摘要：为解决传统计算流体力学(computational fluid dynamics, CFD)方法获取港口起重机主梁截面风力系数过程繁琐、难以实现结构快速优化设计的关键技术难题,提出了一种基于卷积神经网络的起重机主梁截面风力系数快速预测模型。本研究所提出的风力系数快速预测模型利用自由几何变形方法处理基础截面形状以获取具有丰富几何特征的起重机主梁截面图形集,并采用CFD方法计算各主梁截面图形对应的风力系数生成数据集。在此基础上,基于数据集训练预测模型并对其网络结构进行优化,建立了主梁截面与风力系数之间的非线性映射关系。此外,进一步将该预测模型与遗传算法结合建立了一种主梁截面优化设计方法,并以数据集内F11截面为例将防风性能作为优化目标测试了该优化方法的准确性和效率。算例测试结果表明,所提出的风力系数快速预测模型在预测各主梁截面的风力系数时平均相对误差为1.87%,预测时间为毫秒量级,比传统CFD方法计算效率有数量级地提升;应用本研究所发展的起重机主梁截面优化设计方法优化后的F11截面较优化前风力系数降低了15.89%,能够极大地提高主梁截面的防风性能,证明了所提出的优化方法的可靠性,可作为一种起重机主梁截面结构优化设计与快速选型的新方法。