一、海洋工程结构优化的遗传Hopfield神经网络算法研究（论文文献综述）
汤修潮[1]（2021）在《基于神经网络的斜向波和多向波越浪量预测研究》文中研究指明我国具有很长的海岸线,有很多海岸会受到海浪、潮流的侵蚀与损害,防波堤和护岸结构的建立可以承受海浪的侵害,并且保护堤后的建筑物,确定合适的堤防工程的堤顶高程十分重要。而越浪量是确定堤顶高程的主要指标,准确计算堤顶越浪量,对保证堤防堤工程的安全性、经济性及观赏性具有重要意义。而海洋环境情况又十分复杂,近海堤防的越浪量由于受到各种复杂因素的影响,表现为非线性过程,而且因素之间相互影响,关系也很难确定。近年来,信息技术特别是人工智能技术的发展,为越浪量的预测和计算提供了新思路。目前关于越浪量的预测研究中,大多针对单向波或正向入射的情况,而实际波浪为多向不规则波浪,并且存在斜向作用情况,目前这方面研究仍有很大不足。因此,本文采用神经网络建立斜向和多向不规则波在不同型式结构上的越浪量预测方法。本研究总结了前人的研究成果,收集了大量的多向波和斜向波的越浪量资料,建立了斜向波和多向波越浪量神经网络数据集。利用BP神经网络模型分别针对直立堤和斜坡堤建立了斜向和多向不规则波的平均越浪量预测模型。模型中采用Adam算法作为搜索网络权重值最优参数的算法,Tanh函数作为神经元的激活函数,Dropout法抑制BP神经网络的过拟合问题,并分析调整相关参数对神经网络模型进行优化改进。利用建立的越浪量数据集对模型进行训练,并对BP神经网络模型预测的精确度及泛化能力进行了对比验证。最终结果表明本研究搭建的神经网络可以很好的预测多向不规则波或斜向波浪在直立堤和斜坡堤上的平均越浪量,而且模型在预测准确率和泛化能力上都高于经验公式及Eur Otop神经网络计算工具。该越浪量模型具有一定的便捷性、准确性,适用于斜坡堤和直立堤在多向波或斜向入射波浪作用下越浪量的预测,为海岸工程建设提供一定依据和帮助。
常进云[2]（2021）在《基于数字孪生的SYMS铰节点健康管理研究》文中提出海洋油气是保障我国国家安全的重要战略资源,浮式生产储卸油装置（Floating Production Storage and Offloading,FPSO）作为海洋油气开发的主力装备之一,广泛应用于我国渤海和南海海域。软刚臂单点系泊系统（Soft Yoke Mooring System,SYMS）是实现FPSO定位的重要装置,能够保证海洋平台的长期稳定工作和安全生产。由于结构的复杂性和长期承受多种海洋环境载荷的联合作用,系泊系统容易发生退化、失效等现象,一旦维护不及时会造成巨大经济损失。因此,开展具有实时评估系泊系统在位状态的数字化、智能化健康管理研究十分必要。数字孪生技术（Digital Twin,DT）是以智能传感系统为驱动,在虚拟空间中完成对实体装备的高保真映射,能够准确再现并预测海洋工程装备全生命周期的健康状态,有效避免了易损结构提前失效带来的巨大财产损失和安全风险,为海上油气生产提供安全、稳定的工作环境。本文针对FPSO软刚臂系泊系统铰节点健康管理,总结并开展了软刚臂系泊系统智能运维数字孪生方法过程关键技术研究,以五维数字孪生概念模型作为参考框架,提出了数字孪生技术驱动的软刚臂系泊系统健康管理方案。作为软刚臂系泊系统的易损结构之一,铰节点全生命周期过程中的健康运维是系泊系统安全工作的保障。本文针对软刚臂系泊系统的健康管理需求,采用BIM（Building Information Modeling）技术对FPSO海洋平台的物理和功能特性进行可视化表达和集成化管理。以原型监测数据为参照,采用响应面方法对铰节点的有限元模型进行参数识别,提高了铰节点虚拟模型的保真性。考虑铰节点的退化过程中的摩擦系数变化和载荷特征,设定了动力学仿真工况,利用铰节点高保真虚拟模型对其全生命周期不同阶段的运行状态进行模拟,采用BP神经网络建立了铰节点热点应力的预测模型,对其在位状态进行实时监控,并提出了基于铰节点健康状态的运维检修方法。最终搭建了系泊系统智能运维的可视化健康管理平台,实现了数字孪生技术在软刚臂系泊系统健康管理中的初步应用。本文工作可为数字孪生技术在海洋工程领域的应用提供支持和辅助参考。
张鹏[3]（2021）在《海上风电水下检测AUV的路径规划及跟踪研究》文中研究说明海上风电工程环境具有风浪剧烈且流场复杂等特点,因此对自治式潜水器AUV（Autonomous Underwater Vehicle）的设计要求也相应提高。在AUV设计中,AUV的安全与效率非常关键。安全问题是指在复杂随机大风浪荷载海况下,AUV是否具备足够的推进动力抵御恶劣海况,可以沿着期望路线完成工作;效率问题是指使用AUV进行检测任务时,如何使完成检测任务的效率最高,主要检测指标是AUV完成检测任务所需时间。本文通过MATLAB软件,验证了所设计的全局路径规划算法有效缩短了检测时间,提高了工作效率;同时验证设计方案中的推进器推力与分布是满足工程实际要求。本文主要研究内容如下:首先,调研了国内外AUV的发展研究现状,应用于AUV控制的路径规划算法与路径跟踪算法研究现状,为AUV的总体设计方案提供了有力的支撑。其次,分析了海上风电场整体检测任务规划,并针对桩基及缆线检测任务,对子任务进行分解融合,可以有效提高AUV检测任务的效率;通过任务和功能需求,分析AUV的总体设计方案,主要目标集中在AUV关键的推进问题,即AUV的续航能力及推进器推力与布局;然后,建立AUV六自由度运动学模型:通过对水下机器人的受力分析,并结合三维时域Green函数法,这样计算AUV的附加质量矩阵和阻尼矩阵时,精度更高。最后考虑到AUV对海上风电系统进行全巡航的作业特点,将模型简化为三自由度运动学及动力学模型。再次,第三章将路径规划主要分为桩基缆线全巡航路径规划及桩基检测局部路径规划。首先对检测任务进行合理的规划,可以高效的完成检测任务;其次,采用粒子群与遗传算法对全巡航路径规划进行设计,将缆线转换成多个虚拟点,改进混合算法,并通过MATLAB仿真验证效果;接着基于环境工况,对AUV桩基检测,人工势场法进行改进,并仿真;综合其上内容,验证了总体设计方案中的AUV,续航力满足需求。最后,当使用AUV检测桩基时,必须考虑到所设计的主动柔顺控制器在海况恶劣的情况下,是否可以控制AUV在水平面的运动,是否可以保证可以沿着规划好的路径运动而避免碰撞到桩基。在Simulink平台中仿真时,通过模拟三级四级海况,沿着控制器是否可以控制AUV沿着圆运动。仿真结果证明了该控制器较稳定有效,可以抵抗四级海况,从而验证总体设计方案中,推进器的推力与布局也是合理的。
