英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

---

基于仿真设计技术的全船艏艉型线的综合优化

中国船舶科学研究中心，中国江苏无锡214082，

摘要：高级计算流体动力学（CFD）技术与优化算法被成功地集成为基于仿真设计（SBD）的技术，SBD技术为船型优化设计和结构创新打开了新局面。在这篇文章中，描述了SBD技术的基本要素，深刻地分析了关键组件并重点突破了关键技术，比如全局优化算法、船体型线优化和改造以及代码集成。然后结合高保真度CFD代码（基于Reynolds-averaged Navier-Stokes），一个自动化的船体型线优化设计框架就建好了。基于此，全船（散货船）选择以总阻力和螺旋桨尾盘流场质量为目标函数进行优化。结果表明，在一定的速度范围内尾流场的改进使得总阻力减少，将推进效率提高大约5%，综合节能效率将进一步扩大。实例证实了SBD框架对于船舶型线设计问题的适用性。

关键词：船型；全船；优化；设计；SBD框架

1 引言

很长一段时间，计算流体动力学（CFD）技术在船舶水动力学领域得到了高度重视，并在过去的20年里在流体力学的新兴趋势中发展最快。然而，它主要应用于船舶性能的评价与估测。船体型线设计仍在使用基于经验的传统方法和模型试验的数据库，而很少使用创新方法，所以对于获得船舶水动力性能的优化设计很困难。许多研究人员和设计师们在实践中误用专业术语“优化”，因为在初始结果不满意的情况下，他们总是在重新设计的方案（两个或三个方案）中选择最好的解决方案。事实上，它们被用作“选择”而不是“优化”。

今天，CAD技术的迅猛发展为船舶水动力性能的评价与估测提供了一个准确而可靠的平台，并且多学科和多目标优化技术的迅猛发展为解决复杂工程优化设计问题提供了科学的方法。因此在给定的优化目标和约束条件下，它为贯彻实施“船体型线优化设计”从而获得优化船型提供了可能。

随着CFD技术，计算机辅助设计（CAD）技术以及优化技术的发展，一个新的船体型线优化设计技术已经被开发——通常称为基于仿真设计（SBD）技术。相较于传统的“优化”（从几个模型中选择最好的），在这项优化技术被用于在给定约束条件下获得最小目标函数。同时，CFD工具被用来计算流场和评价目标函数。

为了型线设计发展SBD技术，必须设置四步（这些步骤通常用于许多不同的软件）。第一，在给定约束条件下选择一个优化技术，用来使目标函数最小化；第二，通过运用船体几何建模和优化技术，在设计函数（和他们的变量）以及船体形变之间建立必要的联系；第三，设置CFD求解器作为分析和评估工具来获得目标函数和函数约束值；最后，建立船型优化设计框架需要整合以上三个步骤。换句话说，自动优化过程需要实现图1的过程。

图1 基于仿真设计的船型优化设计工作流程

近年来，SBD技术已用于船体型线设计；CFD工具在流体力学中的应用（大多数被用于降低静水阻力和减少兴波）在许多重要的研究中被提出。这些研究激起了学者们对水动力优化的兴趣(2000年有Day 和 Doctors; 2001有Peri 等; 2003有Peri 和 Campana; 2004, 2006有Tahara 等人; 2007有Pinto 等人; 2008有Kim 和Chun; 2004, 2009有Campana等人; 2010有Diez 等人; 2011有Yang; 2012有Han 等人; 2012有Li 和 Zhao)。

在这些研究中使用的CFD求解器，包括用各种近似方法分析船体边界面，自由面，流动域的Reynolds-averaged Navier-Stokes（RANS）求解器或势流求解器。2000年，Day和Doctors运用基于势流的分析工具，引入了遗传算法来解决全局优化问题。2001年，Peri等人对某油船进行了数值型线优化。在此过程中，总阻力通常由CFD求解器计算，求解器基于船舶稳定自由表面流的线性势。球鼻艏的新设计是由Newman等人在2002年运用灵敏度分析和复变有限差分法得到的。该方法使用RANS求解器，以尽量忽略自由表面影响，减小声呐导流罩的涡流。2004年，Tahara等人运用RANS得到了适用于军舰的船尾，声呐导流罩和球鼻艏。此外，2006年，他们使用RANS于自推进模拟器以考虑推力减额和操纵性。

