為艦船抗爆抗沖擊領域提供一定的數(shù)值參考。

深度神經網絡(Deep neural networks,DNN)已經被應用于不同的領域，利用深度神經網絡，可以對其他方法難以解決的問題做出相對準確的預測。在軟件模型架構中，深度神經網絡和傳統(tǒng)人工神經網絡的區(qū)別在于深度神經網絡有更多的隱藏層和神經元。具有三層以上的神經網絡可以定義為深度神經網絡，增加層數(shù)和神經元數(shù)可以提高神經網絡的學習能力。與傳統(tǒng)的人工神經網絡相比，在資源數(shù)量相同的情況下，深度神經網絡可以模擬復雜度更高的函數(shù)來解決更復雜的問題。利用深度神經網絡方法對數(shù)值計算結果進行分析和挖掘，從而實現(xiàn)水下爆炸載荷下船體板架結構毀傷的快速預報，這可以節(jié)省大量計算資源和計算時間，并且通過數(shù)據(jù)的積累使預報系統(tǒng)精度進一步提高，具有重要的工程和學術意義。

發(fā)明內容

本發(fā)明使用任意歐拉-拉格朗日方法(ALE)進行數(shù)值模擬得到數(shù)據(jù)庫，基于數(shù)值計算結果對深度神經網絡進行訓練，并且采用蟻群算法對深度神經網絡超參數(shù)進行優(yōu)化，實現(xiàn)水下爆炸載荷下船體板架結構動響應快速預報。

本發(fā)明提供了一種基于機器學習的水下爆炸載荷下船體板架結構動響應快速預報方法，本發(fā)明提供了以下技術方案：

一種基于機器學習的水下爆炸載荷下船體板架結構動響應快速預報方法，包括以下步驟：

步驟1：采用任意歐拉-拉格朗日方法對水下爆炸載荷下船體板架結構響應進行數(shù)值計算獲得數(shù)據(jù)樣本；

步驟2：根據(jù)船體板架結構，對樣本數(shù)據(jù)庫進行降維，用以縮短深度神經網絡訓練時間；

步驟3：采用深度神經網絡對降維后的樣本數(shù)據(jù)庫進行學習，并驗證學習效果；

步驟4：采用蟻群算法對深度神經網絡的結構及超參數(shù)進行優(yōu)化，提高深度神經網絡訓練效率和預報精度，輸出泛化效果最佳的深度神經網絡；

步驟5：對使用深度神經網絡對水下爆炸載荷下船體板架結構動響應預報結果進行后處理。

優(yōu)選地，所述步驟1具體為：

步驟1.1：根據(jù)一定當量炸藥水下爆炸產生最大氣泡的半徑的確定水域尺寸，水域的尺寸應為一定當量的炸藥在對應水深下產生氣泡最大直徑的2到4倍；

步驟1.2：根據(jù)藥包初始半徑確定水域網格尺寸，采用S-ALE方法對水域和空氣進行離散，使氣泡最大直徑范圍內網格尺寸最小，剩余區(qū)域網格尺寸為最大直徑范圍內網格尺寸的2倍；