研究目标：

针对船舶结构振动噪声数值预报模型精度不高的问题，开展深度神经网络技术在设备隔振系统、加肋圆柱壳体结构等多部件组合结构动力学数值预报模型修正方面的应用研究，突破基于试验数据的百万自由度量级结构振动数值预报模型的激励源、材料、几何、连接件等多参数高效率逆向修正关键技术，获得高精度的船舶结构振动响应数值预报模型。

研究内容：

（*） 多部件组合结构的模型参数化技术研究；

（*） 组合结构动力学模型参数修正算法研究；

（*） 深度神经网络模型性能横向对比研究。

考核指标：

（*） 建立针对弹性连接组合结构有限元数值模型的深度学习修正模型及算法，在同等算力条件下，修正算法收敛时长不大于**倍的有限元数值模型运行时长；

（*） 针对一组给定的有限元数值模型随机参数，经过模型修正实现数值模型振动响应预报结果与试验结果误差不大于***（***～*****）。

预期成果：

（*） 研究报告*篇；

（*） 核心期刊论文*篇；

（*） 试验模型*套。

周期二年。

联系人：李亚　***********