王铭基[4]（2021）在《海洋平台冰振危害监测与分析方法研究》文中进行了进一步梳理寒区海洋平台每年冬季都会受到海冰作用从而发生严重的冰激振动问题。冰振危害的监测与分析方法是保障冰区现役抗冰平台安全作业和降低冰振危害损失的重要研究内容。本文围绕寒区海洋平台结构健康监测问题,针对寒区海洋平台冰振响应监测方法、损伤识别以及冰振风险预测方法开展了研究,主要工作如下:首先针对寒区海洋平台冰振响应监测方法,给出结合冰振响应特点和模态置信度准则（MAC）的传感器优化布置方法,运用动态惯性权重的粒子群算法（PSO）对优化布置问题进行求解。并利用此方法对渤海某升压站平台进行了传感器优化布置,给出了最佳空间布置位置。最后对动态惯性权重的粒子群算法与遗传算法针对相同布置问题的计算时间、达到最优时的迭代次数以及寻优能力做了对比,验证了动态惯性权重的粒子群算法对问题的适用性。而后针对寒区海洋平台长期处于冰振情况下结构可能存在隐性损伤的问题,采用Hilbert-Huang变换方法开展结构损伤识别的研究。首先利用有限元软件ANSYS对冰荷载激励下的渤海某抗冰导管架结构进行瞬态动力学分析,进而对结构冰激振动响应信号进行Hilbert-Huang变换得到结构响应信号的Hilbert能量边际谱,最后通过结构损伤和健康时的Hilbert能量边际谱的变化量构建损伤特征指标,分析对比不同损伤位置、损伤程度下损伤特征指标的损伤识别性能,并讨论了海冰的冰速、冰厚对损伤特征指标的影响以及利用冰振响应识别结构损伤的优越性。最后针对海洋平台冰振风险预测方法,利用冬季海洋平台现场监测到的大量气象、水文、冰振响应等信息,基于冰振危害的分级机制进行多源信息融合,建立了基于遗传算法的BP神经网络海洋平台冰振风险预测优化模型,明显提高了预测模型的预测精度。上述研究工作可以为寒区海洋平台的结构健康监测提供借鉴和参考。
刘昆,邱伟健,王自力[5]（2020）在《空爆载荷作用下波形夹层板抗爆结构优化设计》文中研究指明为了提高空爆载荷作用下夹层板的抗爆能力,提升其在舰船和海工装备上的应用程度,提出一种针对波形夹层板结构的优化方法,该方法以结构质量和在爆炸载荷作用下的结构应力、变形以及吸能作为评估标准,利用正交试验筛选出样本点,通过BP神经网络生成夹层板结构参数与评估标准间的响应面模型,用遗传算法对响应面模型进行多目标优化分析,得出全局最优解,形成一套夹层板的优化设计方案,这为夹层板抗爆结构优化设计提供了一种新的设计思路和优化方法。
李海涛,袁森[6]（2020）在《基于遗传算法和BP神经网络的海洋工程材料腐蚀预测研究》文中研究说明为提高海洋工程材料腐蚀速率预测的精度,提出了一种基于遗传算法（GA）优化反向传播（Back Propagation,BP）神经网络的海洋工程材料海洋环境腐蚀速率预测模型。通过遗传算法对BP神经网络的权值和阈值进行优化,利用优化后的BP神经网络对试验数据进行预测。GA-BP模型选取具有代表性的2Cr1312不锈钢、Q235B碳钢和6082铝合金三种基本海洋工程材料数据进行试验,预测结果误差小于传统BP神经网络,并且在网络训练时间上有所缩短,预测精度上有所提高。本模型在海洋工程材料于海洋环境中腐蚀速率的实际预测中具有良好的推广价值。
王雪[7]（2020）在《基于小波变换和神经网络的系泊缆力预测方法研究》文中研究指明在经济全球化的形势下,海运行业飞速发展,随之而来的是船舶数量增加、开敞式码头大规模加速建设。在这些开敞式码头中受气候和水域条件等多方面影响,船舶系泊时断缆事件频有发生,这些断缆事件造成了很大的经济损失和人员伤亡情况。为了避免断缆事件的发生,保障船舶系泊作业的安全,对船舶系泊缆力进行预测是不可或缺的行业需求。文中首先为提高系泊缆力预测准确性设计实现了Db-GRU算法,在该算法中先采用了小波变换中的Daubechies小波对非线性特征显着的系泊缆力数据进行处理,再将处理后的数据通过循环神经网络RNN中的门控循环单元GRU进行预测操作,最后将预测得到的结果进行重构运算得到本文想要的预测数据。在实现该算法的实验中本文发现使用该算法进行预测的准确性明显高于直接将系泊缆力数据通过GRU进行预测的准确性,且预测结果和真实数据不存在误差过大影响判断的情况。随后本文考虑到船舶系泊时在短时间内就可以产生大量缆力数据,为验证Db-GRU算法在面对大量数据时的分析能力和预测效果与之前一样,特选择在大数据Hadoop平台下使用MapReduce并行计算框架面向大量数据进行实验验证。从实验运行的结果中本文可以看出在MapReduce下面向百万级数据量时本文的Db-GRU系泊缆力预测模型预测的准确率依然可以保证。最后本文为加速预测效率特对算法进行改进提出了基于量子计算的Db-GRU系泊缆力预测模型,在量子模型中本文将原本使用的Daubechies小波和GRU与量子计算相结合生成量子Daubechies小波和QGRU,再将量子Daubechies小波和QGRU结合生成本文的改进预测模型。本部分通过理论说明该算法可在保证原有算法准确率的基础上明显提高预测速度,随着量子计算的进一步发展,完全可以将改进后的模型应用于实际工程实践中对船舶系泊缆力进行预测。
