基于人工智能的深潜耐压球壳应力场映射

目的 针对深潜耐压球壳在真实下潜过程中全局应力场难以直接获取的问题,提出一种基于人工智能的深潜耐压球壳应力场映射算法。方法 构建深潜耐压球壳有限元模型,并开展仿真分析。提出深潜耐压球壳监测布点方案,进而利用长短时记忆神经网络(Long-short Term Memory Network,LSTM),将测点应力信息作为输入,将全局应力场信息作为输出,构建深潜耐压球壳应力场映射模型。最后,对不同测点下的映射结果进行分析。结果 与模型试验结果相比,仿真误差小于2%。与DNN模型及BP模型相比,映射误差分别下降94.92%与97.76%。结论 所提映射算法可在部分测点失效的情况下仍可以保持较高精度。     

基于实船结构监测数据的异常检测及处理方法

目的 获得高质量实船结构监测数据,减少数据因外界干扰造成的异常现象,现开发一套面向真实海况的实船结构监测数据的异常处理方法。方法 将统计学中的Z-score异常检测方法与数据处理中常用的平均值计算法相结合,实现对船舶结构应力数据的异常处理。基于正常信号创建含有异常现象的验证数据,对新的异常处理方法进行精度验证。结果 相比Hampel滤波法、Smooth平滑函数等传统的信号处理方法,Z-score异常检测及平均值计算方法的异常处理精度最高,且以此为基础计算的结构信号统计值准确度较好。结论 Z-score异常检测及平均值计算方法可实现真实海况下的实船结构监测数据的异常处理,并在结构应力数据的价值挖掘上可提供有力支撑。