基于人工智能算法的艙室振動(dòng)噪聲快速預(yù)報(bào).pdf

1、本文主要研究在艦船艙室振動(dòng)噪聲領(lǐng)域如何應(yīng)用人工智能算法進(jìn)行快速預(yù)報(bào)的問題。在船舶和海洋平臺建造過程中，對艙室振動(dòng)噪聲的預(yù)報(bào)是一個(gè)必不可少的環(huán)節(jié)。由于國內(nèi)外各類規(guī)范對各類艙室的振動(dòng)噪聲有著嚴(yán)格的限定，因而為避免在完工后因振動(dòng)噪聲超標(biāo)而進(jìn)行的補(bǔ)救工作，需要在初步設(shè)計(jì)階段對各艙室的振動(dòng)噪聲進(jìn)行預(yù)報(bào)，并依據(jù)結(jié)果采取必要的措施。另一方面，在實(shí)船試驗(yàn)階段，由于試驗(yàn)時(shí)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(dòng)噪聲，因而如何根據(jù)部分實(shí)測

2、數(shù)據(jù)預(yù)測其余數(shù)據(jù)就是一個(gè)有待解決的實(shí)際問題。
　　智能算法在工程中已經(jīng)有了較為廣泛的應(yīng)用，其可以較好地對參數(shù)較多、關(guān)系復(fù)雜的非線性映射問題進(jìn)行處理。對于船舶和海洋平臺等較為復(fù)雜的海上結(jié)構(gòu)物，其艙室振動(dòng)噪聲受較多因素的共同影響，現(xiàn)有的預(yù)報(bào)方法受限于精度和耗時(shí)，本文通過使用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種算法在保證一定精度的同時(shí)提高了對艙室振動(dòng)噪聲的預(yù)報(bào)速度。
　　首先對本文用到的兩種智能預(yù)報(bào)模型進(jìn)行了較為詳細(xì)的介紹，對其中較為重要

3、的算法進(jìn)行了推導(dǎo)，編寫了相應(yīng)的MATLAB程序并對其正確性進(jìn)行了驗(yàn)證。之后結(jié)合船舶與海洋平臺的自身特點(diǎn)，選取相應(yīng)結(jié)構(gòu)參數(shù)作為智能預(yù)報(bào)模型的輸入變量。建立了可用于智能預(yù)報(bào)模型的數(shù)據(jù)庫，其中部分?jǐn)?shù)據(jù)由海洋平臺的實(shí)船試驗(yàn)測得，另一部分使用統(tǒng)計(jì)能量法由VA one軟件計(jì)算得到。將數(shù)據(jù)輸入智能預(yù)報(bào)模型之前，本文并采用消除多項(xiàng)式趨勢項(xiàng)和歸一化等方法對數(shù)據(jù)進(jìn)行了預(yù)處理，解決了零點(diǎn)漂移以及由于影響艙室振動(dòng)噪聲的變量包含不同類型參數(shù)而導(dǎo)致的數(shù)據(jù)無法直接使