邵冬明[8]（2020）在《海洋平台岸基监测和健康预测系统的研究》文中研究说明经济的快速发展与石油和天然气的需求密不可分,而海洋平台作为油气资源开发的重要结构设备被广泛使用。但是近年来,全球气候变化无常,加上海洋平台位处恶劣的海洋环境之中,遭受风、浪和潮流载荷的综合影响,导致海洋平台结构逐渐老化,承载能力急速下降。这不仅对平台设施造成损害,而且对海上工作和开采资源人员的身心健康构成巨大威胁。因此,有必要建立一种智能有效的海洋平台健康状况预警模型,定期对海洋平台进行评估预测,掌握其使用情况和健康程度。针对海洋平台日益突出健康状况评估问题,本文提出了改进的遗传算法和BP神经网络相结合的海洋平台健康状况预测模型,并开发了海洋平台健康预测系统,主要工作如下:首先,通过对目前国内外海洋平台结构健康状况的研究并结合海洋平台自身的结构特点,制定了衡量海洋平台健康状况的评价指标以及各个指标的分级标准,并对海洋平台健康状况的各个等级进行了划分和定义。其次,通过对海洋平台健康状况评价的指标体系确定海洋平台结构载荷信息采集的内容,并进行相应硬件的选型与传感器布点,制定出海洋平台健康监测的系统框架。然后,介绍了误差反向传播算法（BP）和遗传算法（GA）的结构原理、算法步骤和优缺点。并针对BP神经网络容易陷入局部极值、初始权值和阈值的随机性问题以及遗传算法局部搜索能力差、容易早熟收敛的缺陷,引入了改进的遗传算法来优化BP神经网络,利用改进的遗传算法来确定BP神经网络初始的权值和阈值,然后再代入到BP神经网络中进行训练学习直至收敛,搜索出最优解或者近似解。接着,本文以某海洋平台的监测数据作为实验样本来进行分析和验证,建立了BP神经网络模型、GA-BP神经网络模型以及本文提出的IAGA-BP神经网络模型来对海洋平台的健康状况进行预测,仿真结果表明,本文提出的方法不仅收敛速度快精度高,而且预测准确率更高,更加能够有效的评估海洋平台的健康状况。最后,以B/S作为系统构架,结合MVC设计模式开发了海洋平台健康预测系统,并以Java作为后台开发语言,Mysql存储和管理数据,Matlab对监测数据进行分析评估,将软件分为监测指标分级标准模块、平台健康状况等级说明模块、监测指标信息模块、平台健康状况评估模块和历史监测数据模块,实现了对海洋平台健康状况的预测评估工作。
陈佳雷[9]（2019）在《基于压电陶瓷智能垫片的海洋结构螺栓松动监测研究》文中指出近年来大型土木工程项目越来越多,超高层建筑、大型跨海桥梁、新型大跨度体育场馆、展览会馆,海洋平台等结构中广泛应用了钢结构。螺栓连接是钢结构连接形式中使用频率最高的形式,同时面临着各种极端环境的影响,一旦使用的时间达到一定程度,很容易发生螺栓松动、螺栓开裂等情况。如果关键部位的螺栓松动没能及时发现,进行维护和更新,轻则导致部分结构的失效,重则导致灾难性后果。所以对钢结构关键节点的螺栓进行实时监测是非常必要的措施,它能够有效的避免结构的破坏,以及不必要的经济损失和灾害危险。研发了一种新智能垫片传感器。该传感器基于压电陶瓷,被做成智能垫片用来取代普通的螺栓垫圈,同时施加合适的金属外壳隔绝环境腐蚀。并且设计了一套实验装置来验证压电陶瓷在不同应力情况下压电性能会改变的实验。实验表明随着压电陶瓷受到的压力增加,最终接收器接收到的能量增加,可以间接表明压电陶瓷所受应力增加会导致其压电效应增强,可以用于优化传感器的性能。研究了新型传感器监测螺栓松动的适用性。设计一个验证新传感器性能的实验。通过螺母连接的两块钢板来模拟简单的螺栓结构,并且对新智能垫片传感器和旧垫片传感器两种情况进行对比实验。螺栓预紧力在5N·m至120N·m扭矩的范围内进行测试。引用小波能量分析方法来提取信号的能量,作为松动指标。基于粗糙接触面理论和压力下压电效应增强的影响,可以建立螺栓松动指标与预紧力之间的关系。实验结果表明,新传感器具有更好的监控范围和灵敏度。改进了监测海洋结构螺栓松动时排除环境噪声影响的方法。通过研究现有排除环境因素影响方法和去噪方法的文献,总结出适合于本文的理论方法,本文采用传感器接收的信号能量作为松动指标,所以有别于基于结构动力参数损伤识别方法使用的数据规整方法,考虑采用把环境因素看成噪声影响的思路,基于神经网络和小波去噪方法改进,进行了海洋平台结构螺栓松动监测的数值仿真实验。得到的结论是当需要比较高精度的结果时采用改进的BP神经网络更有效,而需要更快速简单获得结果,对精度要求较低时采用小波变换阈值去噪法更有效。证明了新型传感器在改进的去噪方法下,能有效的用于海洋平台的螺栓松动实时监测。
王言哲[10]（2018）在《深海Truss Spar平台系泊技术及锚固基础力学研究》文中认为Truss Spar（桁架柱稳式）平台凭借其优良的性能和相对较低的造价,已经成为世界深海油气开采生产、处理加工和储存的主力平台类型之一。系泊系统和锚固基础是深海Truss Spar平台的重要组成部分,关系到Truss Spar平台能否正常作业。深海Truss Spar平台的系泊系统由复合系泊缆组成,如何保证复合系泊缆满足设计规范,同时控制建造成本,是研究人员关心的问题。另外,在系泊缆张力作用下,锚固基础处于受拔状态,它与海底土壤的相互作用关系,直接影响吸力锚的抗拔性能。本文对深海Truss Spar平台的系泊技术及锚固基础抗拔特性展开研究。文中分别以锚链系泊缆和“锚链-合成纤维缆-锚链”复合系泊缆为研究对象,推导了系泊缆的悬链线方程,利用MATLAB编程获得系泊缆的静力特性曲线。复合系泊缆的水平回复刚度更高,适用于深水系泊。采用ABAQUS/AQUA软件对系泊缆进行数值动力分析,研究外界激励和环境载荷对系泊缆动态张力的影响,对比两种不同组成系泊缆的力学特性。结果表明:外界激励和环境载荷是影响系泊缆动张力的重要因素,系泊缆张力的动态效应不可忽略。以典型的Truss Spar平台为例,分别采用理论计算和AQWA软件仿真方法分析了平台的频域垂荡响应,研究了垂荡板对平台垂荡响应的影响。以理论计算结果为依据,给出了计算AQWA水动力分析中人工阻尼的拟合公式。依据移动平台设计标准,采用AQWA水动力分析软件,研究了Truss Spar平台在完整作业工况、完整极限工况、破损作业工况和破损极限工况下,平台/系泊系统的耦合运动特性。