基于GA-BP算法的船舶轴系中间轴承安装变位调整方法技术

技术编号:20363708 阅读:39 留言:0更新日期:2019-02-16 16:54
本发明专利技术公开了一种基于GA‑BP算法的船舶轴系中间轴承安装变位调整方法,采集数据样本及数据归一化处理‑确定一次BP神经网络拓扑结构、参数设置及初始权值阈值‑GA算法对一次BP神经网络初始权值阈值进行寻优‑建立轴系中间轴承支反力与中间轴承变位值之间的拟合关系‑检验拟合关系计算精度‑拟合关系的应用。本发明专利技术在船舶轴系校中领域引入遗传算法优化BP神经网络的方法,可以针对不同状况根据轴系的轴承变位值来预测轴承负荷值,进而调整轴承高度,确保轴承负荷在允许的范围内,以保证轴系安全运转;本发明专利技术对于船舶轴系安装校中具有现实指导意义,有助于提高轴系安装质量和缩短安装时间。

【技术实现步骤摘要】
基于GA-BP算法的船舶轴系中间轴承安装变位调整方法
本专利技术属于海洋工程中间轴承安装变位
,具体地指一种基于GA-BP算法的船舶轴系中间轴承安装变位调整方法。
技术介绍
随着船舶建造的大型化、智能化发展趋势,推进轴系的合理安装校中问题显得尤为重要。在推进轴系的安装过程中,中间轴承的变位调整是重要环节,根据《钢质海船入级规范》要求,轴系安装后,需要采用顶举法检验轴承实际支反力,确保其不超出主机厂设计工况计算值的±20%。因此如何快速求得各轴承实际所需调整变位值,缩短安装校中时间,提高轴系安装质量成为研究热点。目前大多数船厂解决轴系安后不对中问题,普遍采用试凑法来调整中间轴承变位值,该方法对安装工人的经验要求很高,安装周期过长。而现有轴系安装校中变位调整缺乏具体参数指导,且各中间轴承实际支反力与变位值间呈非线性特点。
技术实现思路
本专利技术的目的就是要针上述技术的不足,提供了一种基于GA-BP算法的船舶轴系中间轴承安装变位调整方法,为轴系安装校中提供变位值参数指导,有助于提高安装质量和缩短安装时间。为实现上述目的,本专利技术所设计的基于GA-BP算法的船舶轴系中间轴承安装变位调整方法,调整方法如下:1)采集数据样本及数据归一化处理通过现场实际测量船舶轴系的中间轴承支反力和中间轴承支反力对应的中间轴承变位值,并将中间轴承支反力作为网络输入量、中间轴承变位值作为网络输出量;一个中间轴承支反力和该中间轴承支反力对应的中间轴承变位值作为一组数据样本,共采集N组数据样本;选取前M组数据样本作为神经网络的训练样本、后(N-M)组数据样本作为神经网络的测试样本,N、M均为自然数;并对所有数据样本进行归一化处理,将所有数据样本中的中间轴承支反力数据和中间轴承变位值数据均归一化至[0,1];2)确定一次BP神经网络拓扑结构、参数设置及初始权值阈值2a)确定一次BP神经网络拓扑结构一次BP神经网络拓扑结构包括输入层、隐含层和输出层;2b)设置一次BP神经网络参数选择对数S型logsig函数作为隐含层节点转移函数,设定线性purelin函数作为输出层节点转移函数,设定Levenbrg_Marquardt的trainlm函数作为BP神经网络算法的训练函数;2c)确定一次BP神经网络的初始权值阈值给一次BP神经网络的各个初始权值阈值赋予[-1,1]内的随机值;3)GA算法对一次BP神经网络初始权值阈值进行寻优通过GA算法对步骤2c)中一次BP神经网络初始权值阈值进行进化:3a)根据一次BP神经网络的初始权值阈值,计算得到拟合中间轴承变位值,根据训练样本的中间轴承变位值与拟合中间轴承变位值计算均方误差和;均方误差和由小到大依次排序,选取均方误差和最小的前10~20个个体组成新种群,对新种群进行交叉、突变,得到新的个体种群;3b)利用更新后的权值阈值,重复步骤3a),直至进化20~50次,将进化过程中使均方误差和最小的个体赋值给一次BP神经网络,遗传进化结束;4)建立轴系中间轴承支反力与中间轴承变位值之间的拟合关系4a)确定二次BP神经网络拓扑结构二次BP神经网络拓扑结构包括输入层、隐含层和输出层;4b)二次BP神经网络参数设置选择对数S型logsig函