结构优化的振动抑制装置为水下停泊平台使用CFD和神经网络

文摘

我们只考虑水下系泊平台(人民运动联盟)和板在横向方向上移动,和板可以相对于人民运动联盟自由旋转。在流量不变的情况下( m / s),不同的无量纲的影响板长度()和阻尼值()人民运动联盟进行了研究。我们得到样本数据点集的计算流体力学(CFD)模拟改变无量纲板长度( ,0.5,0.75,1.0,1.25,1.5)和阻尼值( 、75、100、125、175、250、300 (N×s / m))。最优值的振动抑制率是通过反向传播(BP)神经网络和遗传算法。最优振动抑制率和相应的变量值 , (N×s / m)。为了验证优化的准确性,我们执行的CFD数值模拟优化参数和比较的理论优化结果与CFD模拟结果。CFD模拟和优化之间的绝对误差只有0.0037。最后,我们比较基于CFD模拟的结果与裸露的人民运动联盟并分析其最优参数无量纲振幅,尾流结构和升力系数。结果表明,BP神经网络和泛型算法是有效的。

1。介绍

水下系泊平台(人民运动联盟)是一个类的水下设备和锚的链接在海上工作。人民运动联盟民事和军事任务中都有广泛的应用。压力、水质检测、摄像机和声学通信,和其他传感器安装在平台上。它可以用于海洋环境管理、资源保护、灾害监测、海洋水文监测在民事领域,它还可以用于我们的军队水面舰艇和潜艇为远程侦察防御。人民运动联盟要求尽可能稳定和耐冲击,确保各种传感器可以正常工作。因此,为了改善人民运动联盟的稳定性,是很有意义的运动联盟的振动抑制控制技术研究。目前,人民运动联盟的特点的研究主要是集中在模拟锚链和电缆,而人民运动联盟稳定性的研究尤其少。水下振动控制的研究主要是集中在近海领域的立管。

摘要涡激振动抑制方法可分为两种类型:主动控制和被动控制措施。主动控制措施实时监控的流场变化和结构性力量。干扰是通过自动技术流,可以控制气缸涡旋脱落,最终达到抑制振动的目的。被动控制措施改变流场通过直接修改的外部形状结构或其他设备连接到结构。的目的是实现控制的形成和脱落涡。与主动控制措施相比,被动控制措施设计简单,容易制造,成本低。所以它在海洋工程领域得到了广泛的应用。

在本文中,考虑到人民运动联盟的稳定性,我们采用了一个相对简单的振动抑制device-splitter板可自由旋转相对于人民运动联盟。

先前的研究文献中,有许多的研究气缸固定配电板和少研究背后的分流板,可以自由旋转气缸。绝大多数是研究固定两脚规在涡旋脱落的影响。为elastic-supported cylinder-splitter板系统,丁et al。1]研究了分流板后特征和涡激振动的特征在高雷诺数下,分流板的长度在哪里与气缸的直径相同。结果表明,在高雷诺数,汽缸与板的振幅不减少(没有抑制振动的影响),但随着雷诺兹的数量增加而增加。振动频率低于裸缸和气缸的涡脱落模式配电板和裸缸也是不同的。抑制作用更明显的速度减少。谭et al。2)进行了二维数值模拟分流印版滚筒和裸缸,和分流板的长度比气缸的直径从0.25变化到2.0 ( 0。25 ~ 2.0)结果表明,分流板最重要影响立管的涡激振动控制是1.0 - -2.0。王等人。3进行了二维计算流体动力学(CFD)数值模拟的固定板(变量的无量纲长度)分离。当雷诺数1000年和30000年,分别改变 = 0.5 ~ 2.0,模拟可以减少阻力系数、升力系数和涡脱落频率。本文档的Amiraslanpour et al。4)是用于研究中的两个配电板的上游或下游阶段缸。他们发现的影响配电板阻力的气缸。他们也研究的影响距离结束的分光器圆柱表面没有太多对阻力的影响。当振幅比汽缸直径( )是0.25和0.5,阻力分别降低了57%和36%。邱et al。5)实验研究了固定气缸与额叶板,裸缸,缸后分流板,汽缸与双边盘子,半圆柱形屋顶。他们发现缸与后分流板( )能有效地抑制涡旋脱落,和剪切层两边的板分开。卢et al。6)实验研究的两个相邻立管涡激振动的影响配电板上的分流板,发现立管是有效地抑制错流(CF)和在线(IL)。Assi et al。7尝试用普通的气缸,气缸与固定的分流板,与旋转自如分离器板缸,缸双板和研究他们的振动振幅在不同速度降低。结果表明,这些设备可以有效地减少阻力和抑制旋涡振动。Assi et al。8)主要研究旋转自如的稳定感到整流罩和分流板作为涡激振动的抑制。他们研究了旋转(在二自由度旋转自如抑制)和不旋转(固定抑制1-dof)在不同速度降低。发现free-rotating抑制将偏转位置保持稳定和扩展涡旋脱落和抑制涡激振动。也发现,固定抑制将显示严重疾驰相当流响的流动速度。Gozmen et al。9和朱et al。10)研究了不同长度的关系的分流板压制涡旋脱落。顾et al。11]研究了固定缸一个免费的分流板,板的长度之比,气缸的直径变化从0.5到6和雷诺数的变化从30000年到60000年。压力分布、阻力、升力和涡脱落模式进行了分析,并相对应的研究发现,自由旋转角长板的长度更小。Akilli et al。12]研究无量纲厚度等因素的影响( )在配电板和距离( )之间的板和固定圆柱涡脱落了。板不同的无量纲厚度从0.016到0.08,并改变了从0到100的距离(毫米)步长为12.5。当改变从0到1.75,板影响涡旋脱落的抑制。法律和Jaiman [13]研究了四种防振设备(整流罩,connected-C disconnected-C,配电板)另外,该设备不能自由旋转相对于气缸。发现connected-C设备类似于整流罩设备对涡激振动的影响。研究还发现,connected-C装置,disconnected-C装置可以有效地防止汽缸飞奔在高速度降低,但它们之间的联系几乎没有影响振动抑制。在[14),作者主要研究了圆柱装有三种不同几何形状的飞溅板(固态配电板、固体分流板和有槽分流板 )。他研究了不同振动的响应机制的三个设备有不同的速度减少。

