Résumé La surveillance des coques de navires et de leur équipement technique est un élément critique pour garantir la sécurité des navires et l'efficacité opérationnelle. Elle joue un rôle clé dans le maintien de l'intégrité structurelle sous des conditions de chargement dynamiques et souvent extrêmes rencontrées en mer. La prédiction précise des réponses structurales contribue non seulement à prévenir les défaillances structurelles, mais aussi à optimiser les performances, réduisant ainsi les risques et les coûts opérationnels. Les réponses structurales d'un navire soumis à des charges induites par les vagues peuvent être modélisées par une combinaison de simulations hydrodynamiques et d'analyses par éléments finis. Bien que ces simulations offrent de profonds aperçus sur le comportement des structures de navires sous des conditions variées, leur intensité de calcul et leur complexité posent des défis significatifs pour les applications en temps réel. Pour répondre à ces limitations, cette recherche évalue l'efficacité et la précision des méthodes d'apprentissage automatique, en particulier les réseaux de neurones artificiels et XGBoost, pour approcher et prédire les réponses structurales.
Haberl et al. (Sun,) ont étudié cette question.