船舶的轻量化有助于减少能源、资源消耗（尤其是石油、钢铁资源的消耗）、降低造船成本，有助于减少二氧化碳等温室气体的排放，实现船舶运输业的可持续健康发展。目前，船舶轻量化研究的对象多为局部结构，大多集中在尾部结构优化、板架结构优化、中剖面优化、舱段优化设计等，整体考虑不足；船体结构的优化多为静力优化，约束条件多为静态指标，缺乏考虑实际水域中的附连水等因素对船舶结构的动态特性的影响；船舶优化变量的筛选多依据经验而来，设计变量与强度、刚度和动态性能缺乏有效联系。因此，通过将灵敏度分析、人工神经网络、最优化方法和有限元法集成应用到船舶结构轻量化研究中，并综合开展了船舶结构的静、动态特性分析和优化，不仅提高了船舶结构分析的有效性和可靠性，而且还提高了计算和优化效率，给出了船舶轻量化研究的有效途径。所以，本文提出基于人工神经网络的船舶结构轻量化的方法，对54m机动散货船进行了结构轻量化研究，完成的主要研究工作如下：（1）采用有限元法，按照船舶图纸和中国船级社规范要求，建立了三维全船有限元模型，并计算了相应设计载荷、货物载荷等，确定了边界约束，对船体整体结构进行了总强度和舱段强度的计算和分析，得到了船体整体的应力和应变分布情况、强度薄弱环节等，为船体重要部位的设计提供了参考数据；（2）综合评价了代表性的附连水质量计算方法，选用刘易斯、陶德图谱法进行了全船附连水质量的计算，在此基础上对船舶的动力特性进行了计算和分析，得到了全船整体振动特性，弥补了以往研究忽视舷外水对船舶影响的不足，为优化设计奠定了基础；（3）结合相关分析软件，综合评价了常用的灵敏度分析方法，选用参数试验灵敏度分析方法进行了船舶设计变量的筛选，找出了对船舶的最大等效应力、最大剪应力、总质量、第一阶固有频率、第二阶固有频率等影响最灵敏的构件厚度作为优化设计变量；（4）综合评价了常用的人工神经网络方法，利用MATALB软件，建立了人工神经网络模型，应用正交试验法给出了训练和检验样本，进行了网络的训练和检验，得到了反映船舶性能指标与船舶设计变量之间复杂静、动力学关系的BP神经网络，提高了计算和优化效率；（5）综合评价了常用的优化算法，建立了全船结构的非线性约束最小化优化模型，以规范中要求的许用应力、最小构件厚度和固有频率等为约束条件下，对其进行了优化，得到了最优结果，与未优化之前相比全船的质量减轻了减轻了11.8%。对优化后的全船进行了动、静态有限元分析，获得了全船的总纵强度、舱段强度以及整船的振动特性等，并按照规范进行了校核，结果表明优化后的船舶性能符合规范要求，同时所得结果也说明了所用轻量化方法不仅有着较好的可行性，还有着实际深远地工程价值和社会意义。