基于蚁群算法的大型油船中剖面结构优化设计

采用蚁群算法对大型油船中剖面结构进行了优化设计,选取了纵骨型号等18个设计变量,建立了以单位长度中剖面构件重量最轻的目标函数,根据DNV(挪威规范)提取了总纵强度等29个约束条件,从而建立了大型油船中剖面结构优化模型。改进的蚁群算法对该模型进行优化计算,该船的中剖面纵向结构单位长度的重量减轻3.35%,结果表明蚁群算法是行之有效的。     

大型油船结构优化设计研究进展

综述了大型油船结构设计的特点;从中剖面纵向构件优化设计、横向构件优化设计及横舱壁结构优化设计三方面评述了国内油船结构优化设计的现状;对国外船舶结构优化设计的进展也作了评述;最后指出大型油船结构优化设计尚需进一步研究的若干问题。     

基于人工蜂群算法和有限元强度计算的集装箱船剖面结构优化

[目的]现有基于有限元强度计算的结构优化研究大多采用改写单元节点信息文件来实现参数化建模的方法,为解决在船体剖面结构优化过程中难以考虑型材数量变化的问题,提出一种基于参数化几何建模分析和人工蜂群（ABC）算法的船舯剖面结构优化方法。[方法]首先,在Matlab平台编写蜂群算法,并基于ABAQUS内核语言Python建立能够在其CAE模块中生成几何模型的脚本文件;其次,建立能够提交有限元计算和读取结果的Python脚本文件,通过将算法每次生成的解改写到脚本对应位置完成几何模型的更新,后台调用ABAQUS并依次运行脚本文件;最后,将计算结果返回到Matlab平台中进行校核,完成参数化几何建模与有限元分析。[结果]以4 600 TEU集装箱船在总纵弯矩作用下的舱段剖面结构优化为例验证了该方法的可行性,得到集装箱船舱段结构减重达18.7%。[结论]经对比分析,在设定条件下基于有限元的优化方法比基于规范的优化方法更加充分。     

基于ABC优化BP神经网络的船舶交通流量预测

为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量预测模型.利用人工蜂群算法全局搜索能力和不易陷入局部最优的特点,对BP神经网络的初始权值和阈值进行优化,并以青岛港船舶交通...     

基于人工蜂群算法的船舶动力定位自抗扰控制器设计

针对船舶动力定位自抗扰控制器(ADRC)参数较多且人工不易调整的问题,通过建立以船舶纵荡、横荡和艏向角三个方向ADRC响应的时间误差积分和最小的目标函数,采用人工蜂群算法(ABC)中采蜜蜂和跟随蜂的选择机制与邻域搜索,优化整定出船舶动力定位ADRC控制器参数。ABC优化的方法避免了工程技术人员繁琐的试凑工作。此外,仿真结果表明,相比试凑法得出的参数而言,经过ABC优化整定的参数具有更快的响应速度,对船模参数变化具有更强的鲁棒性和适应性。     

混合人工蜂群算法在船舶通信网络优化中的应用

混合人工蜂群算法是一种基于仿生学的智能算法,该算法通过模拟蜂群中的分工行为进行局部寻优,能够实现优化问题的快速收敛。船舶无线通信网络由网络节点、网络链路、船舶终端等构成,通信网络的性能关系到船舶导航、AIS系统运行等。本文结合混合人工蜂群算法,进行船舶无线通信网络的覆盖率提升等优化研究,有助于改善当前船舶无线通信网络的性能。     

基于相对差商法的大型油船中剖面结构优化

基于DNV规范对大型油船中剖面结构进行了优化设计.针对采用DNV规范进行油船结构设计的特点,确定了作为设计变量的构件尺寸与相邻同类构件尺寸之间的关系,进而建立了较为精细的优化模型,以增强优化效果和实用性.优化方法采用相对差商法,并作了若干改进.算例显示优化后纵向构件总重量减轻了5.54%,表明所建的优化模型和改进的相对差商法在大型油船结构优化方面具有良好的有效性.     

基于规范计算的油船中剖面优化设计

为降低船舶造价,最大限度地实现船舶的轻量化设计,基于船体尺寸优化的思想,以油船中剖面结构为研究对象,采用法国船级社规范计算工具Mars2000对油船中剖面进行结构定义和载荷计算,通过优化分析软件ISIGHT集成设计变量、约束条件、目标函数,建立参数数据流;开发基于协调共同结构规范（Harmonized Common Structure Rules, HCSR)计算的船舶尺寸优化系统,获得油船中剖面结构设计方案。优化后中剖面面积比原始设计减少6.4%,实现油船的轻量化设计。     

