Numerical modelling and validation of seakeeping performance of a fishing vessel
Notice bibliographique
Résumé
Seakeeping performance prediction is a traditional naval architecture capability, but it remains a challenging task due to the complexities of underlying physics. The combination of vessel speeds, hull geometry and various marine environmental conditions contribute to the complexity of seakeeping analysis for Atlantic Canadian fishing vessels. This paper investigates the seakeeping performance of a fishing boat using two different 3D panel codes, ANSYS-AQWA and ShipMo3D. The simulation results from both numerical tools were validated with the physical model test data, specifically at representative speeds and headings. Response amplitude operators (RAO) for heave, roll and pitch were investigated first, and the motion responses under irregular waves were assessed using root mean square (RMS) values. It was confirmed from the comparison study that the simulation results from both numerical tools agreed well with the model test results and proved to be an appropriate tool for an Atlantic fishing boat with a relative short and wide hull shape (i.e., a low length/beam ratio). The validated models were then utilized to predict the seakeeping performance of the fishing vessel at different advancing speeds, wave conditions and headings. Using the results, the overall seakeeping performance of the vessel was evaluated and discussed in detail in the paper. This work confirms that numerical models can be utilized at the early stage of designing a fishing boat for assessing the operational risk under various conditions and different speeds.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».