基于遗传算法的突发情况分段吊装顺序调整

为保证企业初始吊装方案的顺利实施,基于工期固定-资源均衡理论,建立突发情况分段吊装顺序调整的数学模型。针对标准遗传算法过于依赖种群规模和交叉变异算子等不足之处,提出自适应调整策略改进算法性能,并将其应用于上述模型。给出4艘3 900TEU集装箱船的分段吊装顺序调整实例,并与企业初始吊装方案对比,进一步论证该方法对于解决突发情况多艘船舶分段吊装顺序调整问题的合理性和可行性。     

免疫遗传算法在岸基船吊装中的组网优化

岸基船吊装是船舶制造过程中的重要环节,具有并行制造、船台资源依赖度高、易受外界因素干扰等特点,这也使得吊装的调度控制过程更加复杂。随着船舶的尺寸、吨位等参数的不断增加,传统的调度控制已经无法满足船舶制造的要求。本文利用Petri网建立岸基船吊装模型,并提出基于免疫遗传算法的吊装组网优化算法。     

基于博弈分析的船体分段吊装顺序优化

船体分段吊装顺序优化是典型的NP-hard问题,仅通过人工经验很难获得最优的方案。文章引入博弈分析的理念,把船体分段吊装顺序决策过程看作是一个有不同博弈者参与并且相互影响制约的一个系统,运用博弈论的原理来建立关系模型。以一艘92 500 DWT散货船的建造计划为研究对象,建立了船体分段吊装顺序优化博弈模型,进行了船体分段吊装顺序优化博弈分析。     

基于自适应遗传算法的船舶分段装配序列优化研究

针对船舶分段实际装配时存在施工不合理而导致建造成本过高的问题,提出基于自适应遗传算法的分段装配序列优化求解方法。根据其几何约束和工艺约束建立了包含干涉关系、重定向次数、吊装工具改变次数、装配效率等评价函数的目标优化体系,提出采用改进的自适应遗传算法进行装配序列优化,并将评价标准作为目标函数进行优化计算,降低了问题的繁琐程度,提高了系统的工作效率,且通过实例验证了算法的有效性。     

基于蚁群算法的船台吊装网络优化技术研究

船台吊装网络优化涉及到船台设备和吊装工艺的双重约束,是一种典型的NP难题.根据船厂制造网络优化的需求,提出了一种适合蚁群算法的船台网络模型,在此基础上实现了船台网络优化的蚁群算法,以实现吊装进度安排的优化.该方法具有蚁群算法的全局优化特点,可以很好的解决实际工程问题,最后通过一个算例,进一步说明了这种方法对于解决船台吊装网络优化问题的有效性.     

横舱壁分段吊装变形控制及有限元法分析验证

分段吊装是船体建造的重要环节,吊装过程中的变形将影响后续船体合龙精度,从而制约船坞或船台的分段合龙速度,延长了建造周期。通过有限元仿真软件,分析25 000 DWT化学品船典型横舱壁分段在吊装过程中变形量,优化分段吊装设计方案。通过实际分段吊装对比分析,验证优化的正确性以及改进效果,以达到吊装设计最优化,满足吊装方案的安全性要求。     

基于4D模型技术的船台吊装监控体系

为了缩短船台（坞）周期,实现资源合理配置,动态监控船台吊装过程,提出了基于4D模型监控船台（坞）吊装过程的研究方法。在此基础上开发了船台吊装监控系统,以2800TEU船为例,将船台吊装的过程展现出来,形成动态的建造过程模拟。验证了基于4D模型技术监控船台（坞）吊装过程的可行性,并为船舶建造各项计划提供可靠依据。     

船舶分段涂装并行施工调度优化

以国内某大型造船厂为背景,对船舶分段涂装施工调度问题进行优化,达到缩短分段涂装施工周期的目的。通过对分段计划管理模式的应用研究,分析船舶分段涂装的网络计划模型,制订船舶分段涂装生产分级网络计划模型,明确船舶分段涂装并行施工调度的优化方向,即引用基于遗传算法的模拟退火分层遗传算法(Simulated Annealing Hierarchical Genetic Algorithm,SAHGA),通过在算法中引入模拟退火的思路,改善算法对问题最优解的求解效率,对低层网络计划进行优化,使船舶分段涂装生产周期满足建造计划的需求。     

3万吨散货船浮船坞内大合拢新工艺

通常船舶合拢在船台上或干船坞内进行,由于船台紧张,采用浮船坞大合拢工艺.浮船坞内大合拢与普通船台大合拢不同,分段越少越有利于合拢质量控制,但由于配套的起吊设备限制,分段数量不能太少.随着分段吊装进行,浮船坞的浮态及中垂是在动态变化着的,因此要求浮船坞内基准线定位计算非常精准.通过细化的工艺计划、基准线位置计算和动态调整墩木高度,制定了3万吨散货船浮船坞内大合拢工艺,并通过专家评审.     