参照上述最新文献,很少有研究配电板参数和旋转的分流板相对于气缸。所以在本文中,我主要研究了分流板的长度的影响,可以自由旋转的圆筒和阻尼值分流板和气缸之间的人民运动联盟的振动抑制技术。

对于一些复杂的数值模拟,如果我们都使用CFD仿真解决方案,然后我们将大大增加成本的计算,计算周期。因此,为了提高计算效率,本文建立了基于CFD的组合优化方法和反向传播(BP)神经网络和遗传算法。使用BP神经网络和遗传算法的非线性数据找到最优值(15- - - - - -17]。自适应控制(18,19)的神经网络也被很好的应用程序。Safikhani et al。20.)研究了多目标优化nanofluid流在平坦浴缸,结合CFD,人工神经网络和遗传算法。他们有重要的设计关于纳米流体和扁管的信息通过结合CFD, GMDH,多目标优化方法。Avci et al。21]研究了设计参数的优化家庭冰箱使用CFD和人工神经网络。本文表明CFD模拟和安可以冰箱设计确定最佳值。

所以我们可以结合CFD模拟和BP神经网络遗传算法优化的最佳振动抑制率。通过CFD模拟软件的使用,我们可以得到一些关于振动抑制率的数据,最后结合BP神经网络遗传算法寻找最佳抑制效应和相应的无量纲板长度和阻尼值的大小。

2。几何配置

电缆的一端系在人民运动联盟和海下的另一端是固定的,所以,人民运动联盟是漂浮在大海。一些传感器不能正常工作,因为海洋流容易导致涡激振动。从上述研究的启发,我们安装了一个配电板后的人民运动联盟,分流板可以自由旋转的人民运动联盟。如图1(一)人民运动联盟的整体图,和(b)是配电板的原理图旋转。涡旋脱落过程交替两岸的人民运动联盟,并将产生涡激振动因为周期性脉动产生的人民运动联盟部队。因此,我们设计了一个可旋转的分流板扩展过程,实现振动抑制的影响。在本文中,我们主要关注评估结构之后,力量,运动(人民运动联盟只有在横向方向上移动一个自由度,和分流板相对旋转运动联盟),和横向振幅在不同设计参数与CFD方法。

(一)

(b)

因为二维模型需要较少的网格和较短的计算时间,一般的涡激振动数值模拟是基于二维数值模拟。一个简化的二维(2 d)模型的运动联盟分流板如图2。表示在图的参数2那代表上游流的速度;代表板的长度;代表的根板之间的距离和人民运动联盟的中心;代表了板的旋转角度;代表之间的弹簧刚度板和人民运动联盟;代表系统阻尼;代表人民运动联盟和直径代表板的高度;代表人民运动联盟之间的简化弹簧刚度和电缆。在哪里来自(1), (N / m)值是恒定值。

在本文中,我们设定人民运动联盟的中心之间的距离和板的根源 (m)和气缸的直径 (m)。一个典型的流动速度选择m / s为所有模拟。

每个参数的具体值如表所示1。


参数

价值	0.533米	1米/秒	0.3米	1599 N / m	0.002米

请注意。“~”表示的值是可变的。

2.1。控制方程和湍流模型

本文的数值模拟计算介质不可压缩粘性流体,不考虑温度变化。它属于非定常流。控制方程包括连续性方程和动量方程,如下所示: 在哪里代表着速度的流体方向;表示流体密度;代表流体的运动粘度系数; 代表不同的轴的方向。

目前,常用的湍流模型在计算流体动力学主要包括雷诺应力模型和粘性涡模型。雷诺应力模型直接补充方程表达了雷诺应力方程解决时均运动控制方程。涡模型假设湍流粘度和涡度系数来补充介绍了雷诺应力张量和(3可以看到)。在哪里代表湍流涡粘性系数;代表了湍流动能,

的模型的优点结合起来模型和模型,即边界层问题的优势和优越的场计算。使用湍流模型数值模拟涡激振动问题是更准确,所以本文使用模型进行数值模拟。

2.2。运动方程

板的动力学方程可自由旋转的人民运动联盟可以通过一个典型的系统和质-弹了在哪里是总板的转动惯性;是系统阻尼,弹簧的刚度,板的振动角,盘子里的水动力。

总的转动惯性()板结构转动惯性(的总和)和附加质量组件()。和可以通过计算方程,分别为: 在哪里人民运动联盟的长板, m;板的密度;板的高度;代表的根板之间的距离和人民运动联盟的中心;代表板的长度;是水的密度。

人民运动联盟的振动方程(1-dof)只能通过在横向方向上质量弹簧刚度系统和提交在哪里是人民运动联盟的总质量和人民运动联盟的总质量()和板的总质量()。上面的是人民运动联盟的附加质量的总和()和人民运动联盟本身的质量();的和额外的质量板()和板本身的质量()。从自由的角度旋转板很小,额外的板的质量()是大约计算作为一个圆柱体直径等于它的长度。见公式(10)。是有线电视和人民运动联盟之间的等效刚度,可从公式(1)。是整个系统的总升力的和气缸的气缸提升电梯和电梯板。 , ,和的位移、速度和加速度在y方向(横向振动方向)。在哪里人民运动联盟的长板, m;水的密度, 公斤/米³;是额外的质量因素, ;板的密度, 公斤/米³。

