2025年10月28日，课题组在SCI一区期刊Ocean Engineering上发表了题为“Intelligent prediction of ship wave loads and whipping responses from input motions by decomposition-superposition method”的最新研究成果。华南理工大学土木与交通学院/海洋科学与工程学院的硕士生孙浩为论文第一作者，导师焦甲龙为第二作者，博士后徐文华为第三/通信作者。论文链接：https://doi.org/10.1016/j.oceaneng.2025.123267
本文开发了一种人工智能（AI）方法，基于船舶运动的输入信息，用于预测船舶波浪载荷和颤振载荷的水弹性响应。采用三种不同的人工智能模型作为船舶波浪载荷的预测算法，包括长短期记忆（LSTM）神经网络、人工神经网络（ANN）和卷积神经网络（CNN）。本新型方法通过输入船舶垂荡、纵摇运动及垂向加速度数据，分别预测波频波浪载荷和高频颤振载荷，再将各分量载荷叠加以获得总剖面载荷。在超长拖曳水池中，针对艏部大外飘船型在不同不规则波浪工况（从低海况到极端恶劣海况）及船舶航速下的工况，进行了分段模型波浪载荷试验。船舶运动与波浪载荷的实验数据被用于训练人工智能预测算法。采用本文提出的分解-叠加方法预测的船舶剖面载荷与直接预测总载荷的结果进行了对比，结果表明了新方法在预测砰击诱发的颤振载荷方面具有更高的准确性。研究还证实，LSTM 模型能够有效预测不同波浪状态下的船舶载荷，其准确性优于ANN和CNN模型。
基于LSTM神经网络的船舶载荷预报
船舶波浪载荷的预报结果对比
Ocean Engineering期刊由出版商Elsevier BV.以半月刊形式出版发行，影响因子5.5，在海洋领域位于Q1区。