结果表明,系泊系统发生破损对纵荡、横荡影响较大,对垂荡、艘摇、纵摇、横摇的影响较小。极限海况下,平台的运动和张力响应要比作业海况下的响应更大。对比分析了三种不同系泊方案下平台的运动响应和系泊缆的张力响应,结果表明系泊方案（b）要好于系泊方案（a）、（c）。基于系泊缆时域分析结果,采用OrcaFlex软件计算了系泊缆的疲劳寿命。结果表明,系泊缆最危险点发生在距系泊缆顶端3445m的位置,该位置处于系泊缆与海床接触的区域。提出一种BP-PSO（神经网络-粒子群算法）优化求解模型,对复合系泊缆的组分进行优化设计。优化目标为系泊缆成本最低,优化变量为复合系泊缆的各组分的直径,约束条件为Truss Spar/系泊系统的张力响应和运动响应必须满足规范要求。依据Truss Spar平台/系泊系统耦合动力分析结果建立样本数据库,采用BP神经网络模型模拟Truss Spar/系泊系统动力时域响应分析,定义系泊缆的直径为BP神经网络模型的输入变量（也是优化问题的设计变量）,底段长度、系泊缆的张力极值和平台的运动响应极值为输出变量。结果表明,BP神经网络算法能够较准确预测系泊系统的张力响应和运动响应。采用粒子群算法、和声搜索算法进行优化求解,对比两种优化算法的特性。粒子群算法在计算时间和计算准确率方面的性能更好。针对吸力锚三种不同的破坏模式:局部剪切破坏、底部张力破坏和整体破坏,采用ABAQUS仿真软件对吸力锚的抗拔性能进行有限元分析。无论吸力锚所受载荷属于水平载荷、竖向载荷或者倾斜载荷,吸力锚的抗拔性能由大到小排序:整体破坏模式>底部张力破坏模式>局部剪切破坏模式。分析系泊点位于不同深度时,吸力锚的水平极限抗拔力,吸力锚的最佳载荷点位于泥线下0.7L处。当吸力锚位于最佳载荷点时,假设土壤中系泊缆呈“倒悬链线”形状,计算吸力锚的倾斜极限抗拔力。提出一种新型的仿生吸力锚,采用ABAQUS对仿生吸力锚进行抗拔性能分析,仿生吸力锚通过增大与土壤的接触面积,抗拔性能优于单筒吸力锚的抗拔性能。当仿生吸力锚的主-子筒体间距小时,相邻筒体的相互影响就大,引起的附加位移大,降低了锚的实际抗拔性能。
二、海洋工程结构优化的遗传Hopfield神经网络算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、海洋工程结构优化的遗传Hopfield神经网络算法研究（论文提纲范文）
（1）基于神经网络的斜向波和多向波越浪量预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 关于越浪量相关研究回顾 |
| 1.2.2 神经网络在海洋工程领域的应用 |
| 1.3 本文研究的主要内容 |
| 2 越浪量计算公式总结 |
| 2.1 现有公式总结 |
| 2.2 现有公式分析对比 |
| 2.3 本章小结 |
| 3 神经网络模型原理 |
| 3.1 神经网络模型 |
| 3.1.1 神经元的原理 |
| 3.1.2 神经网络的学习方式 |
| 3.1.3 典型的神经网络 |
| 3.2 BP神经网络算法 |
| 3.2.1 BP神经网络模型 |
| 3.2.2 BP算法的数学原理 |
| 3.2.3 BP算法的局限性与本论文的改进方法 |
| 3.2.4 BP算法的改进 |
| 3.3 本章小结 |
| 4 直立堤上斜向和多向不规则波越浪量预测模型 |
| 4.1 模型试验简介 |
| 4.2 越浪量训练集及测试集数据的设置 |
| 4.2.1 试验数据分析及无量纲化 |
| 4.2.2 训练集及测试集数据的设置 |
| 4.3 神经网络的构建 |
| 4.3.1 神经网络各个参数的设置 |
| 4.3.2 神经网络隐藏层神经元数目的选取 |
| 4.4 神经网络的验证 |
| 4.4.1 训练集数据验证 |
| 4.4.2 测试集数据验证 |
| 4.4.3 与EurOtop神经网络工具的对比 |
| 4.5 本章小结 |
| 5 斜坡堤上斜向和多向不规则波越浪量预测模型 |
| 5.1 模型试验简介 |
| 5.2 越浪量训练集及测试集数据的设置 |
| 5.2.1 试验数据分析及无量纲化 |
| 5.2.2 训练集及测试集数据的设置 |
| 5.3 神经网络的搭建 |
| 5.3.1 神经网络各个参数的设置 |
| 5.3.2 神经网络隐藏层神经元数目的选取 |
| 5.4 神经网络的验证 |
| 5.4.1 训练集数据验证 |
| 5.4.2 测试集验证 |
| 5.4.3 与EurOtop神经网络工具的对比 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）基于数字孪生的SYMS铰节点健康管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 海洋工程装备的原型监测技术研究 |
| 1.2.2 基于数据驱动的高保真模型修正方法研究 |
| 1.2.3 海洋工程装备疲劳损伤和剩余寿命预测方法研究 |
| 1.2.4 数字孪生技术研究现状 |
| 1.3 本文主要工作 |
| 1.4 本章小结 |
| 2 基于数字孪生的软刚臂系泊系统健康管理框架 |
| 2.1 引言 |
| 2.2 软刚臂系泊系统的五维数字孪生模型和关键技术 |
| 2.2.1 载荷和响应实时获取技术 |
| 2.2.2 多尺度建模和仿真分析技术 |
| 2.2.3 高保真模型修正技术 |
| 2.2.4 疲劳损伤和剩余寿命预测技术 |
| 2.2.5 智能化管理平台开发技术 |
| 2.3 软刚臂系泊系统数字孪生健康管理框架 |
| 2.3.1 软刚臂系泊系统结构组成 |
| 2.3.2 软刚臂系泊系统原型监测系统 |
| 2.3.3 软刚臂系泊系统虚拟模型的构成要素 |
| 2.4 本章小结 |
| 3 软刚臂系泊系统铰节点模型修正和参数识别研究 |
| 3.1 引言 |
