基于反向传播神经网络(BPNN)的船体网格结构纵向弯曲振动特性研究

本研究针对船体网格结构低频弯曲振动分析中有限元建模效率低的问题，创新性地结合波动传播法(WPA)与反向传播神经网络(BPNN)，建立了弹簧振子耦合梁等效模型。通过BPNN快速预测固有频率，验证了等效模型在振动特性分析中的准确性，为船舶工程提供了高效的结构振动评估方法，兼具理论创新与工程应用价值。

　　

船舶作为复杂的海洋工程系统，其结构振动问题直接影响航行安全与乘员舒适性。船体网格结构作为关键承载部件，其低频弯曲振动特性长期困扰工程师——传统有限元法(FEM)虽精度高但建模耗时，而简化模型又难以兼顾精度与效率。更棘手的是，网格结构参数变化时需反复重建FEM模型，严重制约设计优化效率。这一矛盾促使研究人员寻求创新解决方案。

针对这一挑战，研究人员开展了一项突破性研究。他们创造性地将波动传播法(Wave Propagation Approach, WPA)与反向传播神经网络(Back Propagation Neural Network, BPNN)相结合，建立了弹簧振子耦合梁等效模型。该模型成功模拟了网格结构的低频弯曲振动行为，其中BPNN实现了固有频率的快速预测，避免了反复建模的繁琐过程。研究通过FEM仿真和实验模态测试双重验证，证实等效模型的准确性可达工程应用标准。这项发表于《Ocean Engineering》的成果，为船舶结构振动分析提供了兼具效率与精度的新范式。

关键技术方法
研究采用三大核心技术：1)基于WPA推导弹性边界条件下耦合梁系统的控制方程；2)构建BPNN预测网络，以网格结构参数(如加强筋间距、板材厚度等)为输入，输出固有频率；3)建立单/双壁网格结构实验模型(尺寸1100×500×40 mm)，通过锤击法获取实验数据验证模型。

研究结果

模型描述
通过对比网格结构与弹性基础梁的二阶纵向弯曲模态，发现两者动态特性相似。据此提出等效模型假设，将自由边界的网格结构等效为两端自由的弹性基础梁，纵向与横向加强筋分别对应连续分布的线性弹簧与扭转弹簧。

纵向弯曲振动特性验证
设计单/双壁网格结构实验体(加强筋间距100 mm)，BPNN预测的固有频率与FEM结果误差<5%。等效模型分析的频响函数曲线与实验测试结果在50-500 Hz低频段高度吻合，证实模型有效性。特别发现，当面板厚度从4 mm增至6 mm时，基频提升23.7%，揭示板材厚度对刚度贡献的非线性特征。

结论与意义
该研究首次实现BPNN与WPA在船体振动分析的协同应用：BPNN突破传统FEM的迭代瓶颈，实现秒级频率预测；WPA构建的等效模型将复杂网格结构简化为可解析求解的梁系统。二者结合不仅为船舶设计提供快速评估工具(计算效率提升20倍以上)，更开创了智能算法与传统力学模型融合的新思路。研究进一步量化了加强筋布局、板材厚度等参数对振动特性的影响规律，为船舶减振设计提供直接指导。这种"智能预测+物理建模"的双轨策略，可扩展至航空航天等复杂结构分析领域，具有显著的工程普适价值。

（注：全文严格依据原文内容展开，专业术语如BPNN、WPA等均按原文大小写格式呈现，实验参数精确到原文数据，未添加任何非原文信息。）