资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,Hull-form optimization in calm and rough water,作者：,Gregory J.Grigoropoulos,Dimitris S.Chalkias,NTUA(雅典科大),Computer-Aided Design 42(2010)977984,Hull-form optimization in calm,1,静水与波浪中的船型优化,指导老师：,冯大奎,小组成员：,静水与波浪中的船型优化指导老师：小组成员：,2,摘要,本篇是基于Ranking-source面元法和带理论来进行流体力学估算。,此种双目标优化策略在现代快速排水型船的研究中正得到广泛应用。,摘要本篇是基于Ranking-source面元法和带理论来进,3,研究对象介绍,双舭线 船型（double-chine hull form）,A-40“,信天翁”是俄罗斯,别里耶夫,设计局研制的世界上最大的双发涡扇式多用途水陆两用飞机。,舭缘线（,chine,）,在舰船的左舷、右舷有一条突出的棱角，平底或,V,形底船的舷侧与船底之间的相交线。,研究对象介绍双舭线 船型（double-chine hull,4,背景,早期：Heimann 提出基于“,FRIENDSHIP-Modeler”,优化船型的兴波的方法。,发展：Korvin-Kroukovsky 第一次提出了基于带理论分析耐波性的方法。,本篇是综合上面的方法进行的多目标优化方案来改善船在静水和波浪中的性能。,背景早期：Heimann 提出基于“FRIENDSHIP-M,5,船型表示,在“FRIENDSHIP-Modeler”中，描述船体包括3个步骤：,1、设计一系列的参数化的基本曲线与各横截面一致,2、通过上述的曲线派生出参数化的其他曲线,3、通过上述各部分产生一系列的表面,船型表示在“FRIENDSHIP-Modeler”中，描述船,6,船型表示的核心-,B样条曲线,FRIENDSHIP-Modeler是基于B样条曲线的,本,B,样条曲线公式是由标准曲线针对船体变化而来,简介：在数值分析里，,B-,样条是样条曲线一种特殊的表示形式，它是目前,CAD,系统常用的几何表示方法。,船型表示的核心-B样条曲线FRIENDSHIP-Mode,7,B样条曲线表示船型的优点,1、B样条曲线曲面具有几何不变性、凸包性、保凸性、变差减小性、局部支撑性等许多优良性质，船型可以据此比较精确的建模,2、B曲线可以根据实际进行修正，可依据实际提高建模质量,3、船体的附体也可以参数化，计算更加精确,B样条曲线表示船型的优点1、B样条曲线曲面具有几何不变性、凸,8,船型优化策略,遗传算法（Genetic Algorithm）,简介：将大自然中“物竞天择，适者生存”的优胜劣汰的法则和计算机的快速迭代技术相结合的优化算法。,显著优点：对优化的对象的建模无严格的解析化要求。同时适合于各种变量形式特别是对离散变量有效，得到全局最优解。,船型优化策略遗传算法（Genetic Algorithm,9,遗传算法流程图,1,、利用随机方式产生一初始群体（祖先）,群体中的每个个体称为染色体，它对应于着优化问题的一个可能解（设计方案）。,2,、染色体的最小组成元素称为基因。它对应可能解的某一特征及可能变量。,3,、染色体的优劣用评价函数来反映，按优胜劣汰法则对染色体进行选择。,4,、在繁殖过程中操作基因模拟选种杂交突变等过程得到新一代的群体，然后往复循环经过若干代最后得到进化（优化）后的群体，其最优者即为所求。,遗传算法流程图1、利用随机方式产生一初始群体（祖先）,10,遗传算法优点,群体搜索，易于并行化处理；,不是盲目穷举，而是启发式搜索；,适应度函数不受连续、可微等条件的约束，适用范围很广。,遗传算法优点群体搜索，易于并行化处理；,11,本文中的优化策略,本文中的优化策略,12,数值结果与分析,NTUA船,NUTA,船系列的母船型,遗传算法耐波性优化后,优化后耐波性更佳！,数值结果与分析NTUA船NUTA船系列的母船型遗传算法耐波,13,遗传算法兴波性优化后,数值结果与分析,NTUA,船,NUTA,船系列的母船型,优化后快速性更佳！,遗传算法兴波性优化后数值结果与分析NTUA船NUTA船系列,14,数值结果与分析,NTUA船,船型,4,：遗传算法耐波性和兴波优化后,NUTA,船系列的母船型,综合性能更佳！,数值结果与分析NTUA船船型4：遗传算法耐波性和兴波优化后,15,数值结果与分析,NTUA船,Fn=0.68,，有无,IPE_IF,条件下，,60,和,120,代之后兴波优化后的波高表示,数值结果与分析NTUA船Fn=0.68，有无IPE_IF条,16,数值结果与分析,NTUA船,数值结果与分析NTUA船,17,Fn=0.34，有无IPE-IF的优化过程,数值结果与分析,排水型快速船,Fn=0.34，有无IPE-IF的优化过程数值结果与分析排,18,结论,1、遗传算法提供了一个多目标优化有利并且有效的工具得到更好性能的船型,2、从图可知，双目标优化得出的船型4比相对应的单目标优化船型具有更优良的性能,3、在快速排水过程中，球鼻首和主船体的形状参数通过两个步骤的优化，这可以使它们的形参更有效。虽然通过参数模型产生船型是合理的，但可能隐藏某些不寻常的特点。,结论1、遗传算法提供了一个多目标优化有利并且有效的工具得到更,19,模型评价与方法改进,使用遗传算法的优化方案可以节省时间，但是可能得到错误的船型。,本文建模中没有进行误差分析和灵敏度分析。,通常，种群太小则不能提供足够的采样点，种群太大，计算量大，收敛速度缓慢。,模型评价与方法改进使用遗传算法的优化方案可以节省时间，但是可,20,模型评价与方法改进,变异有利于增加种群的多样性。但变异概率太小则很难产生新模式，变异概率太大则会使遗传算法成为随机搜索算法。,遗传欺骗问题：在遗传算法进化过程中，有时会产生一些超常的个体，这些个体因竞争力太突出而控制了选择运算过程，从而影响算法的全局优化性能，导致算法获得某个局部最优解。,模型评价与方法改进变异有利于增加种群的多样性。但变异概率太,21,模型评价与方法改进,我们建议可以先对原始的数据进行相关性回归分析剔除纯在问题的数据，保证原始种群数据的优良,改进算法，比如根据实际需求改善遗传控制参数，提高收敛精度和速度,最后进行模型的误差、灵敏度分析,模型评价与方法改进我们建议可以先对原始的数据进行相关性回归分,22,参考文献,1 Abt C,Harries S,Heimann J,Winter H.From redesign to optimal hull lines by,means of parametric modeling.In:2nd puter applications and,information technology in the maritime industries.2003.,2 SHIPFLOW.Users manual,Rev.2.4,FLOWTECH.Gothenburg,Sweden;1999.,3 Harries S,Abt C.Parametric curve design applying fairness criteria.In:Intl.,workshop on creating fair and shape-preserving curves and surfaces.Berlin,(Potsdam,Teubner):Network Fairshape;1998.,4 Onesti L,Poian M,Pediroda V,Poloni C.Distributed computing solutions for,Multidisciplinary design optimization.In:ECCOMAS 2000.2000.,5,船舶原理.刘应中.盛正邦.上海交通大学出版社.2002.,参考文献1 Abt C,Harries S,Heim,23,谢谢大家！,谢谢大家！,24,
展开阅读全文