| 3.2 软刚臂系泊系统铰节点有限元仿真分析 |
| 3.2.1 有限元法计算方法 |
| 3.2.2 铰节点动力学仿真 |
| 3.3 基于响应面的有限元模型参数识别方法 |
| 3.3.1 响应面算法 |
| 3.3.2 灵敏度分析 |
| 3.3.3 试验设计方法 |
| 3.3.4 常用的响应面类型 |
| 3.3.5 响应面的有效性评价 |
| 3.3.6 遗传寻优算法 |
| 3.4 软刚臂系泊系统铰节点物理参数识别 |
| 3.4.1 铰节点的参数识别方案 |
| 3.4.2 响应面构造及检验 |
| 3.4.3 铰节点物理参数识别结果 |
| 3.5 本章小结 |
| 4 铰节点结构健康状态映射方法研究 |
| 4.1 引言 |
| 4.2 铰节点退化过程分析 |
| 4.2.1 载荷特性分析 |
| 4.2.2 损伤特性分析 |
| 4.3 不同退化状态的铰节点仿真分析 |
| 4.3.1 健康服役状态下的铰节点有限元计算 |
| 4.3.2 不同退化阶段下的铰节点有限元计算 |
| 4.4 基于BP神经网络的铰节点热点应力实时映射 |
| 4.4.1 BP神经网络原理及算法概况 |
| 4.4.2 基于BP神经网络的铰节点热点应力映射 |
| 4.5 铰节点全生命周期的健康运维方案 |
| 4.6 本章小结 |
| 5 软刚臂系泊系统数字孪生健康管理平台 |
| 5.1 引言 |
| 5.2 软刚臂系泊系统BIM模型构建 |
| 5.2.1 BIM技术对数字化管理的适应性分析 |
| 5.2.2 BIM模型建立流程 |
| 5.2.3 软刚臂系泊系统三维数字化建模 |
| 5.3 可视化服务系统功能架构 |
| 5.4 可视化服务系统界面开发基础 |
| 5.4.1 开发环境介绍 |
| 5.4.2 开发流程 |
| 5.5 健康管理平台功能实现 |
| 5.5.1 BIM模型动态展示 |
| 5.5.2 运维状态监测 |
| 5.5.3 系泊系统性能评估 |
| 5.5.4 运维信息管理 |
| 5.6 本章小结 |
| 结论 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（3）海上风电水下检测AUV的路径规划及跟踪研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 水下机器人研究现状 |
| 1.2.1 国外水下机器人研究现状 |
| 1.2.2 国内水下机器人研究现状 |
| 1.3 AUV控制算法的研究现状 |
| 1.3.1 AUV路径规划的研究现状 |
| 1.3.2 AUV路径跟踪的研究现状 |
| 1.4 各章主要研究内容 |
| 2 基于任务功检测的AUV动力学模型 |
| 2.1 海上风电场水下检测任务分析 |
| 2.1.1 海上风电场水下检测整体分析 |
| 2.1.2 桩基及缆线水下检测任务分析 |
| 2.2 基于任务和功能需求的AUV总体设计方案 |
| 2.3 AUV运动学建模 |
| 2.3.1 地球坐标系与AUV坐标系 |
| 2.3.2 二者之间的坐标变换 |
| 2.3.3 三自由度AUV运动学模型简化 |
| 2.4 AUV动力学建模 |
| 2.4.1 刚体的力与力矩 |
| 2.4.2 水动力与力矩分析 |
| 2.4.3 三自由度AUV动力学模型简化 |
| 2.5 本章小结 |
| 3 基于海上风电监测对AUV进行路径规划 |
| 3.1 引言 |
| 3.2 基于AUV全巡航检测的路径规划 |
| 3.2.1 混合算法的设计 |
| 3.2.2 全巡航路径规划算法仿真对比 |
| 3.2.3 基于检测任务路径规划算法的改进 |
| 3.3 基于桩基检测的路径规划 |
| 3.3.1 传统人工势场法模型 |
| 3.3.2 人工势场法的改进 |
| 3.4 全巡航路径规划仿真结果 |
| 3.5 本章小结 |
| 4 基于柔顺控制的AUV路径跟踪研究 |
| 4.1 引言 |
| 4.2 运动控制方法简述 |
| 4.2.1 滑模控制基础原理 |
| 4.2.2 柔顺控制原理 |
| 4.2.3 基于柔顺控制的的反演滑模控制器 |
| 4.3 AUV的柔顺控制仿真 |
| 4.3.1 浅海波浪力建模 |
| 4.3.2 无波浪干扰力下AUV水平面路径跟踪 |
| 4.3.3 近海波浪力下AUV水平面路径跟踪 |
| 4.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录A 附录内容名称 |
| 读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）海洋平台冰振危害监测与分析方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 海洋平台冰振危害 |
| 1.2.1 不同结构类型的冰荷载 |
| 1.2.2 冰荷载下结构失效模式 |
| 1.3 海洋平台冰振危害监测和分析面临主要问题 |
| 1.4 结构监测与分析方法研究现状 |
| 1.4.1 传感器优化布置 |
| 1.4.2 基于动力响应的结构损伤识别 |
| 1.4.3 基于多源信息融合的风险预测预警 |
| 1.5 本文工作内容 |
| 2 基于改进PSO的海洋平台冰振响应监测传感器优化布置方法 |
| 2.1 寒区海洋平台的传感器优化布置方法 |
| 2.1.1 基于最小模态置信度的传感器优化布置方法 |
| 2.1.2 寒区海洋平台传感器优化布置的特殊性 |
| 2.2 动态惯性权重的粒子群(PSO)寻优算法 |
| 2.2.1 粒子群算法简介 |
| 2.2.2 动态惯性权重的粒子群算法理论模型 |
| 2.2.3 基于动态惯性权重的粒子群算法的传感器优化布置方法 |
| 2.3 遗传算法寻优 |
| 2.3.1 遗传算法简介 |
