[发明专利]海洋装备中推进器的极限性能模拟方法

权利要求书

1.一种海洋装备中推进器的极限性能模拟方法，其特征在于，包括：

采集推进器的环境参数、材料参数和性能参数；

建立推进器极限性能模拟的神经网络模型，通过所述神经网络获得推进器的极限性能模拟系数；所述神经网路将环境参数与推进器的性能参数的相关参数γ和材料参数与性能参数的相关参数ξ作为输入向量，输出推进器的性能参数变化函数；所述神经网络模型的网络输出表达式为：

Y＝f₂[W₂·f₁(W₁·X-B₁)-B₂]

W₁、B₁分别为输入层到隐层的权值矩阵和偏差矩阵，W₂、B₂分别为隐层到输出层的权值矩阵和偏差矩阵，f₁、f₂分别为隐层和输出层的神经元传输函数，输出向量Y为推进器的极限性能函数，其输入向量X为环境参数、材料参数和性能参数的函数，其中：

X＝f(A，V，C，K)

式中，A为环境参数函数、V为材料参数函数、C为性能参数函数，K为相关函数；其中，A＝K₁(Loc，T₁，T₂，S)，Loc，T₁，T₂，S分别表示为地理位置、环境温度、空气湿度、风速；V＝K₂(L，M，N，O)，L，M，N和O分别为推进器中部件的硬度、强度、脆性和塑性；C＝K₃(F，P，S₁，S₂)，F，P，S₁，S₂分别为推进器的推力、功率、转速和航速这四个参数；K＝{γ，ξ}，γ为环境参数A与性能参数C的相关系数，ξ为材料参数V与性能参数C的相关系数，其中，

表示C的共轭；

表示C的共轭；

将输出推进器的性能参数变化函数通过线性拟合得到极限环境下对材料参数与性能参数的对应关系。

2.根据权利要求1所述海洋装备中推进器的极限性能模拟方法，其特征在于：利用上一个正常工况下推进器的状态参数对所建立的神经网络进行网络训练，根据输出值和正常工况下输出值之间的误差，不断调整隐含层函数、神经元个数以及权值，直到其误差满足要求；所述正常工况为推进器的状态参数满足标准条件下的环境。

3.根据权利要求2所述海洋装备中推进器的极限性能模拟方法，其特征在于：通过BP算法对所述神经网络进行网络训练，所述BP算法分为向前传播阶段和向后传播阶段，在向前传播阶段中，信息从输入层经过逐级的变换，传送到输出层；向后传播阶段根据绩效化误差调整权矩阵阶段；

取网络关于第p个样本的误差测度：

式中：m为输出层的神经元个数；y_pj表示第p个样本第j个元素的理想输出向量，Y_pj为第p个样本第j个元素的网络输出值，最后将网络关于整个样本集的误差测定为：

E＝∑E_p

根据上式计算至该整个样本集的误差在规定的阈值范围内。

4.根据权利要求1-3任一所述海洋装备中推进器的极限性能模拟方法，其特征在于所述将输出推进器的性能参数变化函数通过线性拟合得到不同环境参数下对材料参数与性能参数的对应关系通过下式计算：

式中，a_n为环境参数函数，x_i为推进器中部件i的材料参数函数，y_i为推进器中部件i的性能参数函数，∑x_iy_i为推进器中部件i不同环境参数下对材料参数与性能参数的对应关系式。