一种基于人工智能的航行体入水载荷及运动轨迹预测与优化方法

一种基于人工智能的航行体入水载荷及运动轨迹预测与优化方法，涉及航行体跨介质出入水领域。解决了现有的实尺度航行体跨介质入水试验成本巨大，对跨介质入水问题采用小尺度机理性试验等方法，但由于成本高昂难以较大规模开展，数值模拟计算效率较低等问题。基于深度学习的航行体高速入水时砰击载荷、运动轨迹预测方法，通过有限元、无网格等数值计算结果或已有试验结果建立航行体入水砰击加速度和运动姿态数据库，预测不同截面形状参数和入水参数下航行体入水砰击载荷特性及运动轨迹，在此基础上，结合所建立的模型，引入遗传算法对航行体的形状参数和入水参数进行反向优化设计，可快速给出弹道稳定性强、砰击加速度小的最佳形状参数和入水参数。