舰艇核动力装置蒸汽发生器的初步设计多目标优化方法

蒸汽发生器的设计实践表明,由于设计问题的复杂性,仅用单目标优化方法求得的解不能完全适合设计需要。本文讨论了在舰艇核动力装置蒸汽发生器初步设计中引入多目标优化方法的必要性,介绍了蒸汽发生器初步设计的计算模型,讨论了决策变量、目标函数的选取,搜索过程中约束条件的某些假定,以及搜索过程。本文给出了蒸汽发生器多目标优化的一些结果,分析了设计变量和部分约束条件变化对目标函数的影响,计算结果表明,所提出的方法是有效的。     

应用基于MPI的混合粒子群算法的三维水翼优化设计

提出一种三维水翼的优化设计方法.方法应用混合粒子群算法(HPSO)与边界元法相结合进行三维水翼的优化和性能计算工作、应用多级罚函数法解决水翼设计这一多约束、多变量的优化问题.基于免疫理论和惯性权值非线性递减策略的混合微粒群算法,能够有效抑制算法早熟收敛,平衡全局和局部搜索能力.优化设计过程中,水翼的剖面形状、攻角及展弦比作为设计变量,给定的压力分布形式、升阻力系数作为设计约束或设计目标.混合粒子群算法通过划分子种群、应用基于MPI通信机制的并行计算来实施,最大限度减小了计算时间.设计算例表明了文中提出的三维水翼优化设计方法收敛速度快、计算时间短、有效可行.     

多目标优化算法在舰船天线布局中的应用

针对现有的单目标优化算法在天线优化布局应用中的不足,提出一种基于多目标粒子群优化(MultiObjective Particle Swarm Optimization,MOPSO)算法的天线优化布局方法。将该算法与数值计算方法相结合,建立多目标、多变量协调控制的复杂平台上的天线优化布局数学模型。在此基础上,使用FEKO软件建立某型战舰的仿真分析模型,具体分析舰载短波通信天线的优化布局过程。     

基于克里金模型的潜水器耐压舱结构优化

本文研究Kriging建模和序贯加点相结合的方法,用于解决目标函数或者约束函数无法显式表达下的优化问题。在加点准则中为了避免出现龙格现象,改进了加点优化时步长要求,在优化过程中融入多种群遗传算法提高了序贯加点值的计算准确性。计算结果表明,改进后的加点准则在存在多区域或者多个极值点的情况下均可快速搜索到最优点位置。建立了载人潜水器载人舱以重量为优化目标,以强度要求为约束的球壳厚度优化模型,采用此方法在初始选取5个样本取样,序贯加点6个样本点,计算得到球壳的最优厚度值为50.5569 mm,可有效指导设计工作。     

多目标遗传算法在水面船舶快速性优化设计中的应用

在船舶设计中,船、机、桨的匹配问题一直是设计人员最关注的问题之一.快速性良好的船舶应使得船、主机和螺旋桨之间的性能综合匹配.通过采用改进的非支配解排序的多目标遗传算法,讨论了船舶概念设计阶段快速性优化问题.以推进系统综合效率和排水量为优化目标,考虑了混合变量的多目标优化问题.文中给出了载重量为35000t油船的快速性优化设计例子.结果表明,多目标遗传算法能够快捷搜索到全局最优解.     

船用高速汽轮发电机组轴系动力特性分析与优化研究

汽轮发电机组轴系是机组的主要振动来源,其动力特性对机组振动噪声影响较大。本文以某型船用高速汽轮发电机组为例,对该机组的轴系进行了设计及计算,并研究了不同轴承结构型式、轴承间隙对汽轮机轴系动力特性的影响,通过对比,优化了轴系动力特性,为机组设计奠定了基础。本文的研究成果对机组的轴系设计具有重要的参考意义。     

两层分级多学科设计优化在AUV概念设计中的应用

建立了自治水下潜水器总体概念设计的两层分级多学科设计优化框架的数学模型,借助试验设计方法进行设计变量与目标函数的相关性分析,选取对AUV总体概念设计结果最有影响的设计变量,进行多种优化搜索策略和多组不同初始设计值的多学科设计优化,最后得到自治水下潜水器概念设计的优化结果。     

基于多目标遗传算法的复杂系统可靠性冗余优化

提出了将多目标遗传算法用于复杂系统可靠性冗余优化设计的方法。根据系统可靠性冗余的模型,采用多目标遗传优化技术,同时考虑可靠性、费用和重量目标,得到了冗余系统的Pareto最优解。设计者能在这些Pareto解中根据偏好选择最后的折中解。计算了1个3目标的可靠性冗余优化的例子,数值结果表明,多目标遗传算法能迅速搜索到可靠性冗余指标的Pareto解,并且这些解的分布均匀。     

