一种基于神经网络的复合材料螺旋桨铺层角优化方法技术

本发明专利技术涉及一种基于神经网络的复合材料螺旋桨铺层角优化方法，属于叶轮机械仿真技术领域。本发明专利技术通过建立复合材料螺旋桨有限元模型，将其与复合材料螺旋桨计算流体力学模型进行双向流固耦合计算，得到对应的敞水性征曲线；采用正交试验设计方法对铺层角组合及其对应的水动力性能数据进行预处理，基于数值计算软件构建一个高度非线性拟合的BP神经网络，进而采用梯度下降算法对已构建的神经网络进行训练，最终得到拥有复合材料螺旋桨铺层角与推进效率之间的映射规律的BP神经网络；根据训练好的BP神经网络，对各铺层角组合情况进行优化预测，对所得效率数据分析得最大网络预测值及对应的铺层角组合，即基于神经网络实现复合材料螺旋桨铺层角优化。

【技术实现步骤摘要】
一种基于神经网络的复合材料螺旋桨铺层角优化方法
本专利技术涉及一种基于神经网络的复合材料螺旋桨铺层角优化方法，尤其涉及一种可实现船舶舰艇复合材料螺旋桨推进效率最大化的铺层角优化方法，属于叶轮机械仿真

技术介绍
传统的金属材料螺旋桨制造加工成本高、阻尼性能差、易产生噪声、桨叶易发生腐蚀，直接影响到螺旋桨的使用寿命和军用舰艇的生存及攻击能力。复合材料具有高比强度、高比模量、耐腐蚀、耐疲劳、阻尼减振性好、破损安全性好和性能可设计等，已在航空航天及土木工程等领域得到了广泛应用。随着我国海军装备建设和船舶航运业的发展，对螺旋桨的推进性能和结构性能提出了更高的要求，船舶制造业迫切需要采用更科学的工程手段，设计并制造出适合当今军民领域船舶航行需求的高效螺旋桨，故应用复合材料制造螺旋桨为改善其水动力性能及振动特性提供了新的契机。研究表明，通过对纤维铺层的设计和桨叶结构的改进，复合材料螺旋桨可根据承受的水动力载荷自适应地改变自身几何形状，进而调整侧斜、纵倾和螺距的分布以改善螺旋桨的水动力性能。目前船用纤维复合材料螺旋桨大都采用金属螺旋桨的型值，本文档来自技高网...

【技术保护点】
1.一种基于神经网络的复合材料螺旋桨铺层角优化方法，其特征在于：包括如下步骤，/n步骤一：基于仿真软件建立复合材料螺旋桨模型，以金属螺旋桨桨叶中面为对称中心定义复合材料层合板各铺层角度来完成纤维复合材料铺层，并导入金属螺旋桨叶压力面及吸力面模型来约束复合材料铺层外形，最终实现复合材料螺旋桨有限元模型的建立；/n所述纤维复合材料铺层方式包括单向或编织铺层方式；/n步骤二：将步骤一中建立的复合材料螺旋桨有限元模型导入有限元分析软件以计算桨叶结构响应，并通过添加边界条件，设置流固耦合交界面，进而对复合材料螺旋桨流场进行雷诺时均N-S方程(RANS)求解计算得到复合材料螺旋桨各铺层角组合对应的敞水性征...

