基于RBF神经网络的舱室噪声预报方法
基于已有实测或仿真数据库对新型船舶和海洋平台舱室噪声进行预报是设计之初经常需要解决的问题,本文试图采用人工智能算法对这一问题进行研究.神经网络算法是近年来的热点智能算法,其中RBF神经网络算法是比较先进的一种.本文采用RBF网络为框架,以激励源的功率、激励源与目标舱室之间所隔的甲板数、激励源与目标舱室之间所隔的横向舱壁数、目标舱室表面积和板架平均厚度为输入参数,以目标舱室A声级噪声为输出参数,综合运用了差分进化优化算法和马氏距离理论建立了舱室噪声预报的算法模型,采用某船统计能量仿真数据建立了训练数据库,训练完成后对未知舱室在给定工况下的噪声进行了预报及分析.结果表明,预报平均误差可控制在2dB(A)之内,具有较好的泛化能力,并且具有误差稳定的特性.该方法可为船舶与海洋平台方案设计阶段的初步评估、以及振动噪声治理方案的快速迭代提供一种新型方法.
船舶舱室 噪声预报 径向基神经网络 差分进化优化算法 马氏距离理论
郭君 范斌 王星宇 黄式璋
哈尔滨工程大学船舶工程学院,黑龙江省 哈尔滨150001
国内会议
南宁
中文
1-8
2017-10-20（万方平台首次上网日期，不代表论文的发表时间）