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。     

海上风电场运维船配备优化方法

海上风电场运维船配备优化是以运维船类型和数量为目标的多目标优化问题。设置近远海风电场和海上风电故障类型两个判别参数，将多目标数学模型简化为包含两个函数变量的单目标模型。海上风电场每月运维工作量函数变量采用反向传播(Back Propagation, BP)神经网络方法求解，而作业窗口期函数变量采用建立海上风电场运维船作业窗口期4维图谱的方式完成取值，完成海上风电场运维船配备优化数学模型的运算流程。海上风电场运维船配备优化可提升海上风电场运维管理系统的智能化程度。     

螺旋桨流固耦合多目标优化设计

本文提出将NSGA-Ⅱ多目标优化算法应用于螺旋桨多目标优化设计,并通过面元法和有限元法实现螺旋桨流固弱耦合.通过计算安装在Seiun-Maru(一艘日本散货船)上的HPS大侧斜螺旋桨压力系数分布和压力脉动,考虑了流固耦合效应的计算精度要高于不考虑流固耦合效应,验证了考虑流固耦合的必要性.本文以螺旋桨效率、非定常力和重量作为目标函数,在满足水动力性能、结构响应和空泡性能等约束条件下,选取描述螺旋桨外形的6个参数作为设计变量,以此建立优化函数.在不同近似最优解和非设计点为初值的算例中,其结果均改善了所有目标函数,验证了本文方法的有效性、适用性和鲁棒性.本文提出的多目标优化方法将有助于提高设计效率,节省计算资源,可成为未来螺旋桨设计的有效工具.     

多学科设计优化方法的比较

为了推广多学科设计优化方法在船舶和海洋工程结构设计中的应用,讨论了三种典型的多学科设计优化方法:多学科可行方向法(MDF),协同优化方法(CO),两级系统综合方法(BLISS),并将其应用到齿轮减速箱的设计中;根据计算结果,对上述三种多学科设计优化方法进行了定量的比较和研究,得出BLISS方法最适合齿轮减速箱优化设计的结论.此外,还给出了多学科设计优化方法的选择标准,为多学科设计优化的工程应用提供了一定的指导和帮助.     

基于近似模型的海上发射船船型优化

基于耐径向基函数神经网络模型(RBF),以火箭承受弯矩为单目标优化函数,对双体发射船船型参数进行优化研究。选定对船型参数CB和L/B作为优化变量,利用Lackenby方法,对船型参数化建模,应用最优拉丁超立方方法(LHD)选取样本点,采用二次插值方法扩充样本点数据,建立双体船运动响应及阻力近似模型,利用多岛遗传算法(MIGA)搜索最优船型。结果表明优化后船型的火箭弯矩减小3.86%,从而为双体火箭发射船的设计及相关船型研究提供参考。     

基于提高舰船不沉性的分舱优化

从舰船的水密分舱(主船体分舱)方面考虑来提高舰船的不沉性。提出了"平均初稳性高"和"平均最小干舷"的概念,并建立其数学模型。然后以两者为目标函数,以设置的水密舱壁位置为设计变量进行遗传算法优化。优化过程中,利用线性加权和法将多目标问题转化为单目标问题,并结合与舰船不沉性相关的实际问题对遗传算法进行改进。最后,以某一舰船为例进行优化试验,计算结果表明,文中方法是可行的、有效的,可应用于主船体分舱等船舶工程领域。     

多UUV搜索海底声信标任务规划方法

[目的]为了提高特定海域内多水下无人航行器(UUV)执行海底声信标搜索任务时的搜索性能,需增加对目标的搜索概率。[方法]首先,给出各UUV所载被动声呐的搜索能力指标函数,采用蒙特卡罗方法模拟海底声信标的坐标位置,并在任务区域建立搜索能力函数,从而得到本次优化任务的优化目标;然后,根据UUV实际执行任务时的队形要求建立本次优化的约束条件,整合得到基于海底声信标搜索概率最大化的多UUV队形优化模型,并使多UUV按照此队形完成指定区域的声信标搜索工作;最后,采用遗传算法对优化模型进行参数优化,通过设定合理的目标函数以及改进传统的遗传算子使目标函数的值达到设定标准,随之取出相应的参数完成值的选择。[结果]将求解出的优化队形与传统优化队形进行对比发现,求解出的优化队形具有更高的发现海底信标的平均概率。[结论]该方法能够有效提升多UUV对海底声信标的搜索性能,并给出合理的队形优化方案。     