【技术特征摘要】
1.一种基于神经网络的复合材料螺旋桨铺层角优化方法，其特征在于：包括如下步骤，
步骤一：基于仿真软件建立复合材料螺旋桨模型，以金属螺旋桨桨叶中面为对称中心定义复合材料层合板各铺层角度来完成纤维复合材料铺层，并导入金属螺旋桨叶压力面及吸力面模型来约束复合材料铺层外形，最终实现复合材料螺旋桨有限元模型的建立；
所述纤维复合材料铺层方式包括单向或编织铺层方式；
步骤二：将步骤一中建立的复合材料螺旋桨有限元模型导入有限元分析软件以计算桨叶结构响应，并通过添加边界条件，设置流固耦合交界面，进而对复合材料螺旋桨流场进行雷诺时均N-S方程(RANS)求解计算得到复合材料螺旋桨各铺层角组合对应的敞水性征曲线；
步骤三：采用正交试验设计方法，将对称铺设的n个铺层与p个铺层角的最佳组合结果制成正交试验设计表，并根据正交试验设计的数据样本，通过主要因素分析确定q组铺层角组合的计算结果作为数据样本；
步骤四：基于数值计算软件构建一个包含z层隐藏层的高度非线性拟合的BP神经网络；取复合材料螺旋桨的n个铺层角为网络输入，即该网络结构在输入层有n个节点；以2n+1个结点作为隐藏层节点数，并取推进效率η作为输出层的单个节点完成铺层角度到推进效率的高度非线性映射；
步骤五：铺层角与复合材料螺旋桨水动力性能间高度非线性，映射关系十分复杂；传统的响应面模型或代理模型优化方法无法实现铺层角与复合材料螺旋桨水动力性能映射关系拟合；由于BP神经网络较强的非线性处理功能；根据步骤三中的数据样本，BP神经网络以铺层角度为设计变量，以推进效率为目标函数，运用回归分析来拟合目标函数，得到复合材料螺旋桨铺层角与推进效率之间的映射规律的BP神经网络，BP神经网络计算模型只需要对其进行训练即能够得到各不同优化情况的目标函数，提高复合材料螺旋桨铺层角优化效率；
步骤六：根据BP神经网络输出层的误差平方和是否预设误差阈值判断误差是否收敛，若不收敛，即没达到目标精度，返回步骤五继续训练；若收敛，则误差精度已满足要求，进行步骤七的验证；
步骤七：将步骤五中剩下的铺层角组合数据作为验证集，输入到训练好的神经网络中，求得网络输出结果即推进效率值，和检验样本的输出数据作比较，完成神经网络计算精度的交叉验证；
步骤八：根据步骤六训练好的BP神经网络，对各铺层角组合情况进行优化预测，对所得效率数据分析得最大网络预测值及对应的铺层角组合，即基于神经网络实现复合材料螺旋桨铺层角优化。


2.如权利要求1所述的一种基于神经网络的复合材料螺旋桨铺层角优化方法，其特征在于：还包括步骤九，利用步骤八得到的复合材料螺旋桨铺层角组合，使经过铺层角优化的复合材料螺旋桨的推进效率在设计工况下与刚性桨等同，而在非设计工况下优于刚性桨，进而拓宽复合材料螺旋桨工作的高效区，提高复合材料螺旋桨推力效率等性能，解决复合材料螺旋桨应用领域工程技术问题。


3.如权利要求3所述的一种基于神经网络的复合材料螺旋桨铺层角优化方法，其特征在于：步骤九所述解决复合材料螺旋桨应用领域工程技术问题包括：得到各铺层角组合下的复合材料螺旋桨的推进效率，而且能够快速高效的得到最佳铺层角组合，进而延长螺旋桨的使用寿命，提高其水动力性能与噪声性能，节约能源，提高经济效益。


4.如权利要求1、2或3所述的一种基于神经网络的复合材料螺旋桨铺层角优化方法，其特征在于：步骤二具体实现方法为，将步骤一中建立完成的复合材料螺旋桨有限元模型导入有限元分析软件以计算桨叶结构响应，添加螺旋桨转速、固定约束等边界条件，并将复合材料螺旋桨桨叶设置为流固耦合交界面；复合材料螺旋桨结构控制方程为其中，[Ms]为结构质量矩阵，[Cs]为结构阻尼矩阵，[Ks]为结构刚度矩阵；{X}即结构位移、即结构速度、即结构加速度；FCFD代表通过CFD软件求解的流固耦合作用下结构所...

【专利技术属性】
技术研发人员：吴钦，曲毅，田茂宇，张晶，王国玉，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11