Application of a pattern recognition method to estimate wind loads on ships and marine objects

This paper presents an extension of the application capabilities of elliptic Fourier descriptors from the usual pattern recognition and classification problems to problems of very complex nonlinear multivariable approximations of multi‐input and multi‐output functions. Wind loads on ships and marine objects are a complicated phenomenon because of the complex configuration of the above‐water part of the structure. The proposed approach of the wind load estimation method presented in this paper consists of four basic parts: acquisition and pre‐processing of vessel images; image editing; data preparation for neural network training; validating and testing of the created neural network. The method is based on elliptic Fourier features of a closed contour which are used for the frontal and lateral closed contour representation of ships. Therefore, this approach takes into account all aspects of the variability of the above‐water frontal and lateral ship profile. For the purpose of multivariate nonlinear regression, the generalized regression radial basis neural network is trained by elliptic Fourier features of closed contours and wind load data derived from wind tunnel tests. The trained neural network is used for the estimation of non‐dimensional wind load coefficients. The results for a group of car carriers are presented and compared with the experimental data. Translation Diese Arbeit stellt eine Erweiterung der Anwendungsmöglichkeiten von elliptischen Fourier‐Deskriptoren von den üblichen Mustererkennungs‐ und Klassifizierungsproblemen zu Problemen sehr komplexer, nichtlinearer und multivariabler Approximationen von Multi‐Input‐ und Multi‐Output‐Funktionen dar. Windlasten auf Schiffe und Seeobjekte sind ein kompliziertes Phänomen wegen der komplexen Geometrie der Überwasserstruktur. Der vorgeschlagene Ansatz der Windlastabschätzung in dieser Arbeit besteht aus vier grundlegenden Teilen: Erstellen und Vorbearbeitung von Schiffsbildern; Bildbearbeitung; Datenaufbereitung für neuronales Netzwerktraining; Validierung und Test des erzeugten neuronalen Netzwerks. Das Verfahren basiert auf elliptischen Fourier‐Merkmalen einer geschlossenen Kontur, die für die frontale und seitliche geschlossene Konturdarstellung von Schiffen verwendet wird. Daher berücksichtigt dieser Ansatz alle Aspekte der Veränderbarkeit des frontalen und seitlichen Überwasser‐Schiffsprofils. Zum Zwecke der mehrdimensionalen nichtlinearen Regression wird das neuronale Netzwerk durch elliptisc