基于近似模型的海上发射船船型优化

基于径向基函数神经网络模型,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。选定船型方形系数CB和长宽比LA/B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功率近似模型;利用多岛遗传算法搜索最优船型。结果表明,优化后的船型可使火箭弯矩减小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BP网络的球鼻首参数化优化

本文以某集装箱船为研究对象,对降速航行后的球鼻首进行优化。采用Catia建立船体三维模型,为了产生不同形状的球鼻首,选取球鼻特征参数来描述其基本结构;采用拉丁超立方试验抽样方法得到12组不同形状的球鼻首,提出运用非线性拟合能力较强的BP网络构建球鼻首参数和阻力系数之间的关系模型;采用遗传算法对训练后的网络进行极值寻优。结果显示,优化船型的阻力系数显著降低,说明该方法对球鼻首的优化有一定的借鉴意义。     

基于BP网络的球鼻首参数化优化

本文以某集装箱船为研究对象,对降速航行后的球鼻首进行优化。采用Catia建立船体三维模型,为了产生不同形状的球鼻首,选取球鼻特征参数来描述其基本结构;采用拉丁超立方试验抽样方法得到12组不同形状的球鼻首,提出运用非线性拟合能力较强的BP网络构建球鼻首参数和阻力系数之间的关系模型;采用遗传算法对训练后的网络进行极值寻优。结果显示,优化船型的阻力系数显著降低,说明该方法对球鼻首的优化有一定的借鉴意义。     

基于RBF神经网络的渔船尾部型线两目标优化

为了开发节能、减排的渔船新船型以应对国际形势的挑战。本文提出了一种基于仿真设计的优化方法对一艘灯光渔船的艉部型线进行优化。采用三角变换法修改船型的几何形状,将优化拉丁方生成的样本方案用于RBF神经网络模型的构建,最后以总阻力性能和桨盘面伴流不均匀度为优化目标,采用NSGA2对该渔船船型进行两目标优化,优化结果表明本文提出的方法可以用于渔船新船型的开发。     

近似技术在船型阻力性能优化中的应用研究

船体型线优化过程中,通常要利用高精度的CFD软件对船舶的相关性能进行数值求解。这将耗费大量的时间,导致船型优化效率降低。为有效提高船型优化的效率,提出将近似技术应用于船型自动优化中,以代替CFD数值求解。探讨了样本点选取、样本集形成及近似模型实现途径等问题。以一艘1300TEU集装箱船的线型优化为例,构建船体兴波阻力的Kriging近似模型,并将其应用于球鼻首的优化中。计算结果表明,基于Kriging模型的船型优化是一种实用而且有效的方法。     

KCS艏艉型线优化及其对推进效率的影响

对KCS的船首和船尾型线优化开展研究。船体采用径向基函数描述，艏部型线以减小总阻力为目标，艉部型线则侧重于降低尾流不均匀度，以期提高推进效率。在优化过程中，利用基于拉丁超立方采样点构建Kriging近似模型替代直接计算流体力学（CFD）模拟。分别采用多岛遗传算法和非支配排序遗传算法-Ⅱ开展单目标和多目标优化，避免优化的早熟。结果表明，在服务航速下，优化船型的总阻力降低了1.36%，优化船型的伴流目标函数降低了10.2%。在此基础上，进一步针对优化过程中产生的3个优化船型以及原始船型，选用KP505桨进行自航模拟，结果显示虽然阻力有些许增大，但伴流不均匀度明显降低的优化船型的推进效率更优，相对于原始船型，其推进效率最高提升了1.08%。     

基于船舶阻力性能的船型主尺度参数敏感度分析

采用回归分析法研究船型主尺度参数对阻力性能的敏感度。首先确定船型参数及其变化范围;然后,通过均匀试验设计方法在设计空间选取样本点,并采用流体分析软件(Shipflow)对每个样本点进行阻力性能数值计算,进而构建样本集,再采用径向基神经网络生成近似模型,并验证近似模型的精度;最后,利用回归分析法得到船型主尺度参数对阻力性能的敏感度排序。通过研究可确定对总阻力性能影响显著的主尺度参数,从而为船型主尺度优化的顺利进行打下基础。     

