[发明专利]一种拖体粘滞拖曳阻力预测方法及系统

说明书

本发明提供一种拖体粘滞拖曳阻力预测方法及系统，涉及流体力学计算领域，针对目前难以合理预报与速度有关的粘滞拖曳阻力的问题，通过建立仿真模型，计算不同设计变量下对应的粘滞拖曳阻力，建立数据库训练人工神经网络模型并建立代理模型，利用代理模型预报拖体的粘滞拖曳阻力；与计算流体力学仿真技术相比，利用代理模型计算未知拖曳工况下拖体的粘滞拖曳阻力能大大减少计算时间，提高深拖系统设计效率。

技术领域

本发明涉及流体力学计算领域，具体涉及一种拖体粘滞拖曳阻力预测方法及系统。

背景技术

深海拖曳式多道地震探测系统（简称深拖系统）是精准勘查近海底“可燃冰”等深海战略资源的装备之一，建立深拖系统的动力学模型是实现深拖系统设计的前提，而建立系统动力学模型的关键环节是建立深拖系统的水动力模型。如图1所示，由于深拖系统的拖缆与拖曳线阵列均为细长结构物，其水动力模型建立较为方便，而由于拖体为不规则形状的结构，其水动力模型较为困难。

虽然能够通过流体力学仿真技术来求解不规则形状结构物水动力荷载，但是，流体力学仿真技术求解拖体水动力荷载无法脱离深拖系统整体，需要将拖体、拖曳线阵列、拖缆等整个深拖系统一起进行仿真，增加了仿真工作的工作量，占用大量计算资源，且不易调整工况获取多组数据；通过拆分的方式，对拖体建立独立的水动力荷载仿真，申请号为202111006717 .3的中国专利中公开了一种阻力伞水动力荷载预测方法及系统，通过建立阻力伞的荷载变量模型实现水动力荷载的预测；与速度有关的粘滞拖曳阻力是拖体水动力载荷的重要组成部分，目前通过阻力伞的荷载变量模型无法准确计算水动力荷载中的粘滞拖曳阻力，因此，难以合理预报与速度有关的粘滞拖曳阻力，无法满足对拖体精细化仿真的需求。

发明内容

本发明的目的是针对现有技术存在的缺陷，提供一种拖体粘滞拖曳阻力预测方法及系统，通过建立仿真模型，计算不同设计变量下对应的粘滞拖曳阻力，建立数据库训练人工神经网络模型并建立代理模型，利用代理模型预报拖体的粘滞拖曳阻力。

本发明的第一目的是提供一种拖体粘滞拖曳阻力预测方法，采用以下方案：

包括：

建立拖体仿真模型；

选定拖体不同拖曳工况下的多组设计变量代入拖体仿真模型，得到每组设计变量对应的荷载变量，进而计算拖体对应的粘滞拖曳阻力；

基于设计变量和粘滞拖曳阻力，获取拖体的粘滞拖曳阻力代理模型，测试粘滞拖曳阻力代理模型性能；

依据粘滞拖曳阻力代理模型和设计变量，预测拖体的粘滞拖曳阻力。

通过向粘滞拖曳阻力代理模型中输入一组设计变量，即输入一组拖体沿x轴速度、沿y轴速度及绕z轴转角数据，快速而准确地得到当前设计变量对应的粘滞拖曳阻力沿x轴、y轴分力及由其导致的力矩。

进一步地，选择机器学习模型，通过设计变量和对应的粘滞拖曳阻力，创建设计变量-粘滞拖曳阻力组成的数据库，利用数据库训练机器学习模型，获取拖体的粘滞拖曳阻力代理模型。

进一步地，利用数据库训练机器学习模型，包括：

选择人工神经网络回归模型建立设计变量-粘滞拖曳阻力代理模型；

将数据库划分数据集，并带入人工神经网络回归模型进行训练，确定人工神经网络回归模型的超参数；

对超参数进行寻优，得到人工神经网络模型作为粘滞拖曳阻力代理模型。

进一步地，测试粘滞拖曳阻力代理模型性能具体包括：

选取设计变量带入粘滞拖曳阻力代理模型，得到粘滞拖曳阻力的预测值；

通过均方差和拟合优度指标表征代理模型的性能。