کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8063030 1520637 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Prediction of added resistance using genetic programming
ترجمه فارسی عنوان
پیش بینی مقاومت اضافه شده با استفاده از برنامه نویسی ژنتیکی
کلمات کلیدی
طراحی هیدرودینامیک، مقاومت اضافه شده، برنامه نویسی ژنتیک،
ترجمه چکیده
در سال های اخیر، افزایش تقاضا برای کاهش انتشار کربن باعث طراحی هیدرودینامیکی و بهینه سازی طراحی بدنه شده است. برای طراحی مناسب هیدرودینامیکی، مقاومت افزوده باید پیش بینی شود. با این حال، به عنوان روش های موجود از جمله شبیه سازی کامپیوتر و یا آزمایش ها نیاز به مقدار قابل توجهی از زمان و پول، دشوار است در نتیجه پیش بینی در مرحله طراحی اولیه در نظر بگیرند. بنابراین، در این مقاله، ما یک روش پیش بینی پیشنهاد می کنیم که می تواند در مرحله طراحی اولیه برای پیش بینی مقاومت اضافه شده در امواج استفاده شود و در نتیجه بهینه سازی طراحی بدنی و صرفه جویی در زمان و پول کمک می کند. روش پیشنهادی یک تابع ریاضی غیر خطی است و بر اساس برنامه نویسی ژنتیکی است. برای تأیید، نتایج پیش بینی شده با نتایج تجربی و نتایج نظریه نوار مقایسه می شود.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی دریا (اقیانوس)
چکیده انگلیسی
In recent years, the increasing demand for a reduction of carbon emission has made hydrodynamic design and the optimization of hull design more important. For appropriate hydrodynamic design, the added resistance needs to be predicted. However, as existing methods including computer simulations or experiments require considerable amounts of time and money, it is difficult to consider the prediction result at the initial design stage. Therefore, in this paper, we propose a prediction method that can be used in the initial design stage for predicting the added resistance in waves, thereby contributing to the optimization of hull design and saving time and money. The proposed method is a nonlinear mathematical function and is based on genetic programming. For verification, the predicted results are compared with the experimental results and the strip theory results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ocean Engineering - Volume 153, 1 April 2018, Pages 104-111
نویسندگان
, , , , ,