船舶操纵性能及其代理模型构建（英文）

为了提高船舶操纵性能计算效率,文章结合基于NAPA计算仿真结果和支持向量回归方法预报海洋平台支援船的操纵性能,在收集足够相关船型信息前提下,采用能够合理探索设计空间和抽样的拉丁超立方方法获取了30条样本船型数据。通过NAPA仿射变化、位移转换及根据船型设计变量进行局部调整从而生成系列船型以表达船体几何形状。针对每个船型,分别计算了5项操纵性衡准指标:进距、战术直径、横距、10°舵角第一超越角和20°舵角第一超越角。为提高船舶操纵性能的计算效率,文中利用作者早先新提出的一种单参数Lagrangian支持向量回归算法来训练并构建代理模型以预报船舶操纵性能,该算法整合了Laplace损失函数,仅采用单参数控制计算误差并于置信区间中增加了b~2/2项。以海洋平台支援船为例,采用SPL-SVR算法预报船舶操纵性能,并与基于NAPA计算仿真结果、人工神经网络、经典支持向量回归算法进行对比。不需要昂贵的仿真代码计算,文中采用SPL-SVR算法建立的船舶操纵性能响应面模型比较适合船型初步设计的工程实际应用,并具有较好的效率和适用性。     

船舶操纵性能及其代理模型构建

为了提高船舶操纵性能计算效率,文章结合基于NAPA计算仿真结果和支持向量回归方法预报海洋平台支援船的操纵性能,在收集足够相关船型信息前提下,采用能够合理探索设计空间和抽样的拉丁超立方方法获取了30条样本船型数据。通过NAPA仿射变化、位移转换及根据船型设计变量进行局部调整从而生成系列船型以表达船体几何形状。针对每个船型,分别计算了5项操纵性衡准指标：进距、战术直径、横距、10°舵角第一超越角和20°舵角第一超越角。为提高船舶操纵性能的计算效率,文中利用作者早先新提出的一种单参数Lagrangian 支持向量回归算法来训练并构建代理模型以预报船舶操纵性能,该算法整合了Laplace损失函数,仅采用单参数控制计算误差并于置信区间中增加了b2/2项。以海洋平台支援船为例,采用SPL-SVR算法预报船舶操纵性能,并与基于NAPA计算仿真结果、人工神经网络、经典支持向量回归算法进行对比。不需要昂贵的仿真代码计算,文中采用SPL-SVR算法建立的船舶操纵性能响应面模型比较适合船型初步设计的工程实际应用,并具有较好的效率和适用性。     

多学科优化中的近似模型及其在艇体结构优化中的应用

近似技术是多学科设计优化关键技术之一。系统介绍多学科设计优化中常用的3种近似模型:响应面模型(Response Surface Methodology,RSM)、Kriging模型、径向基函数(Radical Basis Function,RBF)模型。对比分析3类近似模型在典型数学函数不同维度下的拟合性能。结果表明,Kriging模型的综合拟合性能最优,RBF模型次之,RSM拟合性能不佳。在此基础上,通过拉丁超立方试验设计选取样本点,基于Kriging模型构造潜艇平行舯体某舱段耐压壳体结构响应的近似模型,应用粒子群优化算法完成了耐压壳体结构轻量化设计。最优化设计方案质量较初始方案减少了11.99%。     

高速电磁执行器的性能优化

针对一种具有强电磁力密度特性的高速电磁执行器开展性能优化研究。建立高速电磁执行器多物理场耦合仿真模型，通过计算得到不同参数对电磁力密度的影响规律，结合量化分析方法筛选得到3个电磁力密度的关键影响因素；采用最优拉丁超立方试验设计方法建立电磁执行器开启过程中的平均电磁力密度及总响应时间的近似模型；基于建立的近似模型构建电磁执行器性能的多目标优化模型，并采用NSGA-Ⅱ算法求解得到Pareto解集，结合最小距离法确定最优解。结果表明：优化后的电磁执行器在开启过程中的平均电磁力密度提升了14.9%，总响应时间减小了26.7%，空间利用率及动态响应特性均得到提升，研究结果可为高速电磁执行器的优化设计提供理论指导。     

一种多学科设计优化近似模型构建方法

通过采用单个参数控制样本的误差界限、采用Laplace损失函数和改变置信区间项,给出了一种基于单参数的Lagrangian支持向量回归算法。以实际数值函数为例,通过采用三组不同样本集进行拟合训练,构建了基于支持向量机的近似模型;以石油平台支援船总阻力估算为例,通过与模型试验及其他典型方法的对比,检验了算法用于近似模型构建的准确性和适用性。研究结果表明,采用支持向量机方法构建近似模型在小样本条件下比神经网络等传统方法具有更好的泛化性和推广能力,能够有效提高计算精度与优化效率,在复杂系统多学科优化设计中具有很大的应用价值。     

DOE技术在起重臂优化设计中的应用

为提高某船用起重机起重臂结构刚度,减小其最大应力以及结构质量,首先对各变量进行灵敏度计算,去除对目标函数不灵敏的设计变量,以提高后续计算效率。基于DOE试验设计理论及有限元法构建优化问题的近似模型,借助拉丁采样对该近似模型拟合精度进行检验。基于遗传优化算法(GA)对该近似模型进行优化。优化结果表明:刚度提高9.4%,最大应力值减小21.4%,结构质量减轻9.3%。     

