当今,随着对高性能船舶各方面性能越来越高的要求,越来越多的武器装备、机械设备要布置在战舰上,对于常规的单体船而言,为了增大舱容,在保证船长和型深不变的情况下,只能增加船宽,但这也同时极大的增大了船舶阻力,为了保证战舰依旧具有良好的快速性,这势必大大增加燃油的消耗,所以考虑对传统船型进行改进和创新。为了保证增大舱容和甲板面积,同时又能保证具有良好的快速性和较低的能耗,相较于传统的单体船,三体船在稳性、快速性、抗沉性、耐波性和总布置方案设计等方面都有着更为明显的优势。本文围绕三体船船型各片体中间的间距和片体前后相对位置变化对整体船型方案的快速性能的影响展开研究。建立了覆盖整体可行设计空间的各种典型设计参数组合的设计方案样本点,对针对所有样本点方案,利用水动力学模拟软件,对设计船型的航行快速性进行数值模拟,获得样本点后建立神经网络,并利用样本点数据集训练神经网络模型,进而可以利用网络模型来预报设计空间内所有可行设计方案的快速性能。该结果对于船型设计初期设计参数反复论证,以及实船航行中如果片体间距可调时,实时给出片体间距调节的决策建议,以获得最好的航行性能。本文具体研究内容有:1.基于DT’MB 5415船型,在傅氏数Fr=0.28时,分析CFD数值模拟的网格划分的影响因素对计算精度与效率的影响,将船模试验结果与数值模拟结果相比对,找寻最适合本文船型计算模拟的流域因素组合,并将最优网格应用于下章节三体船的数值模拟。2.基于某高速战舰,提出区别于传统三体船的新型三体船,利用前文创建的最优网格及参数设置,在STAR-CCM+平台模拟计算Fr-0.1-0.6范围内,15种不同侧体布置状态下的阻力性能,分析侧体的位置布局对高速三体船快速性的影响,并得到了一些有意义的结论。3.BP神经网络的样本为CFD的计算结果,用训练后的最优网络,预测不同Fr、不同侧体纵、横向布置,所对应的最小阻力值,为建造可随航速的变化而实时改变侧体位置布局,以保证最小阻力值,提高三体船快速性提供了可能。与传统CFD数值模拟计算相比,BP网络既满足精度要求,又极大缩短计算时间,同样适合大规模的预测计算,具有一定工程实际应用意义。