第1章 绪论
1.1 船舶发展与传统设计方法
1.1.1 船舶创新发展历程
1.1.2 船舶设计的一般方法
1.1.3 船舶总体性能设计概念及传统方法
1.2 现代船舶总体性能研究发展方向
1.2.1 数据知识化
1.2.2 新型船舶CAE 软件开发
1.2.3 基于模型的流程自动化
1.2.4 打造“众创”协同的研发模式
第2章 船舶物理模型试验技术
2.1 物理模型试验基础理论与方法
2.1.1 相似概念与相似准则
2.1.2 相似基本定理
2.1.3 量纲分析
2.1.4 傅汝德假定
2.2 船舶三大性能试验技术体系
2.2.1 世界著名船舶试验设施群概览
2.2.2 ITTC和ISSC
2.2.3 船舶总体性能物理模型试验技术体系
2.3 物理模型试验在船舶总体性能设计中的应用
2.3.1 基于物理模型试验的方案选优及实船性能预报
2.3.2 基于物理模型试验的性能影响因素及其影响规律(机理)研究
2.3.3 基于物理模型试验数据的知识化应用
2,.3.4 数值计算验证基准
2.4 物理模型试验的局限
2,4.1 尺度效应
2.4.2 试验与设计过程的分离
第3章 船舶数值模拟技术
3.1 数值模拟技术基础知识
3.1.1 数值模拟的工作步骤
3.1.2 数值离散方法
3.1.3 数值模拟典型流程
3.1.4 数值模拟计算软件及框架
3.1.5 数值模拟计算的优点与局限
3.2 船舶总体性能数值模拟技术
3.2.1 船舶水动力学性能数值模拟技术
3.2.2 船舶结构安全性数值模拟技术
3.2.3 船舶综合隐身性数值模拟技术
3.3 CFD与数值水池
3.3.1 数值水池概念的提出和发展
3.3.2 数值水池概念内涵及技术特征
3.3.3 数值水池的技术挑战
3.4 “虚实”融合的船舶总体性能创新研发方法
3.4.1 “虚实”融合的船舶总体性能设计模式
3.4.2 基于数值模拟的船舶总体性能设计优化技术
第4章 基于MBSE的船舶总体性能设计方法
4.1 传统系统工程及方法
4.1.1 系统工程概念
4.1.2 系统工程模型
4.2 从TSE到MBSE
4.2.1 现代工程设计手段正发生重要变化
4.2.2 新兴信息技术推动研发模式变革
4.2.3 数据驱动科研范式转换
4.2.4 基于模型的系统工程原理
4.3 MBSE方法的演进发展
4.3.1 面向复杂工程系统的DE—CAMPS模型
4.3.2 从基于MBSE的V模型到v++模型
4.4 基于MBSE的船舶总体性能研究与设计方法
4.4.1 基于MBSE的船舶总体性能研究与设计面临的瓶颈
4.4.2 基于MBSE的船舶总体性能研究与设计核心要素
4.4.3 以APP为节点的虚拟应用流程体系
4.5 基于MBSE的船舶总体性能研究与设计服务系统
4.5.1 船舶总体性能研究与设计“系统模型”顶层需求——能力分解
4.5.2 船舶总体性能研究与设计服务系统顶层结构
4.5.3 船舶总体性能研究与设计服务系统分系统功能设计
4.5.4 服务系统典型应用流程
第5章 “众创”新生态
5.1 船舶总体性能研究与设计云资源中心设计
5.1.1 云资源中心建设需求分析
5.1.2 传统资源中心部署存在的问题
5.1.3 云资源中心总体设计
5.2 硬件资源集群化管理技术
5.2.1 硬件资源集群化管理
5.2.2 资源虚拟化
5.2.3 虚拟资源池管理
5.3 虚拟化资源调度管理技术
5.3.1 APP镜像仓库管理
5.3.2 APP容器资源调度管理
5.4 系统安全保障技术
5.4.1 系统安全架构之硬件系统设计
5.4.2 系统安全架构之软件系统设计
5.5 基于区块链技术的数据安全保证技术
5.5.1 区块链技术
5.5.2 区块链对于船舶总体性能研究与设计众创性态的意义
5.5.3 面向船舶总体性能研究与设计的数字资产确权和安全共享的区块链底座设计
第6章 数据知识化
6.1 数据管理技术概述
6.1.1 数据基本概念
6.1.2 数据管理技术的发展
6.1.3 数据管理的一般方法
6.2 大数据管理技术
6.2.1 大数据管理技术特点分析
6.2.2 大数据管理关键技术
6.3 船舶总体性能研究与设计数据汇聚技术
6.3.1 船舶总体性能数据特点
6.3.2 数据标准化
6.3.3 数据汇聚方案
6.4 船舶总体性能数据中心
6.4.1 数据存储架构的发展
6.4.2 分布式存储技术
6.5 船舶总体性能数据中心设计
6.5.1 船舶总体性能数据中心系统架构
6.5.2 总体性能数据汇聚与展示
6.5.3 数据处理和分析
6.5.4 数据中心与试验数据管理系统融合技术
6.6 船舶总体性能数据知识化方法
6.6.1 统计回归方法
6.6.2 基于数据挖掘的知识化方法
6.7 基于大子样数据的数据挖掘实例
6.7.1 传统螺旋桨设计理论
6.7.2 螺旋桨敞水性能试验及数据
6.7.3 机器学习流程及算法
6.7.4 数据收集以及预处理
6.7.5 模型预
展开