基于确定性或不确定性的若干优化算法已应用于船型优化。2003年，Valorani等人提出，在船舶水动力优化中，使用势流求解器，早期尝试采用这种高效的，基于梯度的优化技术。2004年，Tahara等人将序列二次规划方法应用于DTMB 5145模型优化。2003年，Peri和Campana发展了商业集装箱船和驱逐舰的多目标问题的全集优化（GO）算法。2007年，Pinto等人运用确定性粒子群优化算法解决了集装箱船的型线优化问题。在迎浪中，船舶垂荡和纵摇运动的幅值响应算子已经有所减少。

命名

B=船宽

C1=社会参数

C2=认知参数

Cb=方形系数

CG=修正系数

CP=表面压力系数

CT=总阻力系数

D=搜索空间的维数

E=误差

f=当前自适应值

=当前所有微粒平均适应值

F=目标函数

Fn=弗劳德数

M=粒度

n=迭代时间

N=在桨盘的点数

Np=Pareto最优解的数量

PG=精度

r1=自由度

r2=自由度

RG=收敛因子

Rr=剩余阻力

Rt=总阻力

S=湿表面积

T=吃水

UD=确定的不确定性

US=模拟的不确定性

USG=网格的不确定性

USI=迭代不确定性

USM=建模不确定性

USN=数值不确定性

UV=验证不确定性

Vx=轴向速度

Vx^rsquo;=轴向速度平均值

w =惯性重量

Wf =轴向速度缺陷

希腊符号

D=位移质量

dG =一阶估计

下标

min=最小

org=原始值

max=最大

缩写

AMG=代数多网格

CAD=计算机辅助设计

CFD=计算流体动力学

CSSRC=中国船科学研究中心

DOE=设计实验

DTMB=David Taylor模型水池

EFD=实验流体动力学

FFD =自由形变

GO =全局优化

IPSO=改进的粒子群优化

LDW=线性减小重量

LPG=液化石油气

MOPSO=多目标粒子群优化

MPI=消息传递接口

PSO=粒子群优化

RANS =雷诺平均值Navier-Stokes

RAO=响应振幅算子

SBD=基于仿真的设计

SPSO=标准粒子群优化

SQP=顺序二次规划

SST=剪应力传输

VOF=体积的液体

已经开发了许多替代的船体几何建模技术。 Kim和Chun（2008）通过引入修改函数以及钟形修改函数，开发了基于参数船体表示的方法。 Valorani等人 （2000）在球鼻艏上应用了表面贴片，通过重新定位控制点进行修改; 约束由控制点的有限运动范围组成。 Campana等 （2009）在船舶水力动力学性能优化中使用自由形变法来修改复杂的船体几何形状，如球鼻艏或全船体形式。 Kim等人（2010）开发了一种组合的局部和全局船体形式修改方法，并已被整合到基于CFD的实用流体力学优化工具中。 为了减少阻力，此优化工具已被应用Series-60（Cb = 0.6）船体的流体动力学设计。

此外，Campana及其同事也提供了许多有趣的作品。 SBD的关键技术，如全球优化算法，船体几何修正和重构，并行计算和近似管理深入研究方法。 在一系列论文中，Peri和Campana（2003）研究了一种可变保真方法，以便在单目标和多目标问题中使用自由表面RANS方法来加快优化过程，而Peri和Campana（2003）开发了一种全局优化算法， 应用于同一测试的解决方案，并进行实验来评估优化的成功。 最近，Campana等 （2009）总结了SBD工具箱以前在处理复杂设计问题方面的发展和示范。 然后，SBD框架应用于由喷水推进的双体船的优化（Periet al。2012）。

Diez等人 （2010）提出了一种在不确定的运行条件下对船舶进行多学科稳健设计优化的方案。在受不确定性影响的决策问题上，该方法将多学科设计分析与贝叶斯方法结合。

Han等人进行了集装箱船和液化石油气载体的数值型线优化。 （2012）使用由公平优化的B样条曲线组成参数曲线，标记为F样条。 具有完全不同球鼻艏形状的最佳船舶已经通过模型实验被成功验证，总阻力减少了5.7％，输送功率提高了7.8％。

这些论文证明了，SBD技术（基于CFD的船体型线设计）在船舶水动力学设计领域正在被越来越多人的考虑。 他们已经描述了一些算法和方法，用于数学优化船舶的静水阻力性能，局部或全局优化问题，具有单目标或多目标函数，或两者兼而有之。 几乎所有的优化对象都是中高速船，其主要目的是降低总阻力成分中的兴波阻力。 然而，由于其船体形状特征和流体动力学方面，全船很少被引用。

