Abstract The climate change has made the transit through Arctic area more feasible, which demands reliable methods to evaluate ship performance. Ship performance in ice is a cross-scale problem, where the desired output such as ship speed lies in larger scale while the actual ship-ice interaction happens in smaller scale. Due to insufficient knowledge in ice mechanics and the demand for computational efficiency, existing approaches for modelling ship-ice interaction from ship performance perspective are mostly either (semi-) empirical, or simplified analytical, with reduced dimensions and extensively simplified mechanics. This paper presents a novel approach to model ship-ice interaction, which maintains the accuracy of the modelling with Finite Element Method (FEM) in ship-ice interaction scale, while being computationally very cheap, therefore is capable to be applied in ship scale simulations. The ice failure is firstly qualitatively investigated through full-scale and model-scale observations, as well as a numerical simulation with Extended Finite Element Method (XFEM). The model is then simplified and executed by Abaqus to automatically run a large database. A neural network is used to fit the results to get a simulation-free tool for ship-ice interaction calculation. Finally, the uncertainty in the results due to an important assumption is quantified. The results show that the obtained neural network fits the database with excellent performance. Therefore, it can be applied in ship scale simulations with improved accuracy compared to empirical or analytical approaches.

中文翻译：

---

基于有限元的船肩和船中部区域船冰相互作用元建模，用于船舶性能模拟

摘要 气候变化使得过境北极地区变得更加可行，这就需要可靠的方法来评估船舶性能。冰上的船舶性能是一个跨尺度问题，其中所需的输出（例如船速）位于较大的范围内，而实际的船-冰相互作用发生在较小的范围内。由于冰力学知识不足和对计算效率的需求，从船舶性能角度对船冰相互作用进行建模的现有方法大多是（半）经验的或简化的分析，具有减少的尺寸和广泛简化的力学。本文提出了一种模拟船冰相互作用的新方法，它在船冰相互作用尺度上保持了有限元法 (FEM) 建模的准确性，同时计算成本非常低，因此能够应用于船舶规模模拟。首先通过全尺度和模型尺度的观测以及扩展有限元方法 (XFEM) 的数值模拟对冰崩进行定性研究。然后模型由 Abaqus 简化和执行以自动运行大型数据库。神经网络用于拟合结果，以获得用于船冰相互作用计算的无仿真工具。最后，量化由于重要假设而导致的结果的不确定性。结果表明，得到的神经网络与数据库拟合性能优良。因此，与经验或分析方法相比，它可以以更高的精度应用于船舶规模模拟。首先通过全尺度和模型尺度的观测以及扩展有限元方法 (XFEM) 的数值模拟对冰崩进行定性研究。然后模型由 Abaqus 简化和执行以自动运行大型数据库。神经网络用于拟合结果，以获得用于船冰相互作用计算的无仿真工具。最后，量化由于重要假设而导致的结果的不确定性。结果表明，得到的神经网络与数据库拟合性能优良。因此，与经验或分析方法相比，它可以以更高的精度应用于船舶规模模拟。首先通过全尺度和模型尺度的观测以及扩展有限元方法 (XFEM) 的数值模拟对冰崩进行定性研究。然后模型由 Abaqus 简化和执行以自动运行大型数据库。神经网络用于拟合结果，以获得用于船冰相互作用计算的无仿真工具。最后，量化由于重要假设而导致的结果的不确定性。结果表明，得到的神经网络拟合数据库，性能优良。因此，与经验或分析方法相比，它可以以更高的精度应用于船舶规模模拟。然后模型由 Abaqus 简化和执行以自动运行大型数据库。神经网络用于拟合结果，以获得用于船冰相互作用计算的无仿真工具。最后，量化由于重要假设而导致的结果的不确定性。结果表明，得到的神经网络与数据库拟合性能优良。因此，与经验或分析方法相比，它可以以更高的精度应用于船舶规模模拟。然后模型由 Abaqus 简化和执行以自动运行大型数据库。神经网络用于拟合结果，以获得用于船冰相互作用计算的无仿真工具。最后，量化由于重要假设而导致的结果的不确定性。结果表明，得到的神经网络与数据库拟合性能优良。因此，与经验或分析方法相比，它可以以更高的精度应用于船舶规模模拟。