| 2.3.2 基于遗传算法的传感器优化布置方法 |
| 2.4 数值算例 |
| 2.4.1 结构参数 |
| 2.4.2 结构模态分析 |
| 2.4.3 待优化布置位置 |
| 2.4.4 粒子群算法的优化布置结果 |
| 2.4.5 遗传算法的优化布置结果 |
| 2.5 两种方法的优化布置性能对比 |
| 2.5.1 寻优速度 |
| 2.5.2 寻优能力 |
| 2.6 本章总结 |
| 3 基于Hilbert-Huang变换的抗冰导管架平台损伤识别方法 |
| 3.1 基于Hilbert-Huang变换的损伤特征指标构建 |
| 3.1.1 经验模态分解 |
| 3.1.2 Hilbert变换 |
| 3.1.3 基于Hilbert能量边际谱的损伤特征指标构建 |
| 3.2 损伤特征指标仿真分析 |
| 3.2.1 抗冰导管架平台结构参数 |
| 3.2.2 结构荷载 |
| 3.2.3 损伤特征指标分析 |
| 3.2.4 不同冰厚对损伤特征指标影响 |
| 3.2.5 不同冰速对损伤特征指标影响 |
| 3.3 水下位置损伤的损伤特征指标仿真分析 |
| 3.3.1 抗冰导管架结构水下损伤位置 |
| 3.3.2 损伤特征指标分析 |
| 3.4 利用冰振响应识别结构损伤的优越性 |
| 3.4.1 波浪荷载 |
| 3.4.2 波浪荷载下结构损伤特征指标 |
| 3.4.3 波浪荷载和冰荷载结构损伤特征指标对比 |
| 3.5 本章总结 |
| 4 基于多源信息融合的寒区海洋平台冰振风险预测方法 |
| 4.1 多源信息的现场监测体系 |
| 4.1.1 海冰参数监测 |
| 4.1.2 水文气象信息监测 |
| 4.1.3 平台冰振响应监测 |
| 4.2 海洋平台冰振危害等级的分级机制 |
| 4.2.1 人员感受分级 |
| 4.2.2 管线失效分级 |
| 4.3 基于遗传算法优化BP神经网络的冰振风险预测 |
| 4.3.1 冰激振动的环境影响因素 |
| 4.3.2 BP神经网络 |
| 4.3.3 数据归一化 |
| 4.3.4 网络结构与学习参数 |
| 4.3.5 神经网络初始权值对预测精度的影响 |
| 4.3.6 基于遗传算法的BP神经网络模型构建 |
| 4.3.7 实测数据学习与预测 |
| 4.4 本章总结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（5）空爆载荷作用下波形夹层板抗爆结构优化设计（论文提纲范文）
| 0 引言 |
| 1 抗爆结构优化设计方法 |
| 1.1 优化数学模型 |
| 1.2 BP神经网络响应面 |
| 1.3 遗传优化算法 |
| 1.3.1 选择罚函数 |
| 1.3.2 改进遗传算法 |
| 2 夹层板抗爆结构优化及分析 |
| 2.1 问题描述 |
| 2.2 正交设计优化分析 |
| 2.3 BP-GA优化分析 |
| 3 结论 |
（6）基于遗传算法和BP神经网络的海洋工程材料腐蚀预测研究（论文提纲范文）
| 1 基本理论 |
| 1.1 BP神经网络 |
| 1.2 遗传算法 |
| 2 GA-BP模型构建 |
| 2.1 数据来源 |
| 2.2 BP模型构建 |
| 2.3 基于GA优化BP模型的构建 |
| 2.4 网络模型构建 |
| 3 模型训练及分析 |
| 3.1 模型训练 |
| 3.2 实例分析 |
| 4 结论 |
（7）基于小波变换和神经网络的系泊缆力预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.1.1 选题背景及问题提出 |
| 1.1.2 选题目的及意义 |
| 1.2 国内外研究方法及现状 |
| 1.2.1 船舶系缆力研究方法 |
| 1.2.2 国外研究现状 |
| 1.2.3 国内研究现状 |
| 1.3 课题研究的内容和方法 |
| 1.3.1 研究内容 |
| 1.3.2 主要研究方法 |
| 本章小结 |
| 第二章 相关理论和技术 |
| 2.1 小波变换 |
| 2.1.1 小波变换发展历程 |
| 2.1.2 小波变换定义 |
| 2.1.3 小波函数种类 |
| 2.2 循环神经网络 |
| 2.2.1 循环神经网络发展历程 |
| 2.2.2 循环神经网络特点 |
| 2.2.3 LSTM和 GRU循环神经网络 |
| 2.3 大数据平台Hadoop |
| 2.3.1 Hadoop平台发展历程 |
| 2.3.2 Hadoop的特性 |
| 2.3.3 Hadoop组件及功能 |
| 2.4 量子计算 |
| 2.4.1 量子计算发展历程 |
| 2.4.2 量子计算相关概念 |
| 2.4.3 量子计算机的优势 |
| 本章小结 |
| 第三章 基于Daubechies和 GRU的系泊缆力预测模型设计 |
| 3.1 Daubechies-GRU系泊缆力预测模型设计 |
| 3.1.1 Daubechies小波 |
| 3.1.2 门控循环单元GRU |
| 3.1.3 Db-GRU系泊缆力预测模型流程设计 |
| 3.2 Daubechies-GRU系泊缆力预测模型实验验证与结果分析 |
| 3.2.1 实验方案设计 |
| 3.2.2 实验过程 |
| 3.2.3 实验结果分析 |
| 本章小结 |
| 第四章 基于Hadoop的 Db-GRU系泊缆力预测模型 |
| 4.1 基于Hadoop的 Db-GRU系泊缆力预测模型设计 |
| 4.1.1 MapReduce并行计算框架 |
| 4.1.2 MapReduce下的Db-GRU模型设计 |
| 4.2 基于Hadoop的 Db-GRU系泊缆力预测模型实验验证与结果分析 |
| 4.2.1 实验方案设计 |
| 4.2.2 实验平台安装 |
| 4.2.3 实验过程 |
| 4.2.4 实验结果分析 |
| 本章小结 |
| 第五章 基于量子计算改进的Db-GRU系泊缆力预测模型 |