为了消除的空间影响,电梯,阻力,扭矩也规范化,板的固有频率所示(14)。

3所示。数值方法

3.1。计算域和边界条件

一个矩形的长度45和一个宽30作为本文的计算域。如图3从图可以看出,人民运动联盟的中心放置在距离的左边界计算域到15和对称轴的顶部和底部边界。整个域分为七个子域,包括两个外部静态域,两个动态域名更新网格分层方法(22,23),两个内固定域5和6,和一个振荡领域。这个内部固定域7包含细胞周围的人民运动联盟。旋转域板所在地除以两个滑动接口两种内固定域(域5和域7)。静止域5有两个上下移动边界的网格更新。网格更新域(域3和域4)和内部的整个运动联盟运动域(域5域6和域7)除以一个外部静止域(域1和域2)。以下是边界条件的描述:(1)入口:设置统一和稳定流动的速度1米/秒;相应的雷诺数为533000;(2)出口:外流出口边界条件;(3)接口:七之间的重叠边缘域设置为接口;(4)墙:人民运动联盟和板的表面设置为无滑移边界条件,而顶部和底部边缘将滑移边界条件。

3.2。网格生成

整个计算域四边形网格单元。这里是一文不值,刚性边界层必须添加到人民运动联盟和板表面的边界层网格移动人民运动联盟和板是稳定和形状不再变化提供足够的精度。第一层边界层高度是根据的价值决定的流利的建议的用户指南(24]对海温的使用湍流模型。这里设置第一层高度为0.0002米,和人民运动联盟和板块边界层设置为16层和12层。图4展示了整个计算域网格图。图5显示了人民运动联盟的网格图和板。振荡域旋转中心的人民运动联盟和旋转接口,和旋转的网域并不能改变和更新。

3.3。网格独立性、数值方法和时间步验证

3.3.1。网格独立验证和数值方法验证

利用CFD数值模拟啮合和时间步结果有显著的影响。网格独立验证研究是使用三个网格进行不同节点密度(41000/66900/97000元素)。网验证是通过一个固定的圆柱和不旋转 , , , 。网格的独立性验证通过评估的均方根(RMS)的升力系数和阻力系数均值不同的网格密度。结果总结在表2。这两个和针对不同网格密度有良好的一致性。因此,介质密度的网格可以预测性能提供足够的精度和稍后将用于模拟。


网	的元素数量	RMS的Cl	平均Cd

(1)	41000年	0.145321	0.515543
(2)	66900年	0.162324	0.571632
(3)	97000年	0.172251	0.583214

一些之前的实验已经完成的研究配电板后的气缸。为了证明数值方法的有效性,我们使用CFD模拟1-degree-of-freedom与一个圆柱体涡激振动,然后将计算结果与实验数据进行比较。验证模拟中采用的测试参数是相同的实验,表中列出3。


描述	象征	价值

质量比		0.93
阻尼比		0.1076
速度比		3-13
单位长度上的弹簧刚度	(N / m)	76.5
直径	(毫米)	32

图6显示之间的振幅和频率响应的比较数值和实验结果。观察到,薇芙振幅从数值方法获得与实验数据吻合较好,和振幅的锁定(对应于上面的分支)的特点,除了稍微高估高流速度。至于频率,数值结果与实验结果一致。因此,与实验比较表明,数值方法是相当可信的和可接受的。

3.3.2。时间步的验证

本文的数值模拟参数时间步验证本文的仿真参数是一样的。我们只是模拟的流动固定缸板来验证时间步。我们进行数值模拟与无因次板的长度是1。时间步长是0.001,0.002,0.005,0.01和0.02。我们验证的有效时间一步指的均方根(RMS)和平均阻力系数在不同的时间步骤。这将不仅得到准确的结果,也提高计算的效率。结果总结在表4。升力系数曲线如图7。表4和图7显示,在保证计算精度的前提下,同时提高计算的效率,我们选择0.005作为本文的时间步。


时间步长	RMS的Cl	平均Cd

0.001	0.169321	0.574532
0.002	0.168376	0.573810
0.005	0.162324	0.571632
0.01	0.150719	0.567762
0.02	0.127477	0.559646

4所示。数值模拟

4.1。数值模拟条件

在本文的数值模拟中,我们主要研究板长度和阻尼的影响(之间的阻尼运动联盟和板)在人民运动联盟振幅变化。此外,板的厚度和板的前面人民运动联盟的中心()也对振动的抑制率有一定的影响。为了减少计算量,我们设置板厚度和距离()作为一个常数。其他相关数值模拟参数( 板的固有频率),( 米,板的高度), (N×s / m)(我们可以看到从(1))。方程(6),(7),(8)和(14)表明,当我们改变板长度、板的总惯性矩也变化(6),(7)和(8)。板的弹簧刚度变化的总转动惯量盘也获得的(14)。所有案例计算,网格的密度,和时间的步骤都是一样的。这里我们选择了板长度的数据 ,0.5,0.75,1.0,1.25,和1.5和阻尼数据50,75,100,125,175,250,300 (N×s / m)。每个变量的范围如表所示5。