数作为隐含层节点转移函数,设定线性purelin函数作为输出层节点转移函数,设定Levenbrg_Marquardt的trainlm函数作为BP神经网络算法的训练函数;4c)确定二次BP神经网络的初始权值阈值二次BP神经网络的初始权值阈值为步骤3)中一次BP神经网络进化后的权值阈值;4d)将步骤1)归一化后的训练样本对步骤4c)中的二次BP神经网络进行训练,计算得到拟合中间轴承变位值;若训练样本的中间轴承变位值与拟合中间轴承变位值间均方误差和小于预设精度目标值,则训练终止,神经网络构建的拟合关系形成;若训练样本的中间轴承变位值与拟合中间轴承变位值间均方误差和大于预设精度目标值,则按照误差反向传递原则,更新网络权值阈值;5)检验拟合关系计算精度将步骤2)中的测试样本中的测试输入向量输入步骤4d)的拟合关系,计算得到拟合中间轴承变位值,将拟合中间轴承变位值进行反归一化处理,与测试样本中的输出向量进行对比,若拟合关系的精度误差满足《钢质海船入级规范》要求±20%则该拟合关系符合要求,若拟合关系的精度误差不满足《钢质海船入级规范》要求±20%,则跳转至步骤3),继续执行步骤3)和步骤4)得到中间轴承支反力与中间轴承变位值之间拟合关系的精度误差直至满足《钢质海船入级规范》要求±20%;6)拟合关系的应用将设计校中计算书给出的中间轴承轴承支反力,作为输入向量输入步骤4d)所建立的拟合关系,计算得到拟合中间轴承变位值。进一步地,所述步骤1)中,归一化处理的具体公式如下:式中:x为中间轴承支反力、x'为归一化处理后的中间轴承支反力、xmin为中间轴承支反力的最小值、xmax为中间轴承支反力的最大值;或者,x为中间轴承变位值、x'为归一化处理后的中间轴承变位值、xmin为中间轴承变位值的最小值、xmax为中间轴承变位值的最大值。进一步地,所述步骤2a)中,输入层包括n个输入节点数,输入向量组的每个向量元素是1#中间轴承支反力、2#中间轴承支反力、3#中间轴承支反力……n#中间轴承支反力;输出层包括m个输出节点数,输出向量组的每个向量元素是1#中间轴承变位值、2#中间轴承变位值、3#中间轴承变位值……m#中间轴承变位值;隐含层节点数n、m均为自然数,a为0至10之间的整数。进一步地,所述步骤2b)中,一次BP神经网络性能函数MSE,迭代次数为P次、学习率为0.05、预设精度目标值为0.0001,P为自然数。进一步地,所述步骤3a)中,交叉概率η为0.1~0.4、突变概率P为0.1~0.2。进一步地,所述步骤4a)中,输入层包括n个输入节点数,输入向量组的每个向量元素是1#中间轴承支反力、2#中间轴承支反力、3#中间轴承支反力……n#中间轴承支反力;输出层包括m个输出节点数,输出向量组的每个向量元素是1#中间轴承变位值、2#中间轴承变位值、3#中间轴承变位值……m#中间轴承变位值;隐含层节点数n、m均为自然数,a为0至10之间的整数。进一步地,所述步骤4b)中,二次BP神经网络性能函数MSE,迭代次数为P次、学习率为0.05、预设精度目标值为0.0001,P为自然数。本专利技术与现有技术相比,具有以下优点:通过现场测量的中间轴承支反力和中间轴承变位值数据,然后建立船舶轴系中间轴承支反力与中间轴承变位值拟合关系,最后利用该拟合关系基于设计支反力计算得到所需调整变位值,为轴系安装校中提供变位值参数指导。本专利技术在船舶轴系校中领域引入遗传算法优化BP神经网络的方法,可以针对不同状况根据轴系的轴承变位值来预测轴承负荷值,进而调整轴承高度,确保轴承负荷在允许的范围内,以保证轴系安全运转;本专利技术对于船舶轴系安装校中具有现实指导意义,有助于提高轴系安装质量和缩短安装时间。附图说明图1为实施例中拟合中间轴承变位置误差曲线图;图2为实施例中中间轴承支反力误差百分比曲线图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步的详细说明,便于更清楚地了解本专利技术,但它们不对本专利技术构成限定。一种基于GA-BP算法的船舶轴系中间轴本文档来自技高网...