| 5.1 量子算法 |
| 5.1.1 量子相位估计算法 |
| 5.1.2 量子搜素算法 |
| 5.2 量子小波变换算法 |
| 5.2.1 量子小波与小波包算法 |
| 5.2.2 量子Haar小波变换算法 |
| 5.3 量子神经网络 |
| 5.3.1 量子神经网络的发展及其优势 |
| 5.3.2 量子M-P神经元 |
| 5.4 量子Db-GRU系泊缆力预测模型设计 |
| 5.4.1 量子Daubechies-(Db4)小波变换算法 |
| 5.4.2 量子门控循环单元 |
| 5.4.3 量子Db-GRU系泊缆力模型设计 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（8）海洋平台岸基监测和健康预测系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 预警模型研究现状 |
| 1.2.2 海洋平台安全预警研究现状 |
| 1.3 存在的问题 |
| 1.4 本文研究的内容 |
| 第二章 海洋平台健康状况评估指标体系和数据采集方案 |
| 2.1 海洋平台健康状况评估指标体系的建立 |
| 2.1.1 海洋平台健康评价指标体系的建立原则 |
| 2.1.2 海洋平台健康评价指标的选择和分级标准 |
| 2.1.3 海洋平台健康状况评估等级的确定 |
| 2.2 海洋平台健康监测数据采集方案 |
| 2.2.1 海洋平台结构载荷信息采集内容 |
| 2.2.2 传感器的选型要求 |
| 2.2.3 硬件的选择 |
| 2.3 传感器参考布点 |
| 2.4 海洋平台健康监测系统框架 |
| 2.5 本章小结 |
| 第三章 改进的遗传算法优化的BP神经网络模型设计 |
| 3.1 BP神经网络理论 |
| 3.1.1 人工神经网络概述 |
| 3.1.2 BP神经网络结构及学习原理 |
| 3.1.3 BP神经网络优缺点分析 |
| 3.2 遗传算法理论 |
| 3.2.1 遗传算法概述 |
| 3.2.2 遗传算法术语 |
| 3.2.3 遗传算法原理 |
| 3.2.4 遗传算法局限性分析 |
| 3.3 改进的遗传算法优化的BP神经网络 |
| 3.3.1 总体设计思想 |
| 3.3.2 编码规则 |
| 3.3.3 适应度函数选择 |
| 3.3.4 遗传算子设计 |
| 3.3.5 自适应交叉和变异概率 |
| 3.3.6 步骤流程 |
| 3.4 本章小结 |
| 第四章 改进的神经网络模型在海洋平台健康状况预测上的应用 |
| 4.1 应用问题背景 |
| 4.2 基于IAGA-BP神经网络的海洋平台健康状况预测模型建立 |
| 4.2.1 海洋平台健康状况特征指标和综合评估等级的选取 |
| 4.2.2 BP神经网络结构设计 |
| 4.2.3 BP神经网络和遗传算法参数设计 |
| 4.2.4 学习样本的选取 |
| 4.2.5 数据预处理 |
| 4.3 神经网络模型性能验证 |
| 4.4 本章小结 |
| 第五章 海洋平台健康预测系统的软件开发和实现 |
| 5.1 软件系统架构和设计模式 |
| 5.1.1 B/S系统架构 |
| 5.1.2 MVC设计模式 |
| 5.1.3 MVC在B/S系统中的应用 |
| 5.2 开发平台介绍 |
| 5.2.1 Java |
| 5.2.2 Mysql |
| 5.2.3 Matlab |
| 5.3 软件系统的工作原理 |
| 5.4 监测系统软件功能 |
| 5.5 系统功能模块的设计与实现 |
| 5.6 本章小结 |
| 总结和展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术成果及参与的科研项目 |
| 致谢 |
（9）基于压电陶瓷智能垫片的海洋结构螺栓松动监测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 结构健康监测概述 |
| 1.2.1 结构健康检测系统的组成 |
| 1.3 国内外研究现状 |
| 1.3.1 结构健康监测技术的应用现状 |
| 1.3.2 螺栓松动监测的研究现状 |
| 1.3.3 环境因素干扰去除方法研究现状 |
| 1.4 本文研究主要内容 |
| 2 压电材料及螺栓监测基本原理 |
| 2.1 引言 |
| 2.2 压电材料特性 |
| 2.2.1 压电材料分类及特点 |
| 2.2.2 压电材料物理性能 |
| 2.2.3 压电材料主要性能参数 |
| 2.2.4 压电方程及压电常数 |
| 2.3 小波分析、粗糙接触理论及损伤指标 |
| 2.3.1 小波分析的发展 |
| 2.3.2 小波分析 |
| 2.3.3 粗糙接触面和经典赫兹接触理论 |
| 2.3.4 损伤指标 |
| 2.4 本章小结 |
| 3 新智能垫片传感器设计及性能试验 |
| 3.1 引言 |
| 3.2 现有传感器性能研究 |
| 3.2.1 PZT贴片式传感器 |
| 3.2.2 PZT植入式传感器 |
| 3.3 新智能传感器设计 |
| 3.3.1 新智能垫片传感器设计原理 |
| 3.3.2 新智能垫片传感器设计原图 |
| 3.4 压电陶瓷的压力特性 |
| 3.4.1 压电常数和压力的关系 |
| 3.5 压电陶瓷压压力特性实验设计及研究 |
| 3.5.1 实验目的 |
| 3.5.2 实验方案设计 |
| 3.5.3 实验步骤 |
| 3.5.4 实验数据处理及结果分析 |
| 3.6 传感器性能验证试验 |
| 3.6.1 实验目的 |
| 3.6.2 实验方案设计 |
| 3.6.3 实验步骤 |
| 3.6.4 实验数据处理及结果分析 |
| 3.7 本章小结 |
| 4 海洋平台结构螺栓松动监测去噪仿真模拟 |
| 4.1 引言 |
| 4.2 环境因素干扰去除方法选取及其优化 |
