随着现代武器种类的极大丰富以及武器系统性能的不断提升,舰艇作为主要的海上作战平台在战时面临着严峻的安全问题。目前,关于舰艇抗冲击性能的相关研究是保障舰艇生命力、充分发挥舰艇战斗力的基础。针对舰艇在遭受水下非接触爆炸时冲击环境的研究仍然是舰艇抗冲击领域最主要的方向之一,具有重要的实际应用价值。各个国家关于舰艇抗冲击相关标准具有较大的差异,但是均采用冲击响应谱的形式对关于舰艇冲击环境分析、舰载设备冲击性能考核、冲击环境区域划分等方面做了规定。冲击响应谱是目前描述舰艇冲击环境最有效的方法之一,受计算机技术、人工智能技术长足进步的影响,本文围绕人工智能模式识别技术,以冲击谱为基础,对水下非接触爆炸作用下舰载设备冲击环境相关内容展开研究。由于实船试验成本昂贵,模式识别理论及技术在舰艇抗冲击领域广泛使用,使数值仿真的计算量极大地降低,同时可以对实际的水下爆炸试验设备冲击环境进行评估,有着极大的参考意义。本文内容的实现,主要有以下几个方面:(1)以中型浮动冲击平台测试条件下的舰载设备抗冲击考核试验数据为基础,通过确定试验的炸药量、爆距、爆源位置、测点位置及被试设备质量等信息,最终利用支持向量机实现了相应工况中相关测试条件下各个设备安装位置处的冲击环境模拟。(2)利用最小二乘法将冲击谱规整为设计谱的方法在计算过程中存在较大的误差,因此本文提出了BP神经网络来实现冲击谱与设计谱转换计算的方法。本文通过建立遗传算法优化的BP神经网络设计谱模型,预测得到相关设备安装位置更加精准的谱速度、谱位移和谱加速度参数。(3)各国关于舰艇冲击环境的划分并没有统一的标准,而我国现有的冲击环境划分方式则主要借鉴了以美国为主的海军强国。本文以我国某型舰艇遭受水下非接触爆炸时的冲击环境仿真数据为基础,提出了一种基于模式识别技术的舰艇冲击环境区域划分方法。首先是利用灰度关联法对测点在纵向、横向、垂向位置上的变化对舰艇冲击环境产生的影响进行评估,然后对全船冲击环境数值的变化进行数值统计特性分析,之后利用SOM神经网络实现舰艇冲击环境的聚类计算,并通过S4VM半监督聚类算法对各模式类之间的边界及类内异常值进行修正,最终得到基于模式识别技术的舰艇冲击环境区划结果。本方法的提出旨在为我国舰艇冲击环境相关研究提供新的思路。