CN112446098B - 海洋装备中推进器的极限性能模拟方法 - Google Patents

Abstract

本发明涉及一种海洋装备中推进器的极限性能模拟方法，该方法包括：采集推进器的环境参数、材料参数和性能参数；建立推进器极限性能模拟的神经网络模型，通过所述神经网络获得推进器的极限性能模拟系数；所述神经网路将环境参数与推进器的性能参数的相关参数和材料参数与性能参数的相关参数作为输入向量，输出推进器的性能参数变化函数；将输出推进器的性能参数变化函数通过线性拟合得到极限环境下对材料参数与性能参数的对应关系。本发明的模拟方法能够模拟出极限环境下推进器的结构和性能系数，从而利于针对推进器进行改进，避免在实际的极限环境下时出现安全隐患，并为推进器的设计提供数据依据。

Description

海洋装备中推进器的极限性能模拟方法

技术领域

本发明涉及海洋装备中的推进器，具体地指一种海洋装备中推进器的极限性能模拟方法。

背景技术

海洋设备例如海洋核动力平台，需要在海洋环境中面对各种恶劣环境，因此对于海洋设备中各部件的性能要求比较高。其中，船舶中的推进器作为动力设备，是海洋核动力平台的重要设备，其推力、功率、转速和航速等性能以及在各种环境下的耐用性具有重要的作用，特别是在极寒的环境下，推进器的是否还能保持正常环境下的性能对于行驶和安全性具有相当重要的影响。

因此，为了推进器在避免在极限环境下出现故障，有必要对推进器在极限环境下的性能进行模拟计算，以便根据计算出推进器的状况，对推进器可能出现的问题进行解决。

发明内容

本发明目的在于克服上述现有技术的不足而提供一种海洋装备中推进器的极限性能模拟方法，该模拟方法能够模拟出极限环境下推进器的结构和性能系数，从而利于针对推进器进行改进，避免在实际的极限环境下时出现安全隐患。

实现本发明目的采用的技术方案是：一种海洋装备中推进器的极限性能模拟方法，该方法包括：

采集推进器的环境参数、材料参数和性能参数；

建立推进器极限性能模拟的神经网络模型，通过所述神经网络获得推进器的极限性能模拟系数；所述神经网路将环境参数与推进器的性能参数的相关参数γ和材料参数与性能参数的相关参数ξ作为输入向量，输出推进器的性能参数变化函数；

将输出推进器的性能参数变化函数通过线性拟合得到极限环境下对材料参数与性能参数的对应关系。

在上述技术方案中，所述神经网络模型的网络输出表达式为：

Y＝f₂[W₂·f₁(W₁·X-B₁)-B₂]

W₁、B₁分别为输入层到隐层的权值矩阵和偏差矩阵，W₂、B₂分别为隐层到输出层的权值矩阵和偏差矩阵，f₁、f₂分别为隐层和输出层的神经元传输函数，输出向量Y为推进器的极限性能函数，其输入向量X为环境参数、材料参数和性能参数的函数，其中：

X＝f(A，V，C，K)

式中，A为环境参数函数、V为材料参数函数、C为性能参数函数，K为相关函数；其中，A＝K₁(Loc，T₁，T₂，S)，Loc，T₁，T₂，S分别表示为地理位置、环境温度、空气湿度、风速；V＝K₂(L，M，N，O)，L，M，N和O分别为推进器中部件的硬度、强度、脆性和塑性；C＝K₃(F，P，S₁，S₂)，F，P，S₁，S₂分别为推进器的推力、功率、转速和航速这四个参数；K＝{γ，ξ}，γ为环境参数A与性能参数C的相关系数，ξ为材料参数V与性能参数C的相关系数，其中，

表示C的共轭；

表示C的共轭。

本发明方法将推进器的性能参数的相关参数γ和材料参数与性能参数的相关参数ξ作为输入向量，通过神经网络计算出，不同环境参数下，推进器中各部件的材料参数以及推进器的性能参数的推进器性能变化函数，再将输出推进器的性能参数变化函数通过线性拟合得到极限环境下材料参数与性能参数的对应关系，从而模拟出极端环境下，推进器中各部件所需材料的参数，以及推进器的工作性能是否符合标准，是否存在安全隐患等，并为极限环境下运行的推进器材料、工艺和性能的改进和优化提供可靠的数据依据。

附图说明

图1为本发明海洋装备中推进器的极限性能模拟方法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

如图1所示，本发明海洋装备中推进器的极限性能模拟方法包括：

S1、采集推进器的环境参数、材料参数和性能参数；

S2、建立推进器极限性能模拟的神经网络模型，通过所述神经网络获得推进器的极限性能模拟系数；所述神经网路将环境参数与推进器的性能参数的相关参数γ和材料参数与性能参数的相关参数ξ作为输入向量，输出推进器的性能参数变化函数。

具体地，本实施例所建立的神经网络的网络输出表达式为：

Y＝f₂[W₂·f₁(W₁·X-B₁)-B₂]

W₁、B₁分别为输入层到隐层的权值矩阵和偏差矩阵，W₂、B₂分别为隐层到输出层的权值矩阵和偏差矩阵，f₁、f₂分别为隐层和输出层的神经元传输函数，输出向量Y为推进器的极限性能函数，其输入向量X为环境参数、材料参数和性能参数的函数，其中：

X＝f(A，V，C，K)

式中，A为环境参数函数、V为材料参数函数、C为性能参数函数，K为相关函数；其中，A＝K₁(Loc，T₁，T₂，S)，Loc，T₁，T₂，S分别表示为地理位置、环境温度、空气湿度、风速；V＝K₂(L，M，N，O)，L，M，N和O分别为推进器中部件的硬度、强度、脆性和塑性；C＝K₃(F，P，S₁，S₂)，F，P，S₁，S₂分别为推进器的推力、功率、转速和航速这四个参数；K＝{γ，ξ}，γ为环境参数A与性能参数C的相关系数，ξ为材料参数V与性能参数C的相关系数，其中，

