基于SGA-BP-GA方法的FPSO舷侧结构耐撞性能优化设计

由于船体结构及碰撞优化的复杂性,使得传统优化方法难以有效进行。基于遗传算法、模拟退火算法和BP神经网络,结合正交试验设计和ABAQUS参数化仿真技术,提出一种新的结构耐撞性优化方法——SGA-BP-GA。为了提高BP网络对结构耐撞性指标的预测精度和泛化能力,利用模拟退火算法的概率突跳特性克服遗传算法易早熟和陷于局部最优的缺点,在此基础上采用模拟退火遗传算法(SGA)对BP网络的权重进行优化。采用提出的SGA-BP-GA方法对FPSO舷侧结构耐撞性能进行优化设计,以验证其准确性与可行性。结果表明:与传统BP、GA-BP和SA-BP相比,SGA-BP具有更高的预测精度和泛化能力;与GA-BP-GA方法相比,SGA-BP-GA优化结果仍提高了5.34%;提出的SGA-BP-GA方法能够较好的适用于复杂的船体结构耐撞性优化设计。