设计变量	从	来	选择

	0.3	1。5	0.3,0.5,0.75,1.0,1.25,1.5
(N×s / m)	50	300年	50、75、100、125、175、250、300

4.2。数值模拟结果

在这篇文章中,无量纲的影响板长度()和阻尼()人民运动联盟的振动条件下,研究了其他参数保持不变。我们首先模拟涡激振动的相同的计算模拟条件下裸缸。我们比较振动振幅、升力系数和阻力系数的裸缸缸板。研究的参数,振动的振幅()、无因次振幅(),抑制率如表所示6。这是无量纲的振幅这是实际的振幅比人民运动联盟的直径。


数量		(N×s / m)	(m)

(1)	- - - - - -	- - - - - -	0.451631	0.847339	- - - - - -
(2)	0.3	50	0.386184	0.724547	0.144914
(3)	0.3	75年	0.451842	0.847734	−0.00047
(4)	0.3	One hundred.	0.487460	0.914559	−0.07933
(5)	0.3	125年	0.524511	0.984073	−0.16137
(6)	0.3	175年	0.543321	1.019364	−0.20302
(7)	0.3	250年	0.522656	0.980593	−0.15726
(8)	0.3	300年	0.512464	0.961472	−0.1347
(9)	0.5	50	0.289810	0.543733	0.358304
(10)	0.5	75年	0.312187	0.585717	0.308757
(11)	0.5	One hundred.	0.338961	0.635948	0.249475
(12)	0.5	125年	0.367375	0.689259	0.18656
(13)	0.5	175年	0.434383	0.814977	0.038191
(14)	0.5	250年	0.447285	0.839185	0.009622
(15)	0.5	300年	0.448789	0.842005	0.006293
(16)	0.75	50	0.011683	0.021920	0.974131
(17)	0.75	75年	0.010332	0.019384	0.977124
(18)	0.75	One hundred.	0.012791	0.023999	0.971677
(19)	0.75	125年	0.015718	0.029490	0.965197
(20)	0.75	175年	0.020008	0.037539	0.955698
(21)	0.75	250年	0.148309	0.278252	0.671616
(22)	0.75	300年	0.147588	0.276900	0.673212
(23)	1。0	175年	0.010143	0.019031	0.97754
(24)	1。0	250年	0.015051	0.028238	0.966674
(25)	1。0	300年	0.016659	0.031256	0.963113
(26)	1.25	50	0.015277	0.028662	0.966174
(27)	1.25	75年	0.012806	0.024026	0.971645
(28)	1.25	One hundred.	0.010937	0.020519	0.975784
(29)	1.25	125年	0.009723	0.018242	0.978471
(30)	1.25	175年	0.009179	0.017222	0.979676
(31)	1.25	250年	0.010298	0.019320	0.977199
(32)	1.25	300年	0.012559	0.023562	0.972192
(33)	1。5	50	0.030614	0.057437	0.932215
(34)	1。5	75年	0.028877	0.054178	0.936061
(35)	1。5	One hundred.	0.027484	0.051565	0.939145
(36)	1。5	125年	0.026268	0.049283	0.941838
(37)	1。5	175年	0.024477	0.045924	0.945802
(38)	1。5	250年	0.022894	0.042952	0.949309
(39)	1。5	300年	0.021951	0.041185	0.951395

通过表6研究发现,当无量纲板长度()是0.3和阻尼值()大于75 (N×s / m),人民运动联盟不会显示振动抑制的影响,但增加振动振幅。

从有限的离散参数数据点,我们可以看到,人民运动联盟的振幅是最小的,当无量纲板长度()是1.25,阻尼()是175 (N×s / m)和最大抑制率()是0.979676。对抑制振动的影响达到最好的结果。

5。优化设计方法

对于未知非线性函数,很难准确地找到函数的极值只能通过函数的输入和输出数据。这类问题可以通过BP神经网络和遗传算法来解决。BP神经网络的非线性拟合能力和遗传算法的非线性优化能力找到极值。对于一些复杂的数值模拟,如果我们都使用CFD仿真解决方案,然后我们将大大增加成本的计算,计算周期。因此,为了提高计算效率,本文建立了基于CFD的组合优化方法和BP神经网络和遗传算法。优化方法是获取数据的采样点通过CFD模拟,然后用BP神经网络建立代理模型影响因素和响应值之间。然后使用遗传算法解决优化模型,得到最优问题的解决方案。

5.1。BP神经网络

BP神经网络是一种多层前馈网络的误差反向传播,具有很强的非线性映射逼近能力,是应用最广泛的神经网络。BP神经网络主要是通过输入数据进行网络训练,最后建立映射关系,然后做网络预测输出。神经网络被广泛使用,例如,在运动控制的驱动轮式倒立摆模型(25)周围的障碍物和机器人自我认同,26]。BP神经网络的拓扑结构如图8。有两个输入层节点结构,五个隐藏层节点,和一个输出层节点。每个节点代表一个神经元结构,层与层之间的节点连接权重。以下是BP神经网络的工作原理。

(1)网络初始化。根据CFD模拟结果,确定网络输入数据和输出数据( , )。隐层的数据矩阵,我们可以看到在吗在哪里输入节点数;输出节点的数量;隐层的节点数;训练样本的个数。这篇论文= 2,等于1,= 5,等于32。