这种全船体形式的特点是具有以下特点：相对较慢（弗劳德数[F n]低于0.2），方形系数大于0.80，平行中体截面几乎为直角，且平行中体很长。 在强大的约束条件下，船舶主体尺寸，排水量和浮心位置等参数不得改变，全船的可修改区域受到限制; 因此，船体型线设计优化相当困难。

此外，全船的水动力性能的特点如下：兴波阻力基本上取决于进流段和进流段到平行中体的过渡，因为速度非常低，因此总阻力比相对较小（通常在10％以内）。 湿表面积通常保持不变，摩擦阻力可能不会变化很大。阻力分量的其余部分，形状阻力只能通过船体形状优化获得阻力减小的好处。 形状阻力与船舶表面的压力分布密切相关。 由于船体表面压力分布与船舶形状的多样性，非常复杂，传统的设计方法很难改进，只有通过设计师的经验指导。 因此，全船性能优化成为船舶设计难点。

在本文中，首先，重点是突破关键技术，如全局优化算法，船体几何修改和重构以及代码集成。 然后，结合高保真的CFD代码（在RANS上），一个自动船体设计优化框架就形成了。 最后，提出了SBD框架在全船上的应用（C _b = 0.835）。 设计优化的成功证实了开发的SBD框架在处理全船非常困难的设计问题时的适用性。

2 全局优化算法

优化技术用于探索船体型线设计空间，获得优化问题的最优解。 因此，选择什么样的优化算法可以快速准确地搜索设计空间中的最优解，是船体优化设计研究的重点之一。

传统的基于梯度的优化算法被广泛应用，主要是考虑到相对较少数量的变量时具有良好的收敛性和计算效率。然而，由于非线性约束的结果，非实例可行的设计空间和目标函数的多模态在实际问题中是相当普遍的，局部优化算法可能被困在局部最小值中，在解决这些问题时效率低下。随着计算机性能的提高和高效的全局优化算法的发展，非梯度算法近来受到广泛关注。与局部优化算法相比，全局优化算法具有几个优点，因为它们通常易于编程和并行化，不仅限于优化问题的连续性，更容易找到全局或近全局最优解。因此，作者建议在解决实际工程优化问题时选择全局优化算法。

GO算法有很多不同类型; Go的附加应用可以在Torn和Z ilinskas（1989）和Horst和Pardalos（1994）的参考文献中看到。 在本文中，采用了粒子群优化算法（PSO），该算法原来是由肯尼迪和Eberhart（1995）引入的。目前已经发展成为一种强大的全球优化方法，并已成功应用于几个工程学科的大规模问题（Eberhart＆Shi 2001; Fourie＆Groenwold 2001; Li et al。2010; Pinto et al。2004; Venter＆Sobieszczanski- Sobieski 2004）。 本节将介绍标准PSO算法（SPSO）及其改进。

2.1 标准粒子群优化算法

PSO算法假设粒子群中的每个个体由三个D维向量组成，其中D是搜索空间的维数。 这些是当前位置，先前的最佳位置，以及速度粒子群由m个粒子组成，i个粒子的位置表示为因此速度为，最好的位置由i个粒子找到最好的位置由整个粒子发现表示为 然后使用以下公式更新速度和位置：

中，i = 1,2，... m表示不同的粒子，c1和c2（称为研究因子或加速系数）是正常数，它们调整最佳位置之间的飞行步长，它们自身和它们 邻居。 一般来说，c1 = c2 = 2. r1和r2是在0和1之间平均分配的随机数，pi是粒子i发现的最佳位置，pg是群体到迭代n的最佳位置 ; n是迭代时间。 vi限于区域[-v max，v max]以防止粒子移动太快失去最佳解，并且根据问题确定v max。当速度足够小或达到开始定义的最大迭代时间时，算法将停止并输出最佳解 。

基本的PSO算法遵循以下六个步骤：

步骤1：在搜索空间的D维中初始化具有随机位置和速度的粒子群体数组。

步骤2：对于每个粒子，评估D变量中期望的优化适应度函数。 存储每个粒子的最佳位置pi和适应度，然后选择粒子的位置，其适应度在所有粒子中最好，作为粒子群的最佳

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[141593]，资料为PDF文档或Word文档，PDF文档可免费转换为Word