CN119397964A 基于物理信息神经网络的船舶耐波性智能预报方法及系统 （青岛哈尔滨工程大学创新发展中心）

基于物理信息神经网络的船舶耐波性智能了基于物理信息神经网络的船舶耐波性智能预耦合模型，实现对船舶耐波性的快速高精度预为船舶设计和航行安全提供了更为科学可靠的21.一种基于物理信息神经网络的船舶耐波性智能预报方法，其特征在于，该方法将S1、利用计算流体动力学CFD和响应振幅算子RA2.根据权利要求1所述的基于物理信息神经网络的船舶耐波性智能预报方法，其特征3.根据权利要求2所述的基于物理信息神经网络的船舶耐波性智能预报方法，其特征;;;;3;;···;式中，MS为结构质量矩阵，lz,ls为船;i为船舶的6个自由度，j表示与i自由度耦合的对应自由度。4.根据权利要求2所述的基于物理信息神经网络的船舶耐波性智能预报方法，其特征5.根据权利要求1所述的基于物理信息神经网络的船舶耐波性智能预报方法，其特征根据船舶在波浪中运动的能量守恒原理，构建能量损失和预测误差;Lossfumction,为基于船舶与波浪之间的能量损失方程，Lossaua,为运动响应的预测误差;4;6.根据权利要求5所述的基于物理信息神经网络的船舶耐波性智能预报方法，其特征;;船舶自由度衰减过程总能量由自由转动引起的动能和静水回复力矩做功引起的势能t时刻的总能量E(t)为：;;j+1时刻船舶总能量，E(t)为i时刻船舶总能量。7.根据权利要求1所述的基于物理信息神经网络的船舶耐波性智能预报方法，其特征通过CFD_RAO方法获取船舶在不同海况下的耐波性响应数据，耐波性响应数据包括船8.根据权利要求1所述的基于物理信息神经网络的船舶耐波性智能预报方法，其特征59.一种基于物理信息神经网络的船舶耐波性智能权利要求1_8任意一项所述基于物理信息神经网络的船舶耐波性智能预报方法，该系统包初始化网络和数据预处理模块（1用于利用计算流体动力学CFD和响应振幅算子RAO构建神经网络损失函数模块（2用于利用预测误差方程和船舶耐波性相关的物理方程序时实现上述所述基于物理信息神经网络的船舶耐波性智能预报系统6经验公式等方法。这些方法虽然在一定程度上能够反映船舶的耐波性能，但它们通常基于[0004]随着人工智能和深度学习技术的快速发展，物理信息神经网络（Physics_况下船舶耐波性的预测精度。因此提出一种基于物理信息神经网络的船舶耐波性预报方7;;式中：p为流体密度，U;(i=1,2,3)为x,y,z三个方向上的流体速;;8;;···;;i种运动模态诱导的i方向的附i为船舶的6个自由度，j表示与i自由度耦合的对应自由度。;;;9性阻尼系数，为第i个自由度下的角速度，tjt1为第j+1个时间点，tj为第i个时间点，与真实值yj之间的偏差。;;船舶自由自由度衰减过程总能量由自由转动引起的动能和静水回复力矩做功引;;j+1时刻船舶总能量，E(t)为i时刻船舶总能量。通过CFD_RAO方法获取船舶在不同海况下的耐波性响应数据，耐波性响应数据包[0016]本发明的另一目的在于提供一种基于物理信息神经网络的船舶耐波性智能预报[0018]本发明首次提出通过CFD_RAO方法获取数据集并在物理信息神经网络中进行训[0020]本发明的通过引入物理信息神经网络（PINN有效克服了传统方法在数据依赖、图1是本发明实施例提供的基于物理信息神经网络的船舶耐波性智能预报方法流图4是本发明实施例提供的基于物理信息神经网络的船舶耐波性智能预报系统示[0023]本发明的新点在于：本发明基于由CFD_RAO方法获取数据库并进行训练的物理信[0024]本发明包括基于CFD_RAO方法模拟船舶在波浪作用中航行，构建船舶能量与运动惯量i、波频w以及船舶的坐标位置x,y,z和质量矩阵MS；这些参数与波浪对船舶耐波性能得模型在最小化损失的过程中不仅拟合数据分布，还不断调整输出以符合真实的物理响;值，总损失函数的最小化过程可以促使神经网络在满足物理约束的前提下精确拟合数据，;;;;;···;;i种运动模态诱导的i方向的附i为船舶的6个自由度，j表示与i自由度耦合的对应自由度。[0040]船体模型采用多种船型与比例进行数据计算，在此以MOERIContainerShip[0044]为了准确模拟船舶航行中的水动力性;;;性阻尼系数，为第i个自由度下的角速度，tjt1为第j+1个时间点，tj为第i个时间点，;;船舶自由自由度衰减过程总能量由自由转动引起的动能和静水回复力矩做功引;;j+1时刻船舶总能量，E(t)为i时刻船舶总能量。[0050]首先通过CFD_RAO方法获取船舶在不同海况下的耐波性响应数据。这些数据包括初始化网络和数据预处理模块1，用于利用计算流体动力学CFD和响应振幅算子构建神经网络损失函数模块2，用于利用