(2)隐层的输出。根据输入向量 ,输出隐层的计算,可以看出在哪里是输入层和隐层之间的连接权重和隐藏层节点的阈值。隐藏层的激活函数所示

(3)输出层的输出。基于隐层输出3,计算预测BP神经网络的输出,如图所示在哪里是一个隐藏层和输出层之间的连接权重和输出层节点的阈值。

(4)误差计算。根据网络预测输出和预期的输出 ,然后计算网络预测误差 ,如图所示,

(5)重量更新。重量是根据更新网络预测误差(),如所示在哪里BP神经网络的学习效率。

(6)阈值更新。根据网络预测误差阈值更新(),如所示

确定迭代结束;如果没有,返回步骤(2)。它指出,所有的迭代过程BP神经网络的均方误差(mse)所示(22)。此外,平均预测的准确性()被定义为Kreith et al。(2000)27和王(2000)28]。换句话说,表示拟合优度,它是用来测量预测输出数据之间的相关性和训练样本数据。它的值是1,越接近越好培训网络。在哪里输出节点的数量;训练样本的个数。

5.2。遗传算法优化

遗传算法是一种模拟生物进化过程的计算模型的遗传机制。这是一个方法来搜索最优解的可行解的问题。它有强烈的全局优化能力。在遗传算法中,我们将每个人口的个人作为一个解决问题的办法,即染色体。在MATLAB遗传算法操作流程如下:(1)首先,我们初始化种群,然后计算健身价值。最后,我们寻找最好的染色体从最初的人口,这是解决问题的办法。(2)迭代优化如下:(一)选择:第一,解决问题是由使用浮点编码编码。这个函数选择每一代种群中的染色体后续的交叉和变异。使用的方法是轮盘赌选择法。(b)交叉:这个函数是一个随机选择的两个染色体,根据确定交叉的交叉概率和交叉位置也是随机的。(c)变异:这个函数执行变异操作。染色体变异和突变的位置都是随机选择的。最后,它将检查染色体的可行性;否则,它将被重新编译。(d)结果分析。

几代之后,有一个最优解的问题。BP神经网络的近似模型的建立和数值优化的遗传算法如图9(29日]。

6。分析振动抑制的CFD模拟结果人民运动联盟

6.1。振动幅值分析

如表所示6本文通过CFD模拟取得了33套数据。通过这些数据,我们可以分析无因次板长度的影响()和阻尼()的振幅运动联盟,如三维图所示10。的坐标的三维图代表无量纲板长度的变化(),坐标表示阻尼值的变化(),协调代表振动抑制率()。此外,它对应于二维轮廓线,如图11。从这两个图表我们可以得到无量纲板长度的变化的影响()和阻尼值(振动抑制率(上))。我们总结出以下规则。

(1)总的来说,当阻尼值是常数,无量纲的影响板长度()人民运动联盟先增加,然后随无量纲板长度的增加()。当阻尼值()在50、75、100、125年和175年(N×s / m),分别人民运动联盟的振动抑制的结果是最明显的,达到超过0.9与无因次板长度的变化(从0.75到1.25)。

(2)当无因次板长度()是0.75,抑制率()从0.955698下降到0.671616,阻尼值(从175年到300年)改变(N×s / m)。当无量纲板()是0.3,振动抑制率()下降到负值,表明它不会镇压人民运动联盟在这种情况下的振动。在无量纲板长度(),0.3,0.5,0.75和1.0,分别振动抑制率()随阻尼值的增加,但增加的无量纲板长度()是1.5。当无量纲板长度()是1.25,振动抑制率()的增加先增加,然后降低阻尼值和最大振动抑制率()是0.979676。

(3)在这些数据,当 , 是最好的数据点的人民运动联盟振动抑制。它的振动抑制率()达到0.979676。

6.2。升力系数和阻力系数的分析

分别研究了两种不同的参数,讨论了升力系数和阻力系数的变化规律的参数对整个运动联盟,分别。值得注意的是,我们正在研究的升力系数是整个系统的总升力系数。的阻力系数板相对于气缸阻力系数非常小,我们忽略圆柱体板阻力系数和阻力系数近似为整个系统的阻力系数。为了清晰地描述整个系统的力量,我们选择了均方根(RMS)平均升力系数和阻力系数在以下研究。

(1)无量纲板长度对升力系数和阻力系数。图12显示了不同的阻尼值之间总升力系数的变化随着无量纲板长度的增加。与此同时,我们比较裸缸的升力系数。

从图可以看出,总体来说,在相同的阻尼值的情况下,RMS总升力系数的降低,然后增加逐渐增加的无量纲板长度。可以看出,当无量纲板长度从0.5到0.75,RMS的总升力系数急剧下降约0.6到0.15。当无量纲板长度是0.75,1.25,和1.5,RMS的总升力系数小于裸缸。我们可以看到,阻尼值为175 (N×s / m)和无量纲板长度是1.25的RMS总升力系数是最小的。

从图可以看出13,所有气缸的平均阻力系数小于裸缸。阻力系数与无量纲板长度的增加减少。当无量纲板长度是0.75,1.0,1.25,和1.5,阻尼值越大,平均阻力系数越小,但相反的,当无量纲板长度是0.3和0.5。

(2)影响阻尼值的升力系数和阻力系数。图14图展现出相应的RMS的变化总升力系数时,阻尼值增加。很明显从图15的RMS总升力系数远远大于裸缸时的无量纲板长度是0.3和0.5在整个阻尼值变化区域。剩下的无量纲板长度小于裸缸或接近它。范围的阻尼值大于100,RMS总升力系数的无因次板的长度小于等于1.25,其他的无量纲盘子,当阻尼值为175 (N×s / m)、总升力系数的均方根最小,最小值是0.048405。无因次板长度0.75相对变量,当阻尼值是50到75年,总升力系数的均方根最小的比其他无量纲板长度。当阻尼值变化从175年到250年(N×s / m), RMS总升力系数的显著增加。

