基于深度神经网络水下清淤机器人绞龙的可靠性分析OA北大核心CSTPCD

绞龙作为水下清淤机器人的淤泥疏松装置,其作业时常与淤泥中的硬物发生碰撞,静应力强度校核并不能很好地反映碰撞过程中的瞬态动力响应问题,同时传统的可靠性分析方法在解决多源不确定性瞬态动力响应问题时往往存在效率低下且精度不高等问题。为了克服上述缺点,基于数值模拟、深度神经网络(DNN),与Monte Carlo(MC)方法提出一种用于绞龙与硬物碰撞问题的可靠性分析方法。首先,基于理论推导确定影响碰撞力大小的不确定性变量,并对其进行多参数敏感性分析得出最终深度神经网络的输入量;其次,利用拉丁超立方采样(LHS)根据深度神经网络的输入量分布情况进行采样,采用有限元软件ANSYS/LS-DYNA建立与采样数据相对应的绞龙与硬物碰撞有限元模型,并提取深度神经网络的输出量;最后,通过单轴拉伸试验确定绞龙的损伤准则,并结合深度神经网络与Monte Carlo方法 (DNN-MC)对绞龙的可靠度与失效概率进行了预测。结果表明本文方法精度远高于工程要求精度,与传统可靠性分析方法相比本文方法在保证高精度的前提下具有更高的效率和更好的鲁棒性。