【技术保护点】
1.一种基于GA‑BP算法的船舶轴系中间轴承安装变位调整方法,其特征在于:调整方法如下:1)采集数据样本及数据归一化处理通过现场实际测量船舶轴系的中间轴承支反力和中间轴承支反力对应的中间轴承变位值,并将中间轴承支反力作为网络输入量、中间轴承变位值作为网络输出量;一个中间轴承支反力和该中间轴承支反力对应的中间轴承变位值作为一组数据样本,共采集N组数据样本;选取前M组数据样本作为神经网络的训练样本、后(N‑M)组数据样本作为神经网络的测试样本,N、M均为自然数;并对所有数据样本进行归一化处理,将所有数据样本中的中间轴承支反力数据和中间轴承变位值数据均归一化至[0,1];2)确定一次BP神经网络拓扑结构、参数设置及初始权值阈值2a)确定一次BP神经网络拓扑结构一次BP神经网络拓扑结构包括输入层、隐含层和输出层;2b)设置一次BP神经网络参数选择对数S型logsig函数作为隐含层节点转移函数,设定线性purelin函数作为输出层节点转移函数,设定Levenbrg_Marquardt的trainlm函数作为BP神经网络算法的训练函数;2c)确定一次BP神经网络的初始权值阈值给一次BP神经网络的各个初始权值阈值赋予[‑1,1]内的随机值;3)GA算法对一次BP神经网络初始权值阈值进行寻优通过GA算法对步骤2c)中一次BP神经网络初始权值阈值进行进化:3a)根据一次BP神经网络的初始权值阈值,计算得到拟合中间轴承变位值,根据训练样本的中间轴承变位值与拟合中间轴承变位值计算均方误差和;均方误差和由小到大依次排序,选取均方误差和最小的前10~20个个体组成新种群,对新种群进行交叉、突变,得到新的个体种群;3b)利用更新后的权值阈值,重复步骤3a),直至进化20~50次,将进化过程中使均方误差和最小的个体赋值给一次BP神经网络,遗传进化结束;4)建立轴系中间轴承支反力与中间轴承变位值之间的拟合关系4a)确定二次BP神经网络拓扑结构二次BP神经网络拓扑结构包括输入层、隐含层和输出层;4b)二次BP神经网络参数设置选择对数S型logsig函数作为隐含层节点转移函数,设定线性purelin函数作为输出层节点转移函数,设定Levenbrg_Marquardt的trainlm函数作为BP神经网络算法的训练函数;4c)确定二次BP神经网络的初始权值阈值二次BP神经网络的初始权值阈值为步骤3)中一次BP神经网络进化后的权值阈值;4d)将步骤1)归一化后的训练样本对步骤4c)中的二次BP神经网络进行训练,计算得到拟合中间轴承变位值;若训练样本的中间轴承变位值与拟合中间轴承变位值间均方误差和小于预设精度目标值,则训练终止,神经网络构建的拟合关系形成;若训练样本的中间轴承变位值与拟合中间轴承变位值间均方误差和大于预设精度目标值,则按照误差反向传递原则,更新网络权值阈值;5)检验拟合关系计算精度将步骤2)中的测试样本中的测试输入向量输入步骤4d)的拟合关系,计算得到拟合中间轴承变位值,将拟合中间轴承变位值进行反归一化处理,与测试样本中的输出向量进行对比,若拟合关系的精度误差满足《钢质海船入级规范》要求±20%则该拟合关系符合要求,若拟合关系的精度误差不满足《钢质海船入级规范》要求±20%,则跳转至步骤3),继续执行步骤3)和步骤4)得到中间轴承支反力与中间轴承变位值之间拟合关系的精度误差直至满足《钢质海船入级规范》要求±20%;6)拟合关系的应用将设计校中计算书给出的中间轴承轴承支反力,作为输入向量输入步骤4d)所建立的拟合关系,计算得到拟合中间轴承变位值。...