在图15,我们可以看到裸缸的平均阻力系数与所有相比是最大的无量纲板长度当阻尼值增加。的平均阻力系数的无因次板长度逐渐增加0.3和0.5作为阻尼值增加。然而,剩下的无量纲板长度减少。无因次板长度越长,越小意味着全球阻尼的阻力系数在该地区范围。

通过上面的分析,我们可以得到以下结论。

(1)当整个系统的总升力系数的均方根小于升力系数的均方根裸缸,振动抑制效果明显,和振动抑制率大于0.9。

(2)板的汽缸的平均阻力系数小于裸缸。也就是说,盘子可以减少阻力。

6.3。分析尾流结构

通过数值模拟结果,当无量纲板长度是1.25和阻尼值为175,盘子里有最好的镇压人民运动联盟的振动的影响。所以我们选择了案例分析其涡模式和涡旋脱落。涡脱落模式可以参考文献威廉姆森和Roshko (1988) (30.),2 s, 2 p, 2 t。

从图可以看出16涡度的图是一个轮廓的无因次板长度1.25和阻尼值175 (N×s / m)。涡度的轮廓显示,其结构是一个典型的2 s涡模式。这表明人民运动联盟的板后地区有一定的影响。然后扩展到剪切层板的顶端。

图17是一个区间的描述周期,然后吸引不同间隔周期轮廓的涡度和压力。从图中,我们可以看到板防止剪切层之间的交互。的涡旋脱落从圆柱的表面延伸到后板。所以圆柱表面上的脉动力量削弱。可以看到从涡度云,涡运动从根板的小费。的板总是只有一个漩涡,漩涡是同时的,和其他漩涡形成的根源。从云的压力表明圆柱表面的涡流不能脱落的后表面缸隔板的存在,但扩展到隔板的尖端。从图可以看出,此时的圆柱表面两侧背压是难以改变的。是年底发生了重大的变化,并观察表面的压力缸对板的压力。这有助于减少升力。

(一)

(b)

(c)

(d)

7所示。神经网络和遗传算法优化

7.1。神经网络训练

(1)样本数据的选择。在这项研究中,我们使用MATLAB软件作为神经网络和遗传算法优化平台。首先,我们必须选择合理的样本数据点。从表可以看出6第三八个数据,抑制率是负的。这种情况不会实现振动抑制的影响;它不能用作数据点的优化。第一组是光秃秃的圆柱形的数据,所以它不能作为优化的样本点。其中,我们将随机19组数据用于训练fata,其余13组数据作为测试数据。

(2)网络模型建立。从图7我们可以看到,我们使用3 - layer神经网络处理32组数据,和隐层的数量5。

(3)网络培训。我们设定的目标错误网络(net.trainParam.goal) 0.000004,学习速率(net.trainParam.lr) 0.1,训练步骤的数目(net.trainParam.epochs)到100。与此同时,我们设置了均方误差(mse)作为性能函数。

根据以上设置,BP神经网络进行训练,直到训练网络满足预定目标。因此,BP神经网络的预测图所示18。从图可以看出,训练网络非常接近的日期。表7显示的比较神经网络预测输出与测试样本数据点。他们之间的最大绝对误差为0.164798081,最小相对误差为0.191199%。我们可以得到相对误差在228.074937%至0.191199的范围。这里需要解释的是,我们可以看到,预测输出数据为负,表明条件不玩振动抑制的作用,但导致了振动。所以有可能是一个负面的抑制振动率与较低的振动抑制率出现在样例数据。所以它的相对误差非常大,达到了228.074937%。


数量	测试样本数据	预测数据	绝对误差	相对误差(%)

(1)	0.949309	0.9415	0.007809093	0.822608
(2)	0.009622	0.01069	0.001067986	11.099397
(3)	0.978471	0.9766	0.001870826	0.191199
(4)	0.971677	0.8949	0.076777254	7.901518
(5)	0.358304	0.3872	0.028896097	8.064689
(6)	0.249475	0.2568	0.007325429	2.936343
(7)	0.955698	0.7909	0.164798081	17.243739
(8)	0.977124	0.931100	0.046023748	4.710125
(9)	0.038191	0.065120	0.026928866	70.510779
(10)	0.965197	0.861200	0.10399661	10.774656
(11)	0.006293	−0.008060	0.014353191	228.074937
(12)	0.673212	0.579600	0.093611759	13.905247
(13)	0.966174	0.970000	0.003826088	0.396004

图19显示了神经网络的性能。这个数字表明,验证性能在8号时代,它已经非常接近我们的目标网络的误差。图20.显示了回归分析的BP神经网络。从图可以看出,训练集,验证集和测试集的复杂关联号码()非常接近1。结果表明,所构造的BP神经网络具有较高的预测精度。

7.2。遗传算法优化

然后我们使用遗传算法来优化以前训练的BP神经网络。人民运动联盟的抑制率作为健身。健身曲线计算遗传算法如图21

从图可以看出21,当开始迭代迅速收敛,最佳的健身价值()往往是稳定的,它的值是0.9878。在这个时候我们可以得到一个优化的最优振动抑制率()以及相应的无量纲板()长度和阻尼值()。他们是 , , 分别(N×s / m)。比较数据如表所示8。优化前后的数据对比表明,抑制率增加0.82925。


参数	优化前	优化后

	1.25	1.0342
(N×s / m)	175年	57.9631
	0.979676	0.9878

8。CFD验证

为了验证的准确性和有效性BP神经网络和遗传算法优化的结果,我们得到优化结果,验证了优化结果与流利的15.0数值试验方法。与此同时,我们必须保证相同的仿真条件下本文进行CFD模拟。最后的仿真结果如表所示9。