基于计算机辅助的大型船舶分段吊装研究

船舶工业的技术水平不仅决定了一个国家的海上航运与海洋资源开发的能力,更重要的是决定了一个国家海上军事舰船的质量,决定了一个国家的海上国防。大型舰船由于体积与结构太大,必须要采用分段建造并组装的生产技术,将整船分为不同的子模块,并选择恰当的时间、地点和吊具等,完成整船的组装。大型船舶吊装的质量决定了船舶的质量,因此,有必要对船舶分段吊装的工艺与技术进行优化。本文研究的核心是将计算机辅助技术与吊装过程相结合,利用计算机去仿真船舶分段吊装过程,并在仿真过程中对吊具、船舶子模块等进行优化和改进,提升船舶分段吊装的质量,主要利用了Ansys等仿真软件。     

利用遗传算法进行船舶网络云资源调度

船舶网络在信息管理方面发挥着重要作用,但船舶网络的性能无法满足数据的增长速度,为此引入云计算技术来提升船舶网络的海量数据处理能力。如何利用资源调度策略提升船舶网络性能是云计算研究的重点。本文提出基于遗传算法的船舶网络云资源调度模型,遗传算法存在搜索后期效率低、易早熟等问题,为了解决算法存在的问题,根据元胞自动机原理,对遗传算法进行改进,提高资源调度的效率,提升船舶网络的性能。     

改进遗传算法在船舶压载水置换方案求解中的应用

根据船舶压载水置换的安全条件,将压载水置换问题归结为多目标组合优化问题.以总纵弯矩和剪力最小为目标,艏艉吃水条件为约束,采用两舱同时置换的策略,建立了船舶压载水置换问题的优化模型,并引入遗传算法对该问题进行求解.采用整数编码,将多目标问题以权重集合法转化为单目标问题,同时根据压载水置换具体问题,对遗传算法进行了改进.最后以一艘50 000t成品油船的压载水置换问题为例进行仿真试验,试验结果表明,采用遗传算法可以快速地搜索到工程实用方案,具有一定的工程应用价值.     

基于分段动态松弛协同优化算法的船舶机舱结构优化设计

基于标准的协同优化算法,针对其对初始点敏感、收敛慢等固有缺陷,将协同优化算法法与混合优化算法及动态松弛法相结合,提出分段动态松弛协同优化算法,并将其应用到船舶机舱结构多目标优化问题中。针对船舶主机舱结构静、动态多学科多目标优化问题,建立主机舱结构的多目标协同优化模型。在Isight优化软件中采用改进的分段动态松弛协同优化算法,对船舶机舱结构进行静、动态多学科多目标协同优化设计,得到优化设计的最优解。优化结果表明,相对于基于遗传算法的协同优化算法,分段动态松弛协同优化算法兼顾了优化的高效性和准确性,对于实际工程中更加复杂的多学科多目标结构优化具有一定的参考价值。     

推进分段总组 缩短船台周期

本文就目前推进分段总组造船来缩短船舶在船台的建造周期的意义作了简单的陈述，同时从推进分段总组造船来改进船舶生产建造流程、固化船台分段合拢的现代造船模式进行了探讨。     

航速优化下小型船舶调度目标选取优化方法分析

航运公司在进行货物运输时,为了提高航运经济性,降低营运成本,会对海域内的船舶进行灵活调度,对每艘船的航线、航行速度、途径码头、港口、货物运载量等内容进行详细的控制,船舶调度控制也是一项航运领域的研究热点。本文提出一种基于遗传算法的小型船舶调度优化技术,通过建立船舶的调度数学模型和目标函数,实现了航速优化条件下的船舶调度目标快速化选择。     

首尾尖瘦型船舶带浮筒下水新工艺研究

首尾线型尖瘦船舶或小船台上建造的大中型船舶的纵向下水，由于下水过程中尾部浮力不足，极易造成滑道末端墩反力过大，甚至发生尾弯。提出了一种船舶带浮筒下水新工艺，通过在船舶尾部安装浮筒，并对浮筒大小和位置进行优化，能较为简便、经济和可靠地解决上述问题。此项研究已用于多艘大型汽车运输船的下水，取得了较好的效果。     

基于Project 2002的多项目船台计划管理研究

本文根据现代造船模式中造船工程计划管理原则和船舶建造方针,以散货船的船体分段船台吊装计划为例,利用Project2002项目管理软件进行多项目计划创建与控制,对提高生产效率具有一定作用。     

基于航道与泊位资源协调调度的船舶交通优化

将港口航道与泊位资源协调利用,可最大限度地提高港口运营效率。对此,以所有船舶总在港时间和等待时间最少为目标,建立基于单向航道的多目标船舶调度优化模型。根据港口不同区域的交通流特征,建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束等多个约束模型。设计多目标遗传算法进行求解,并设计有针对性的模拟场景进行验证;以港口某一繁忙时段的20艘船舶为例,进行调度试验。最终得到8个Pareto最优解和2个目标的最优解:总调度时间为2.618 6 h,添加惩罚后总等待时间为23.012 4 h。结果表明:该模型及算法给出的调度方案能有效提高船舶的调度效率。     

基于动态联盟的船舶建造系统中的CAPP与PPC集成研究

讨论了基于并行工程概念的工艺计划和生产计划的集成问题,用以提高在动态联盟环境下CAPP的动态性和生产计划的稳定性,并对船舶工程计划管理系统进行优化.在分析各自流程的基础上,建立了工艺计划与生产计划的集成结构,并将该模式应用于船台吊装流程的确定与吊装计划的编制.     

基于改进差分进化算法的船舶曲面分段车间调度

为有效提升船舶曲面分段车间的加工效率,解决已有算法存在的易陷入局部最优解和初始解质量低的问题,提出一种改进的差分进化算法,对曲面分段调度问题进行求解。以最小化完工时间和最小化班组间负荷差距为目标,建立该曲面分段调度问题的双目标数学模型,并采用改进的差分进化算法对该问题进行求解。该改进差分进化算法将全局搜索策略与局部搜索策略相结合,能提升初始解的质量,并加快收敛速度。使用某船厂的实际数据对该算法进行有效性验证,结果表明,该算法能有效求解船舶曲面分段调度问题,能更好地提升船舶曲面分段制造调度作业效率。