检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 机器学习在船舶不沉性设计策略中的应用

杨春蕾, 黄晓皓, 盛庆武, 王金宝, 潘常春, 范佘明

船舶 2022, 33 (04): 82-87. DOI: 10.19423/j.cnki.31-1561/u.2022.04.082

摘要（112）

PDF （642KB）（165）

船舶不沉性是衡量船舶生命力的重要性能,也是优选水密分舱策略的关键指标,但时间成本高仍是制约不沉性寻优实用化的难点。随着机器学习技术应用不断深入,将提供更有效的途径。该研究基于强化学习的粒子群算法求解不沉性分舱优化问题,实现集成机器学习模块和不沉性设计模块的优化系统开发和界面设计,讨论算法中不同参数的设置对寻优能力的影响。通过寻优解的分析,表明该方法能够高效地找到较优的分舱方案,为制定科学的分舱策略等方面提供依据。

参考文献 | 相关文章 | 多维度评价

Select

2. 工程船船体湿表面网格NAPA软件自动生成技术

盛庆武;

船舶 2010, 21 (06): 53-57.

摘要（59）

利用NAPA软件中二次开发工具宏语言,通过引入模糊数学中的钟型隶属度函数和二次函数,开发出对平浮和带纵倾状态的船体湿表面网格自动划分模块。该模块不但可以快速和准确地划分船体网格,还可以生成直接被HydroStar软件调用的输入文件,并且通过控制输出文件的格式可以生成符合其他水动力软件调用的船体湿表面网格格式。