6月6日-13日，2024级博士王欣童参加了在日本东京举办的第45届海洋、近海与北极工程国际会议（OMAE2026）并做口头汇报，以“An improved multi-fidelity deep neural network framework for structural reliability analysis of subsea shear ball valves”为主题进行了学术成果汇报。
王欣童系统介绍了面向深海剪切球阀结构可靠性分析的改进多保真深度神经网络方法。该研究通过融合大量低保真数据与少量高保真有限元数据，构建非线性多保真代理模型，并结合贝叶斯优化与CMA-ES算法实现超参数自动寻优，进一步嵌入子集模拟方法以高效估计小失效概率。结果表明，所提出方法在高维非线性算例及海底剪切球阀工程案例中均表现出较好的预测精度与计算效率，能够有效提升复杂深海装备可靠性评估的准确性和经济性；同时，敏感性分析识别出剪切间隙和角速度等关键参数，为球阀结构优化及可靠性设计提供了参考。
在本次国际学术会议上，本研究提出的面向海洋油气装备结构可靠性分析的创新方法引起了与会专家的广泛关注。在报告后的讨论环节，与会学者围绕海底剪切球阀的参数敏感性分析、低高保真样本配比、有限元模型精度以及方法在复杂工程装备中的适用性等问题展开了深入探讨。
王欣童，机械工程专业2024级博士研究生，主要从事海洋油气装备技术研究，导师为蔡宝平教授。