【技术特征摘要】
1.一种基于GA-BP算法的船舶轴系中间轴承安装变位调整方法,其特征在于:调整方法如下:1)采集数据样本及数据归一化处理通过现场实际测量船舶轴系的中间轴承支反力和中间轴承支反力对应的中间轴承变位值,并将中间轴承支反力作为网络输入量、中间轴承变位值作为网络输出量;一个中间轴承支反力和该中间轴承支反力对应的中间轴承变位值作为一组数据样本,共采集N组数据样本;选取前M组数据样本作为神经网络的训练样本、后(N-M)组数据样本作为神经网络的测试样本,N、M均为自然数;并对所有数据样本进行归一化处理,将所有数据样本中的中间轴承支反力数据和中间轴承变位值数据均归一化至[0,1];2)确定一次BP神经网络拓扑结构、参数设置及初始权值阈值2a)确定一次BP神经网络拓扑结构一次BP神经网络拓扑结构包括输入层、隐含层和输出层;2b)设置一次BP神经网络参数选择对数S型logsig函数作为隐含层节点转移函数,设定线性purelin函数作为输出层节点转移函数,设定Levenbrg_Marquardt的trainlm函数作为BP神经网络算法的训练函数;2c)确定一次BP神经网络的初始权值阈值给一次BP神经网络的各个初始权值阈值赋予[-1,1]内的随机值;3)GA算法对一次BP神经网络初始权值阈值进行寻优通过GA算法对步骤2c)中一次BP神经网络初始权值阈值进行进化:3a)根据一次BP神经网络的初始权值阈值,计算得到拟合中间轴承变位值,根据训练样本的中间轴承变位值与拟合中间轴承变位值计算均方误差和;均方误差和由小到大依次排序,选取均方误差和最小的前10~20个个体组成新种群,对新种群进行交叉、突变,得到新的个体种群;3b)利用更新后的权值阈值,重复步骤3a),直至进化20~50次,将进化过程中使均方误差和最小的个体赋值给一次BP神经网络,遗传进化结束;4)建立轴系中间轴承支反力与中间轴承变位值之间的拟合关系4a)确定二次BP神经网络拓扑结构二次BP神经网络拓扑结构包括输入层、隐含层和输出层;4b)二次BP神经网络参数设置选择对数S型logsig函数作为隐含层节点转移函数,设定线性purelin函数作为输出层节点转移函数,设定Levenbrg_Marquardt的trainlm函数作为BP神经网络算法的训练函数;4c)确定二次BP神经网络的初始权值阈值二次BP神经网络的初始权值阈值为步骤3)中一次BP神经网络进化后的权值阈值;4d)将步骤1)归一化后的训练样本对步骤4c)中的二次BP神经网络进行训练,计算得到拟合中间轴承变位值;若训练样本的中间轴承变位值与拟合中间轴承变位值间均方误差和小于预设精度目标值,则训练终止,神经网络构建的拟合关系形成;若训练样本的中间轴承变位值与拟合中间轴承变位值间均方误差和大于预设精度目标值,则按照误差反向传递原则,更新网络权值阈值;5)检验拟合关系计算精度将步骤...

【专利技术属性】
技术研发人员:邓义斌徐韩韩杨小钢
申请(专利权)人:武汉理工大学
类型:发明
国别省市:湖北,42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1