优化结果	CFD模拟结果	绝对伏特加的错误

0.9878	0.9841	0.0037

从表可以看出9,BP神经网络的结果和泛型算法优化关闭的CFD模拟,和绝对误差只有0.0037。结果表明,BP神经网络和泛型算法是有效的。我们还发现振动抑制率结果优化的BP神经网络和泛型算法( )比我们使用的样品,达到抑制振动率最高。同样,振动抑制率在CFD验证最优参数(= 1.0342, (N×s / m)),这也是最大的样本数据。这表明BP神经网络和泛型算法可以根据我们的目标函数(振动抑制率)来优化参数达到最优值。

8.1。比较裸露的人民运动联盟和CFD模拟的结果基于最优参数

我们比较的结果分析,裸露的人民运动联盟和CFD仿真基于最优参数,主要为无量纲振幅,尾流结构,总升力系数。

(1)无量纲振幅。如图22,很明显,人民运动联盟的无量纲幅板( )要小得多比裸露的人民运动联盟。人民运动联盟的无量纲幅年代板块和裸露的人民运动联盟是0.013508和0.847339,分别。的抑制率0.9841 CFD仿真基于最优参数。

(2)总数的均方根升力。如图23,总升力系数的均方根相对于裸露的人民运动联盟也减少了通过比较CFD仿真结果与优化结果(来自BP神经网络和遗传算法)。人民运动联盟的总升力系数的均方根板块和裸露的人民运动联盟是0.040929和0.140653,分别。

(3)尾流结构。如数据所示24和25,他们是裸露的人民运动联盟的涡度云映像和芬欧蓝 ,分别。我们只选择了4个点云图像显示涡度。是观察到盘子里改变了人民运动联盟的尾流结构模式,和尾流结构模式从光秃秃的人民运动联盟的2 p模式的2 s模式与板块运动联盟。剪切层的相互作用是防止板。板扩展了涡旋脱落,涡从人民运动联盟并接了。

数据(26日)和26日(b)压力云与云一样上面的漩涡。整个图中可以看到(26日),裸露的人民运动联盟后显著区域的压力变化。在这一点上,前面部分裸露的人民运动联盟的压力分布不均匀。这产生一个相对较大的升力。相反,在图26日(b)背后,两边的板的压力大大人民运动联盟并没有改变,因为涡扩展板的尖端剥离后地区的人民运动联盟的盘子。

(一)人民运动联盟的等压线

(b)的等压线人民运动联盟

9。结论

电流的作用下,人民运动联盟悬浮在海水将进行涡激振动,这样就会失去它的价值。在本文中,我们研究了影响配电板的振动运动联盟。板的主要参数的无量纲板长度()和阻尼值(人民运动联盟和板之间。我们使用CFD数值模拟的人民运动联盟的振动,它会增加更多的计算成本和时间的情况。所以,我们考虑使用BP神经网络和遗传算法来优化这两个参数以减少人民运动联盟的振动。在这项研究中,可以得出以下结论。

(1)我们选择38 CFD模拟的示例数据点并提取结果。从有限的离散参数数据点,我们可以看到,人民运动联盟的振幅是最小的,当无量纲板长度()是1.25,阻尼()是175 (N×s / m)和最大抑制率()是0.979676。对抑制振动的影响达到最好的结果。当无量纲板长度是0.3和0.5,无论事实阻尼值是多少,它的振动抑制效果很差,可能增加振动振幅。振动抑制效果更好的在0.75到1.5的无因次板长度,和最佳阻尼范围随无量纲板长度。

(2)我们使用MATLAB软件作为神经网络和遗传算法优化平台。首先,我们选择适当的32组数据作为优化变量和抑制率为目标函数对BP神经网络和遗传算法。优化结果表明,最优抑制率是0.9878,和相应的无量纲板长度()是1.0342和阻尼值()是57.9631 (N×s / m)。

(3)为了验证优化的准确性,我们执行的CFD数值模拟优化参数和比较的理论优化结果与CFD模拟结果。从表可以看出9,BP神经网络的结果和泛型算法优化关闭的CFD模拟,和绝对误差只有0.0037。结果表明,BP神经网络和泛型算法是有效的。

通过本文的研究,我们得到了参数值时的振动抑制效果最好的BP神经网络和遗传算法和CFD验证。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究受到了美国国家科学基金会的中国(授予号。51179159和51179159)和陕西青年科技新星项目(批准号2016 kjxx-57)。

