基于神经网络模型的宽带非高斯随机过程疲劳损伤分析.pdf

第29卷第1期船舶力学Vol.29No.1

2025年1月JournalofShipMechanicsJan.2025

文章编号：1007-7294（2025）01-0085-13

基于神经网络模型的宽带非高斯

随机过程疲劳损伤分析

袁奎霖，彭士凤

（大连理工大学工业装备结构分析国家重点实验室船舶工程学院，辽宁大连116024）

摘要：对于遭受各种随机环境载荷的海洋结构物而言，在设计阶段对其进行疲劳损伤评估尤为重要。海洋结构

物的响应经常呈现出宽带特性和非高斯统计特征。因此，本文提出一种基于神经网络模型的宽带非高斯随机

过程疲劳损伤评估方法。采用多种功率谱与不同带宽参数、S-N曲线斜率参数以及非高斯过程偏度与峰度的

组合对所提出的神经网络模型进行训练和测试。分析输入层神经元、隐藏层神经元个数以及隐藏层层数对模

型预报精度的影响，确定最优的神经网络结构。以时域雨流计数法计算的疲劳损伤结果作为基准，采用真实双

模态功率谱进行数值试验，并与多种频域疲劳损伤分析方法进行比较，证明本文所建立的神经网络模型具有更

好的准确性和鲁棒性。

关键词：神经网络；宽带非高斯过程；疲劳损伤；雨流计数法

中图分类号：O346.2文献标识码：Adoi：10.3969/j.issn.1007-7294.2025.01.009

Fatiguedamageassessmentofwide-band

non-Gaussianrandomprocessesbased

onneuralnetworkmodel

YUANKui-lin,PENGShi-feng

(StateKeyLabofStructuralAnalysisforIndustrialEquipment,SchoolofNavalArchitecture,

DalianUniversityofTechnology,Dalian116024,China)

Abstract:Fatiguedamageassessmentformarinestructuressubjectedtovariousrandomenvironmentalload⁃

ingsisanimportantissueatthedesignstage.Inmanysituations,theresponsesofmarinestructurespresent

wide-bandandnon-Gaussianproperties.Inthispaper,aneuralnetworkmodelwasdevelopedtopredictthe

fatiguedamagecausedbywide-bandnon-Gaussianrandomprocesses.Manypowerspectrawithdifferent

valuesofbandwidthparameters,inverseslopeoftheS-Ncurve,andskewnessandkurtosisofnon-Gaussian

processeswereusedtotrainandvalidatethedevelopedneuralnetworkmodel.Inordertodeterminetheopti⁃

malneuralnetworkstructure,theeffectsofinputneurons,thenumbersofhiddenlayerneutronsandhidden

layersonthepredictionaccuracywereinvestigated.Throughcasestudieswithrealisticbimodalspectra,by

takingthefatiguedamageestimatedbytime-domainrain-flowcountingmethodasref