基于改进人工蜂群算法的船舶管路路径寻优算法分析

[目的]人工蜂群（ABC）算法具有控制参数少、局部寻优能力强、收敛速度快的特点,但在解决路径寻优问题方面,存在容易陷入局部最优的缺陷。为解决船舶管路系统中的管路路径规划问题,提出一种改进的人工蜂群（IABC）算法。[方法]在传统人工蜂群算法的基础上,在跟随蜂的更新机制中引入遗传算子中的交叉操作,并对交叉算子的交叉概率采用自适应的策略;通过对种群进行的交叉操作寻找全局范围内的新解,并改进侦察蜂寻找新路径的方式,由原来的对路径经过的点进行更新改为对路径中的“路段”进行更新;随后,提出一种适应于解决分支管路路径寻优的改进人工蜂群协同进化算法。[结果]实例验证表明,改进后的人工蜂群算法相比标准人工蜂群算法其路径布置效果能够提升32.3%～37.4%,收敛速度能够提升17.7%～29.9%。[结论]无论是解决单管路还是分支管路,改进后的人工蜂群算法相比传统的人工蜂群算法求解质量更高、收敛速度更快、稳定性更好。     

大型油船横向结构优化设计

大型油船较之一般油船的横向结构受力大,在整个舱段优化设计中必须考虑横向结构的优化问题。将横向结构简化成T型材,从DNV(挪威规范)中提取相应的约束条件,以单个横向结构重量最轻为目标函数建立数学模型,采用变尺度混沌算法对其进行优化设计。     

船用柴油机混合能源系统配置优化

考虑新能源的间歇性以及船舶电力系统负载的突变性和波动性,本文首先根据船舶航行中经纬度和海上环境的变化对新能源的参数进行修正,然后构造同时计及成本与使用寿命的船用柴油机混合能源系统优化配置目标函数,再利用人工蜂群算法进行优化,从而获得最佳的系统配置。船舶航行实测试验验证该方法的可行性,同时表明了它比陆地上传统方法具有更好的优化配置性能。     

基于扩展有限元法的结构内部多缺陷的反演分析

基于扩展有限元法和改进的人工蜂群智能优化算法,建立了检测和量化结构中多个内部缺陷的反演分析模型。反演分析模型中,由水平集函数来表征每个缺陷的位置及尺寸,采用精英加引导策略的人工蜂群搜索方程进行全局搜索,直到达到收敛为止;提出以人工蜂群对不同数目的缺陷参数样本进行贪婪选择,无需预先知道结构内部所含的缺陷数目,迭代过程中缺陷数目可以智能改变。该模型避免了反演过程中网格重划分问题,有效地减少了迭代的计算成本。通过若干算例的分析表明:在结构内部所含缺陷数目未知情况下,建立的反演分析模型能够快速准确地识别并确认出结构内部存在的缺陷数目及其相应的位置和大小。     

基于蚁群算法的长江干散货船中部结构优化设计研究

以长江散货船舯剖面纵向构件重量最小为优化目标,针对长江散货船在结构上的特点,采用蚁群算法,通过Matlab语言编程实现该目标寻优过程。利用该程序对实例进行计算,结果说明蚁群算法适用于船舶的结构优化设计,并能取得良好的优化结果。     

空爆载荷作用下波形夹层板抗爆结构优化设计

为了提高空爆载荷作用下夹层板的抗爆能力,提升其在舰船和海工装备上的应用程度,本文提出了一种针对波形夹层板结构的优化方法,该方法以结构质量和在爆炸载荷作用下的结构应力、变形以及吸能作为评估标准,利用正交试验筛选出样本点,通过BP神经网络生成夹层板结构参数与评估标准间的响应面模型,用遗传算法对响应面模型进行多目标优化分析,得出全局最优解,形成一套夹层板的优化设计方案,这为夹层板抗爆结构优化设计提供了一种新的设计思路和优化方法。     

大型油船中剖面结构优化设计的遗传算法

采用遗传算法对大型油船中剖面结构进行了基于DNV规范的优化。以舱段单位长度重量最轻为目标函数,选取了20个设计变量,从DNV规范中提取了32个关于总强度、稳定性等要求作为约束条件,并设计了相应的遗传算法数学模型。算例结果表明单位舱段长度的重量减轻了5.2%,表明该遗传算法在大型油船中剖面的结构优化方面是行之有效的。     

基于工艺可行性的离散变量结构动力特性设计优化

基于船舶工艺可行性分析,建立了使用自适应模拟退火算法的多工况下船体结构动力特性设计优化模型;并给出了相应的设计流程。模型使用矩阵描述由板材厚度和骨材型号构成的离散变量集合,同时将全体设计变量处理为共享设计变量。将模型应用于某集装箱船艉部结构的动力特性设计优化中,优化后的结构不仅减轻了自重,而且增加了频率储备。实例分析表明该模型能应用于工程结构的实际优化设计。     

基于蚁群“觅食”机制的深海自组织网络路由算法F—ACO

根据蚁群“觅食”机制的生物习性,提出一种应用于水下自组织网络实时通信路由选择的蚁群算法-FACO。该算法与传统蚁群算法相比,增加了食物自身散发的“气味”信息素一独立于蚁群释放的信息素,并根据不同的信息素设立了不同的释放和寻优机制。     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。