引用

l .叮,Z.-Q l . Zhang。杨et al .,“分流板对涡激振动的影响在高雷诺数圆柱,”中国机械工程杂志》上卷,49号14日,第139 - 133页,2013年。视图:出版商的网站|谷歌学术搜索
棕褐色,js。顾Wang f . et al .,“立管涡激振动的数值模拟磁盘,使用分离”水化学研究进展,24卷,不。1,43-48,2009页。视图:谷歌学术搜索
f·h·j . Wang Liu顾,p .赵”数值模拟的流控制隔水管连接配电板,”ASME学报2010年第29届国际会议上海洋,海洋工程和北极2010年6月,页489 - 498。视图:出版商的网站|谷歌学术搜索
m . Amiraslanpour j . Ghazanfarian s e·哈扎维,“拖抑制与各种安排的2 d摆动气缸Re = 100:配电箱,一个高振幅与OpenFOAM研究,“风工程和工业空气动力学卷,164年,第137 - 128页,2017年。视图:出版商的网站|谷歌学术搜索
吴裘y, y的太阳,y, y(“配电板和雷诺数对气动载荷作用于一个圆柱体,”风工程和工业空气动力学卷。127年,40 - 50,2014页。视图:出版商的网站|谷歌学术搜索
m·卢z陈,陈平,“实验调查两个干扰立管的涡激振动的抑制与分流板,“天然气的科学与工程》杂志上,35卷,第752 - 736页,2016年。视图:出版商的网站|谷歌学术搜索
g . r . s . Assi p . w . Bearman, n . Kitney”低阻力抑制涡激振动圆柱的解决方案,“流体和结构》杂志上,25卷,不。4、666 - 675年,2009页。视图:出版商的网站|谷歌学术搜索
g . r . s . Assi p . w . Bearman, m . a . Tognarelli“稳定的旋转自如感到整流罩和分流板作为涡激振动的抑制,”海洋工程卷,92年,第244 - 234页,2014年。视图:出版商的网站|谷歌学术搜索
b . Gozmen h . Akilli, b,“被动控制圆柱在浅流,醒来”测量,46卷,不。3、1125 - 1136年,2013页。视图:出版商的网站|谷歌学术搜索
h·朱y林、问:贾和x,“薇芙的抑制效应的模拟与分流板、隔水管”学报》第三届IEEE计算机科学和信息技术国际会议(IACSIT 10)》第六卷,p。5, IEEE中国理事会,IEEE北京部分四川计算机协会,2010年。视图:谷歌学术搜索
顾,j . s . Wang x问:乔,黄和z”压力分布、脉动部队和涡旋脱落的行为与可旋转的圆柱体分流板,“流体和结构》杂志上28卷,第278 - 263页,2012年。视图:出版商的网站|谷歌学术搜索
h . Akilli b,和n . f .图们江,“抑制涡旋脱落的圆柱体在浅水中由配电板”流量测量和仪表,16卷,不。4、211 - 219年,2005页。视图:出版商的网站|谷歌学术搜索
y z法律和r·k·Jaiman”后的稳定机制配套的涡激振动抑制装置,”流体和结构》杂志上卷,70年,第449 - 428页,2017年。视图:出版商的网站|谷歌学术搜索
g . r . s . Assi和p . w . Bearman装有横向飞奔的圆柱固体和开槽分流板,“流体和结构》杂志上54卷,第280 - 263页,2015年。视图:出版商的网站|谷歌学术搜索
l . Ma, s, m .秋问:李和z,“优化能源消耗高含硫天然气净化厂基于反向传播神经网络和遗传算法,”能源Procedia卷,105年,第5171 - 5166页,2017年。视图:出版商的网站|谷歌学术搜索
W.-Z。江,S.-Q。段,C.-M。杨et al .,“离心泵叶轮的优化设计基于CFD模拟和BP神经网络,”机床与液压,44卷,不。22日,第70 - 67页,2016年。视图:出版商的网站|谷歌学术搜索
C.-J。梁,G.-L。杨,x。王et al .,“火炮结构的动态优化基于神经网络和遗传算法,”兵器工业杂志,36卷,不。5,789 - 794年,2015页。视图:谷歌学术搜索
a . m . c . Smith, c .杨h .妈,p . Culverhouse a . Cangelosi和e . Burdet”小说混合自适应控制器操纵在复杂的干扰环境,”《公共科学图书馆•综合》,10卷,不。6篇文章ID e0129281 2015。视图:出版商的网站|谷歌学术搜索
c·杨、李z和j .李”轨迹规划和优化的自适应控制的轮式倒立摆车模型,”IEEE控制论,43卷,不。1,24-36,2013页。视图:出版商的网站|谷歌学术搜索
h . Safikhani a . Abbassi a Khalkhali, m . Kalteh“多目标优化nanofluid流平管使用CFD,人工神经网络和遗传算法,”先进的粉技术,25卷,不。5,1608 - 1617年,2014页。视图:出版商的网站|谷歌学术搜索
h . Avci d . KumlutaşO。沉思,m . Ozşen”优化设计参数的家用冰箱使用CFD和人工神经网络,”国际期刊的制冷卷,67年,第238 - 227页,2016年。视图:出版商的网站|谷歌学术搜索
w .田、毛z和f .赵”设计和数值模拟流动诱导振动能量转换器的水下系泊平台”能量,10卷,不。9,1427年,页2017。视图:出版商的网站|谷歌学术搜索
w·田毛z、x、b . Zhang和h·温”的数值研究尾流的能量回收行驶车辆在高速公路上通过使用一个垂直轴风力涡轮机,”能源卷,141年,第728 - 715页,2017年。视图:出版商的网站|谷歌学术搜索
ANSYS公司,流利的15.0用户指南,2016年。
c·杨,李z, r .崔,徐,”神经网络运动控制的驱动轮式倒立摆模型,”IEEE神经网络和学习系统,25卷,不。11日,第2016 - 2004页,2014年。视图:出版商的网站|谷歌学术搜索
c . x Wang, z Ju et al .,“周围的障碍检测,机器人机械手自我认同”多媒体工具和应用程序卷,76年,第6520 - 6495页,2017年。视图:出版商的网站|谷歌学术搜索
e . f . Kreith m·j·莫兰,g . Tsatsaronis“工程热力学”热能工程的CRC手册,艾德。f . Kreith CRC新闻LLC波卡拉顿,佛罗里达州,美国,2000年。视图:谷歌学术搜索
b .王传热科技2000年,高等教育出版社,2000年。
X.-C。王,有43个MATLAB神经网络的案例研究,北京航空航天大学出版社,2013年。
c·h·k·威廉姆森和a . Roshko“振荡圆柱的涡形成后,“流体和结构》杂志上,卷2,不。4、355 - 381年,1988页。视图:出版商的网站|谷歌学术搜索

复杂性

神经网络对复杂系统:理论和应用程序

文摘