舰船推进轴系校中的多目标优化计算方法

推进轴系校中的质量对于确保推进系统长期安全可靠的运转极为重要,也是保证舰船正常航行的关键因素,因此研究合理的校中计算方法以及确定最优的轴系校中方案是推进系统研究的重要内容之一。在建立舰船推进轴系校中多目标优化模型的基础上,分别定义了模型中的优化设计变量、优化目标函数以及约束条件。以某型舰船的推进轴系为研究对象,进行推进轴系校中的多目标优化计算分析,通过与Kamewa公司的计算结果进行对比,采用多目标优化后的支承变位能够获得更加均衡的轴承负荷分配结果,同时后轴架轴承的负荷也得到了一定程度的降低,达到了更加优化的校中效果,验证了方法的有效性。     

遗传算法的改进及其在超大型油船结构优化中的应用

遗传算法是一种基于适者生存理念的随机搜索算法,它具有极强的全局搜索能力,且不需要知道问题的导数信息.然而,简单遗传算法局部搜索能力差以及易于早熟.文章编制了一种基于实数编码的适用于连续型变量的遗传算法,比较适合于多峰函数的全局寻优,且对之略作改进,也可用于离散型变量优化.采用大量经典数学测试函数对该遗传算法的优化能力进行测试,取得了很好的优化结果.在此基础上,选用经典10杆桁架结构对该算法的寻优能力进行了验证.最后,以一艘超大型油船的典型中横剖面作为研究对象,选取396个设计变量,所有变量在优化过程中都进行了离散化处理,应用JTP规范[1]作为校核依据,采用该遗传算法进行优化设计.经过优化后,船中剖面面积下降了2.6%.     

船舶航行性能综合优化研究

船舶航行性能优化是一个非常复杂的问题,它具有多个设计变量,多个约束和多个极点.传统的优化方法通常无法解决该问题.文中采用了一种传统的优化方法一复合形法(CA)和遗传算法(GA),模拟退火算法(SA)来计算船舶航行性能优化问题,比较了三种优化方法的输出结果并选取最好的那个解作为最终的优化结果.通过这种方法.可以以更高的概率获得真实的最优解.应该指出的是,这三种算法都作了某种程度上的改进.作者采用C++语言基于面向对象思想开发了计算软件-ShipPO.文中列出的所有船舶航行性能优化计算结果都是在ShipPO平台上计算出来的,结果表明采用三种优化方法计算一次船舶航行性能优化问题耗时并不太多.最终的结果表明ShipPO具有很强的寻找全局最优解的能力,它能够很好地满足工程需要.     

改进的多目标优化算法及其在船舶设计中的应用

对多目标优化问题的固定加权和方法加以改进,采用随机权系数方法将多目标优化问题转换成为单目标优化问题,利用序列二次规划方法获得问题的最优解。由于权系数的随机性,多次运行能够得到多目标优化问题的Pareto优化解和Pareto前沿。和固定权系数相比,这种方法能够找到非凸均衡面上所有的Pareto最优解。采用TOPSIS法进行多属性决策(MADM)研究,对Pareto最优解给出排序。针对船舶概念设计阶段主尺度确定过程的多目标优化问题,给出了一艘散装货船两个优化目标的数值算例。计算结果表明,随机加权和方法可以求出多目标Pareto最优解集,和先验加权方法相比,随机加权方法能为设计者提供更多的选择;和遗传算法相比,现在的方法简便且精度良好。     

随机响应约束下的桁架结构拓扑优化

研究随机响应约束下的桁架结构拓扑优化问题具有重要的工程应用前景.文章采用自适应遗传算法(AGA)求解了随机响应约束下的桁架结构拓扑优化问题.通过引入海明距离生成高质量的初始种群、采用自适应的交叉和变异算子以及对适应度函数进行线性标定这三个步骤改进了遗传算法的搜索效率以及收敛性.在拓扑优化列式中考虑杆件以及各自由度的拓扑变量以精确地模拟优化过程中杆件和结点的删除.建立了随机载荷作用下结构均方响应的表达式,并以此作为拓扑优化问题的约束条件.另外,提出了一些启发式算法来引导杆件和结点的删除.最后,通过对随机激励下的二维桁架以及三维桁架进行拓扑优化计算,证明了本文方法的实用性和有效性.