بهینه سازی پوشش های ضداکوی دارای حفره های مخروطی و استوانه ای با استفاده از روش الگوریتم ژنتیک و مدل جایگزین مبتنی بر شبکه عصبی مصنوعی

کاهش اکو از شناورهای زیرسطحی یکی از مهم ترین دغدغه های مسئله اختفاء زیرسطحی است. استفاده از پوشش های لاستیکی دارای حفره های پراکنده ساز، به دلیل عملکرد نسبتا مطلوب و ایجاد قابلیت تنظیم عملکرد پوشش در بازه فرکانسی موثر، بسیار موردتوجه قرار گرفته است. در این تحقیق مدلی از یک پوشش ضداکوی صوتی با حفره های پراکنده ساز مخروطی استوانه ای درنظر گرفته شده است. شبیه سازی عملکرد آکوستیکی پوشش ضداکو با استفاده از روش اجزاء محدود انجام شده است وبا توسعه یک مدل شبکه عصبی مصنوعی، مدلی جایگزین با همان کارایی ولی بسیار سریع تر ایجاد شده است. در گام بعد با استفاده از قابلیت های مدل جایگزین بهینه سازی پوشش های دارای حفره مخروطی - استوانه ای با بکارگیری روش بسیار قدرتمند الگوریتم ژنتیک انجام شده است. نتایج آموزش شبکه عصبی و ایجاد مدل جایگزین، با توجه به انحراف معیارهای اندازه گیری شده در خروجی های مدل شبکه عصبی مصنوعی، بسیار رضایت بخش است. همچنین در بخش بهینه سازی نیز مشخص شد که بر اساس تعیین بازه فرکانسی مطلوب، می توان نتایج منتفاوتی از هندسه حفره را گزارش نمود. بهینه سازی پوشش ضداکو، برای دو بازه فرکانسی، یکی از ۴۰-۱ کیلوهرتز ودیگری از ۱۰-۱ کیلوهرتز انجام گردید و نتایج بدست آمده، بانتایج پوشش های دارای حفره با دو شکل مشخص و دو شکل تصادفی، مقایسه شد. مقایسه نشان داد که پاسخ بهینه از همه موارد بهتر است نکته مهم در این تحقیق، ایجاد کد بهینه سازی قابل توسعه، برای ارزیابی پوشش های ضداکو زیردریایی است.

Keywords:

پوشش ضداکو , روش اجزاء محدود , شبکه عصبی , انحراف معیار , بهینه سازی