表示C的共轭；

表示C的共轭。

输出向量Y为推进器的极限性能函数。

本实施例利用上一个正常工况下推进器的状态参数对所建立的神经网络进行网络训练，根据输出值和正常工况下输出值之间的误差，不断调整隐含层函数、神经元个数以及权值，直到其误差满足要求；所述正常工况为推进器的状态参数满足标准条件下的环境。

本实施例通过BP算法对所述神经网络进行网络训练，具体包括：

BP算法分为向前传播阶段和向后传播阶段，在向前传播阶段中，信息从输入层经过逐级的变换，传送到输出层，该过程也是网络在完成训练后正常运行时执行的过程；向后传播阶段根据绩效化误差调整权矩阵阶段；

取网络关于第p个样本的误差测度：

式中：m为输出层的神经元个数；y_pj表示第p个样本第j个元素的理想输出向量，Y_pj为第p个样本第j个元素的网络输出值，最后将网络关于整个样本集的误差测定为：

E＝∑E_p

根据上式计算至该整个样本集的误差在规定的阈值范围内，阈值范围即在常规环境下，推进器的性能指标。

S3、将输出推进器的性能参数变化函数通过线性拟合得到极限环境下对材料参数与性能参数的对应关系。

通过下式计算：

式中，a_n为环境参数函数，x_i为推进器中部件i的材料参数函数，y_i为推进器中部件i的性能参数函数，∑x_iy_i为推进器中部件i不同环境参数下对材料参数与性能参数的对应关系式。

通过上式性拟合得到极限环境下材料参数与性能参数的对应关系函数，从而能过模拟出极端环境下，推进器中各部件所需材料的参数，以及推进器的工作性能是否符合标准。例如在极寒环境下(温度-40℃)，通过对应关系函数，计算出推进器中各部件的材料参数硬度、强度、脆性和塑性的参数是否在正常的标准数据范围之内，如超出范围，则存在安全隐患，需要对推进器的材料进行测试改进，同时通过推进器性能变化函数，计算出推进器的推力、功率、转速和航速是否产生影响，为推进器的优化设计和改进提供数据支持。

Claims (4)

1.一种海洋装备中推进器的极限性能模拟方法，其特征在于，包括：

采集推进器的环境参数、材料参数和性能参数；

建立推进器极限性能模拟的神经网络模型，通过所述神经网络获得推进器的极限性能模拟系数；所述神经网路将环境参数与推进器的性能参数的相关参数γ和材料参数与性能参数的相关参数ξ作为输入向量，输出推进器的性能参数变化函数；所述神经网络模型的网络输出表达式为：

Y＝f₂[W₂·f₁(W₁·X-B₁)-B₂]

W₁、B₁分别为输入层到隐层的权值矩阵和偏差矩阵，W₂、B₂分别为隐层到输出层的权值矩阵和偏差矩阵，f₁、f₂分别为隐层和输出层的神经元传输函数，输出向量Y为推进器的极限性能函数，其输入向量X为环境参数、材料参数和性能参数的函数，其中：

X＝f(A，V，C，K)

式中，A为环境参数函数、V为材料参数函数、C为性能参数函数，K为相关函数；其中，A＝K₁(Loc，T₁，T₂，S)，Loc，T₁，T₂，S分别表示为地理位置、环境温度、空气湿度、风速；V＝K₂(L，M，N，O)，L，M，N和O分别为推进器中部件的硬度、强度、脆性和塑性；C＝K₃(F，P，S₁，S₂)，F，P，S₁，S₂分别为推进器的推力、功率、转速和航速这四个参数；K＝{γ，ξ}，γ为环境参数A与性能参数C的相关系数，ξ为材料参数V与性能参数C的相关系数，其中，

表示C的共轭；

表示C的共轭；

将输出推进器的性能参数变化函数通过线性拟合得到极限环境下对材料参数与性能参数的对应关系。

2.根据权利要求1所述海洋装备中推进器的极限性能模拟方法，其特征在于：利用上一个正常工况下推进器的状态参数对所建立的神经网络进行网络训练，根据输出值和正常工况下输出值之间的误差，不断调整隐含层函数、神经元个数以及权值，直到其误差满足要求；所述正常工况为推进器的状态参数满足标准条件下的环境。

3.根据权利要求2所述海洋装备中推进器的极限性能模拟方法，其特征在于：通过BP算法对所述神经网络进行网络训练，所述BP算法分为向前传播阶段和向后传播阶段，在向前传播阶段中，信息从输入层经过逐级的变换，传送到输出层；向后传播阶段根据绩效化误差调整权矩阵阶段；

取网络关于第p个样本的误差测度：

式中：m为输出层的神经元个数；y_pj表示第p个样本第j个元素的理想输出向量，Y_pj为第p个样本第j个元素的网络输出值，最后将网络关于整个样本集的误差测定为：

E＝∑E_p

根据上式计算至该整个样本集的误差在规定的阈值范围内。

4.根据权利要求1-3任一所述海洋装备中推进器的极限性能模拟方法，其特征在于所述将输出推进器的性能参数变化函数通过线性拟合得到不同环境参数下对材料参数与性能参数的对应关系通过下式计算：

式中，a_n为环境参数函数，x_i为推进器中部件i的材料参数函数，y_i为推进器中部件i的性能参数函数，∑x_iy_i为推进器中部件i不同环境参数下对材料参数与性能参数的对应关系式。