最小阻力的参数化船型优化研究

采用基于形状参数的船型参数化方法实现复杂舰船的参数化建模,利用Isight集成框架构建基于阻力的船型优化模型,实现参数化船型生成、阻力计算及优化算法等功能模块集成。以某船型为例,选取5个船型参数作为优化变量开展船型优化,并对优化算法开展研究分析。优化研究获得了阻力最小的船型参数组合及合适的优化算法,算例表明,基于形状参数的船型优化方法具有较强的适用性。

     

基于人工神经网络和遗传算法的喷水推进泵叶轮和导叶匹配优化方法研究

为提升喷水推进泵的水力性能,对现有水力模型动叶轮和导叶体的叶片几何形状进行匹配优化设计。该文针对影响喷水推进泵性能的叶轮叶片载荷、导叶叶片载荷、积迭位置等参数,采用拉丁超立方抽样方法进行样本空间采样,应用RANS方程对各样本进行定常数值求解,得到泵的性能参数,基于人工神经网络,建立泵设计参数和性能参数之间的映射响应模型,并以效率最高为目标,采用遗传算法进行优化,获得性能优异的喷水推进泵水力模型。该过程迭代循环自动完成,可缩短水力模型的设计开发周期。结果表明：优化后,在保持泵扬程不变的情况下,内流场显著改善,计算设计点效率达到91.8%,经过试验验证后效率达到88.9%,高效区流量范围拓宽15%。     

一种有效近似建模方法及船舶耐波性代理模型构建

船舶耐波性能预报计算过程复杂,会受到诸多设计变量的影响;且采用高精度商业软件如CFD预报船舶性能的计算代价非常高。文章采用拉丁超立方方法进行了设计空间抽样。定义了一个新的综合衡准指标来表达船舶耐波性能,即短期和长期作用下船舶非工作时间百分数。考虑了船舶耐波性能中的五个运动方向：横摇、纵摇、转艏、横荡和升沉。为提高船舶耐波性能计算效率,一种有效的近似建模方法—单参数Lagrangian 支持向量回归算法被用于训练并构建代理模型以预报船舶耐波性能,且该算法是由作者在过去的研究工作中首次提出。以海洋平台支援船（OSV）为例,采用SPL-SVR算法预报船舶耐波性能,并与基于NAPA计算仿真结果、人工神经网络和经典支持向量回归算法进行对比。该文考虑OSV的两种速度,建立了海洋平台支援船短期作用下非工作时间百分数的耐波性能响应面模型,结果显示采用SPL-SVR算法建立的船舶耐波性能响应面模型比较适合船型初步设计的工程实际应用,并具有较高的计算效率。     

基于多岛遗传算法的舱口盖结构优化设计

为降低空船质量，提高经济性，针对某船舱口盖结构减重进行研究。采用拉丁方试验法建立样本空间，根据样本参数进行有限元模型求解。采用响应面模型法建立舱口盖结构设计近似模型，以规范中对应力和变形的要求作为设计约束条件，基于多岛遗传算法对某船舱口盖结构进行优化设计。结果表明，优化解收敛性好，可满足规范要求。     

考虑鸭尾变形的豪华邮轮水动力性能优化

基于自研的OPTShip-SJTU优化软件,通过改变鸭尾型线,对波浪中航行的国产VISTA型豪华邮轮的总阻力系数、量纲一纵摇和垂荡幅值进行了综合优化和分析。优化过程中采用自由变形、优化拉丁超立方采样方法、计算流体力学、Kriging近似模型以及多目标遗传算法（NSGA-Ⅱ）,得到了供决策者选择的Pareto优化解集,选取了4个优化鸭尾进行了数值模拟和验证。鸭尾两侧型线向前收缩和中部型线向后延伸,邮轮的总阻力系数、量纲一纵摇和垂荡幅值可同时得到优化;鸭尾向后伸展,量纲一垂荡幅值略有增加,总阻力系数和量纲一纵摇幅值有所降低,纵摇和垂荡存在优化冲突。研究中采用的优化方法和流程可用于豪华邮轮水动力性能优化,所得结论可为邮轮鸭尾型线设计提供参考。     

改进Sobol’方法在船型优化模型中的应用

针对船型优化中采用更多的优化变量有可能带来"维度灾难"的问题,通过灵敏度分析确定不重要的变量并降维来缓解该问题。介绍以往提出的改进Sobol’方法,利用该方法对某集装箱船兴波阻力优化模型进行灵敏度分析并降维。为减少分析的计算量,对该船型优化模型构建Kriging模型。对优化模型降维前后的优化过程、最优解及其波形和型线进行对比。结果表明:降维后优化模型收敛更快,最优解兴波阻力系数仅增大0.15%,采用改进Sobol’方法进行降维,能在保证最优解质量的同时,提高优化效率。