| 4.2.1 神经网络 |
| 4.2.2 小波去噪 |
| 4.2.3 方法优化 |
| 4.3 海洋平台螺栓松动监测仿真研究 |
| 4.3.1 仿真实验目的 |
| 4.3.2 实验过程及结果分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（10）深海Truss Spar平台系泊技术及锚固基础力学研究（论文提纲范文）
| 摘要 |
| Abstract |
| 论文创新点摘要 |
| 第一章 绪论 |
| 1.1 研究背景及选题意义 |
| 1.2 国内外现状分析 |
| 1.2.1 海洋平台和系泊材料的发展现状 |
| 1.2.2 系泊缆运动特性研究现状 |
| 1.2.3 平台水动力分析研究现状 |
| 1.2.4 系泊系统运动特性研究现状 |
| 1.2.5 系泊系统优化设计研究现状 |
| 1.2.6 吸力锚抗拔性能研究现状 |
| 1.3 研究目的及研究内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 第二章 系泊缆力学分析 |
| 2.1 悬链线方程 |
| 2.1.1 锚链系泊缆 |
| 2.1.2 合成纤维缆 |
| 2.1.3 复合系泊缆 |
| 2.2 静力特性研究 |
| 2.2.1 锚链系泊缆 |
| 2.2.2 复合系泊缆 |
| 2.3 动力分析 |
| 2.3.1 理论模型 |
| 2.3.2 有限元模拟 |
| 2.4 动力特性研究 |
| 2.4.1 锚链系泊缆 |
| 2.4.2 参数敏感性分析 |
| 2.4.3 复合系泊缆 |
| 2.4.4 参数敏感性分析 |
| 2.5 本章小结 |
| 第三章 平台垂荡响应研究 |
| 3.1 垂荡运动分析 |
| 3.1.1 主体附加质量和阻尼 |
| 3.1.2 垂荡板附加质量和阻尼 |
| 3.2 随机波浪 |
| 3.2.1 随机波浪数值模拟 |
| 3.2.2 波浪载荷计算 |
| 3.3 频域理论计算 |
| 3.3.1 常规线性化 |
| 3.3.2 等效线性化 |
| 3.3.3 算例分析 |
| 3.4 AQWA仿真结果 |
| 3.4.1 数值模型创建 |
| 3.4.2 人工阻尼对仿真结果影响 |
| 3.4.3 人工阻尼经验公式 |
| 3.5 本章小结 |
| 第四章 平台/系泊系统动力和疲劳分析 |
| 4.1 系泊系统设计简述 |
| 4.2 耦合运动方程 |
| 4.2.1 风载荷 |
| 4.2.2 流载荷 |
| 4.2.3 波浪载荷 |
| 4.3 运动算例 |
| 4.4 仿真结果分析 |
| 4.4.1 系泊方案(a) |
| 4.4.2 系泊方案(b) |
| 4.4.3 系泊方案(c) |
| 4.4.4 系泊方案对比 |
| 4.5 系泊缆疲劳分析 |
| 4.5.1 S-N曲线 |
| 4.5.2 疲劳应力范围的分布模型 |
| 4.5.3 Miner疲劳累积损伤理论 |
| 4.5.4 疲劳寿命计算步骤 |
| 4.5.5 疲劳分析结果 |
| 4.6 本章小结 |
| 第五章 系泊系统优化设计 |
| 5.1 优化算法简述 |
| 5.2 优化问题的定义 |
| 5.3 输入-输出数学模型 |
| 5.3.1 BP神经网络 |
| 5.3.2 算法学习规则 |
| 5.3.3 程序实现 |
| 5.4 优化问题求解 |
| 5.4.1 粒子群算法 |
| 5.4.2 和声搜索算法 |
| 5.5 优化算例 |
| 5.5.1 BP神经网络结构设计 |
| 5.5.2 粒子群算法参数优选 |
| 5.5.3 优化结果对比 |
| 5.5.4 优化结果验证 |
| 5.6 本章小结 |
| 第六章 吸力锚抗拔性能分析 |
| 6.1 吸力锚破坏模式分析 |
| 6.2 有限元模型建立 |
| 6.2.1 锚-土界面模拟 |
| 6.2.2 三维模型 |
| 6.3 吸力锚抗拔性能分析 |
| 6.3.1 竖向抗拔性能分析 |
| 6.3.2 水平抗拔性能分析 |
| 6.3.3 最佳载荷点 |
| 6.3.4 倾斜抗拔性能分析 |
| 6.4 仿生吸力锚研究 |
| 6.4.1 方案研究 |
| 6.4.2 竖向抗拔性能 |
| 6.4.3 水平抗拔性能 |
| 6.4.4 抗拔性能对比 |
| 6.5 本章小结 |
| 第七章 结论及展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 个人简介 |
四、海洋工程结构优化的遗传Hopfield神经网络算法研究（论文参考文献）
- [1]基于神经网络的斜向波和多向波越浪量预测研究[D]. 汤修潮. 大连理工大学, 2021(01)
- [2]基于数字孪生的SYMS铰节点健康管理研究[D]. 常进云. 大连理工大学, 2021(01)
- [3]海上风电水下检测AUV的路径规划及跟踪研究[D]. 张鹏. 大连理工大学, 2021(01)
- [4]海洋平台冰振危害监测与分析方法研究[D]. 王铭基. 大连理工大学, 2021(01)
- [5]空爆载荷作用下波形夹层板抗爆结构优化设计[J]. 刘昆,邱伟健,王自力. 船舶工程, 2020(12)
- [6]基于遗传算法和BP神经网络的海洋工程材料腐蚀预测研究[J]. 李海涛,袁森. 海洋科学, 2020(10)
- [7]基于小波变换和神经网络的系泊缆力预测方法研究[D]. 王雪. 大连交通大学, 2020(06)
- [8]海洋平台岸基监测和健康预测系统的研究[D]. 邵冬明. 江苏科技大学, 2020(03)
- [9]基于压电陶瓷智能垫片的海洋结构螺栓松动监测研究[D]. 陈佳雷. 大连理工大学, 2019(02)
- [10]深海Truss Spar平台系泊技术及锚固基础力学研究[D]. 王言哲. 中国石油大学(华东), 2018(07)