《表1 U、V方向速度的训练误差与输入参数数量的变化关系》
实际工程应用中,该舰面流场实时预警系统希望通过在舰船表面的关键位置布置压强传感器,通过监测这些位置压强的变化来对舰船流场做出实时预测。因此,分析数值计算所得的舰船表面所有点的压强信息,筛选出对流场影响最大的关键点,并将这些点的压强作为神经网络的输入。甲板面位于z=27.4 m位置处,为避免海浪溅得过高影响压强传感器的测量精度,测压点位置均选在z=25.4 m以上,由于舰船表面共有73096个网格点,无法直接确定输入参数个数及位置,选取了148个工况下压强标准差最大的32个点作为备选测压点进行特征选择。通过Matlab建立BP神经网络模型,隐藏层15个神经元,训练函数为trainlm函数(即LM算法),输入为测压点的压强数据,输出为U、V方向来流速度,其中样本数据的70%作为训练集,15%作为验证集,15%作为测试集。尝试从待选测压点中分别抽取4、6、8、10、12个点作为输入,均随机抽取1000次,选取误差最小的结果,如表1所示。
图表编号 | XD00119197500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.18 |
作者 | 苏萁、王逸斌、赵宁 |
绘制单位 | 南京航空航天大学非定常空气动力学与流动控制工业和信息化部重点实验室、南京航空航天大学非定常空气动力学与流动控制工业和信息化部重点实验室、南京航空航天大学非定常空气动力学与流动控制工业和信息化部重点实验室 |
更多格式 | 高清、无水印(增值服务) |