【技术实现步骤摘要】
一种近似船体型线优化方法、装置及计算机存储介质
[0001]本专利技术涉及一种船型优化方法,特别是涉及一种近似船体型线优化方法
、
装置及计算机存储介质
。
技术介绍
[0002]合适的船体形状在航行过程中能够受到更小的阻力,从而达到减小燃料消耗和减小二氧化碳排放的目的
。
目前,基于
CFD
技术
(
黏性流体力学方法
)
的船型优化方法已经成为船型初始设计的主要手段,然而该方法往往采用确定的船舶参数和风浪工况进行优化计算
。
实际上,一艘大型船舶往往要连续行驶进入多个国家
、
多个航线
。
长距离
、
多航线的行驶要遇到多种变换风浪,行驶工况千变万化,船速会跟着海况和驾驶员的习惯不断发生变化,吃水会随着载重货物的变化而发生变化
。
然而采用单一工况
(
确定航速
、
吃水
、
海况
)
的
CFD
确定优化算法获得的最优解并不能适用于整条航线,因此在船型优化中考虑不确定因素的影响是必不可少的
。
此外,如果将这些不确定因素都考虑到船型优化设计中,将会计算非常多的
CFD
模型,这也就导致考虑不确定因素的优化效率非常低
。
技术实现思路
[0003]针对上述现有技术的缺陷,本专利技术提供了一种近似船体型线优化方法,增 ...
【技术保护点】
【技术特征摘要】
1.
一种近似船体型线优化方法,其特征在于,包括以下步骤:
(1)、
采用遗传算法初始化种群参数,随机生成一组个体,每个个体由船舶主尺度参数构成;
(2)、
固定步骤
(1)
的遗传算法个体的船舶主尺度参数,进行不确定因素优化获得对应遗传算法个体在波浪中的总阻力;
(3)、
对遗传算法种群进行选择
、
交叉
、
变异操作;
(4)、
在遗传算法满足终止条件时结束优化并输出总阻力最小的解,否则进化生成新种群返回步骤
(1)
继续优化;其中步骤
(2)
中进行不确定因素优化包括以下步骤:
(201)、
采用蛙跳算法随机生成一组青蛙种群,青蛙种群中的青蛙个体为所述固定的遗传算法个体的船舶主尺度参数与不确定因素的结合,所述不确定因素包括船舶在海上的船舶参数和环境参数;
(202)、
预测每个青蛙个体在不同工况中的总阻力;
(203)、
依据所述步骤
(202)
得到的青蛙个体在不同工况中的总阻力预测值,对所有青蛙个体由大到小依次排列并分配到四组中,然后不断更新青蛙个体进行基于总阻力最小的优化计算,最终获得的最优解对应的总阻力值作为左边界值;
(204)、
重复步骤
(201)
和
(202)
,依据所述步骤
(202)
得到的青蛙个体在不同工况中的总阻力预测值,对所有青蛙个体由大到小依次排列并分配到四组中,然后不断更新青蛙个体进行基于总阻力最大的优化计算,最终获得的最优解对应的总阻力值作为右边界值;
(205)、
根据步骤
(203)
和
(204)
得到的左边界值和右边界值计算获得对应遗传算法个体在波浪中的总阻力
。2.
根据权利要求1所述的近似船体型线优化方法,其特征在于,所述步骤
(202)
预测每个青蛙个体在波浪中的总阻力时采用
DBN
近似船体阻力预测模型进行预测,所述
DBN
近似船体阻力预测模型的获取方法为:首先采用拉丁超立方设计建立包含船舶主尺度参数
、
船舶参数和环境参数的样本合集,然后采用
CFD
方法计算样本合集中每个样本的总阻力,构成训练样本集,由训练样本集对
DBN
算法进行训练得到
DBN
近似船体阻力预测模型
。3.
根据权利要求1所述的近似船体型线优化方法,其特征在于,所述步骤
(205)
根据左边界值和右边界值计算获得对应遗传算法个体在波浪中的总阻力时采用以下公式进行
R
i
=
0.5*[F(LL)+F(RR)]
‑
0.4*F(LL)
其中,
R
i
为对应遗传算法个体在波浪中的总阻力,
F(LL)
为通过步骤
(203)
获得的最优解对应的总阻力值,
F(RR)
为通过步骤
(2...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。