کاهش اثرات مخرب پدیده کابل استون با استفاده از الگوریتم یادگیری عاطفی بر روی شناورهای اثر سطحی

در این تحقیق با استفاده از الگوریتم یادگیری عاطفی به بررسی ارتعاشات ناشی از پدیده کابل استون (Cobblestone) بر روی شناورهای اثر سطحی SES (Surface Effect Ship) پرداخته شده است. این شناورها از دسته شناورهای هیدروآیروستاتیک می باشندکه حدود 60% از وزن شناور به وسیله نیروهای آیروستاتیکی و از طریق ارسال هوای فشرده به زیر بدنه شناور و فضای بین سایدهای جانبی تحمل می نماید و در حدود 40% از وزن شناور از طریق نیروهای بویانسی اعمالی بر سایدهای شناور تامین میگردد. شناورهای اثر سطحی عمدتا با استفاده از بالشتک هوایی و ارسال هوا به زیر بدنه و ایجاد هوای فشرده در زیر شناور و استفاده از پدیده اثر سطح به صورت استاتیک باعث کاهش سطح خیس شناور میگردند و بدین طریق نیروهای پسای وارد به خود را تا حد زیادی کاهش می دهند. و این عامل باعث کاهش میزان آبخور شناور گردیده و علاوه بر قابلیت حرکت در مناطق کم عمق ساحلی باعث افزایش سرعت شناور با توان اندک نیز می گردد. وجود هوای فشرده در شرایط خاص باعث ایجاد ارتعاشات شدیدی در زیر شناور گردیده و تکانهای عمودی شدیدی به انتهای شناور وارد می اورد. لزوم کاهش این تکانها و ارتعاشات عمومی بسیار حائز اهمیت می باشد منطق الگوریتم عاطفی بسیار قوی بوده که در این زمینه می تواند الگوی ارتعاشی را تحلیل نماید. روش یادگیری عاطفی یک روش یادگیری چند منظوره با بار محاسباتی کم است که درتصمیم گیری عاطفی معرفی می گردد. از نتایج بدست آمده می توان در استفاده بهینه از شناورهای اثر سطحی و بهبود کیفیت سیستم سواری و افزایش راندمان این گونه شناور و همچنین تحلیل سیستمهای غیر خطی استفاده نمود.

کلیدواژه ها:

شناور اثر سطحی ، کابل استون ، یادگیری عاطفی