论文部分内容阅读
摘要：为了保证船舶的安全稳定航行，船舶主体结构设计中必须满足应力、变形、动力特性、稳定性、可用性和可靠性等相关要求。同时，应建立有效的结构优化方案，以满足船舶安全、稳定和经济运行的要求。本文论述了船舶结构设计中的相关问题及对策。
关键词：船舶结构；设计；问题分析；处理方法
1船舶结构设计的设计理念
在船舶结构设计中，首先要对其设计理念和施工内容进行具体分析。首先，有必要对未来船舶将承担的任务总量进行分析。船舶结构工程量巨大。在正常情况下，是多种工程建设的基础性、综合性工作。因此，船舶设计过程中还涉及到其他一些专业。因此，在船舶设计中必须做好充分的准备。
2经典优化设计的数学规划方法
结构优化设计的数学规划方法是L.A.Schmit于1960年首次提出的。他认为，在一定条件下结构尺寸的优化设计应转化为结构设计中求目标函数极值的数学问题。这种方法很快得到了其他专家的认可。1966年，D.Kavlie和J.Moe首次将数学规划方法应用于船舶结构设计，开启了船舶结构设计的新篇章。我国船舶结构设计方法的研究始于20世纪70年代末，研究了水面舰艇和潜艇在中剖面、框架、板架、圆柱压力壳等基础结构中的优化设计方法。
2.1数学规划法
数学规划方法在标准方法中发展到一定阶段。根据数学规划的结构优化，基于规划理论，可以解决不同性质的船舶优化问题。其中最典型的是多目标模糊优化设计方法。虽然按照规定预先确定了目标函数和约束条件，但在实际设计和施工过程中，船舶结构的优化设计过程、约束条件和相应的评价指标都是相对模糊的因素。为了进一步优化这些模糊因素，必须采用模糊数学的方法对各个目标进行优化设计。
2.2经典优化算法优势及不足
首先，传统的优化算法是基于梯度信息的最速下降法，但在船舶设计和建造过程中很难完全掌握梯度信息，这在一定程度上限制了经典优化算法在船舶优化设计中的应用。其次，经典优化算法更适合于连续变量的优化，但对船舶结构优化过程中离散变量的优化适应性较差。
3船舶优化设计启发式方法
随着航运业的快速发展，大型船舶不断设计建造，对船舶结构优化的要求也越来越高。提出了框架、横截面、船舱乃至整个船体的优化设计要求。随着设计变量、约束条件和目标函数的增加，非线性度增大，优化问题呈现出多峰、高维、高非线性的特点。线性特性。由此，出现了遗传优化和蚁群优化等新的优化方法，进一步提高了船舶结构优化的有效性。
3.1遗传算法（GA）
遗传优化方法是一种模拟生物遗传学原理的船舶结构优化新方法。其基本过程是设计参数编码并生成初始种群，设置初始种群，通过设计适应度函数评价种群中个体的适应度。然后进行了遗传操作设计和参数控制。遗传算法主要由繁殖、交叉和变异三部分组成。与传统的结构优化方法相比，遗传算法具有简单、通用、鲁棒等特点。它不依赖于梯度信息，也不需要与导数相关的数据。利用目标函数的罚函数，将原始缺陷转化为无约束问题，模拟生物进化中三个最重要的遗传三联体：繁殖、交叉和变异。它适用于处理传统搜索方法无法求解的非线性区域，在工程和船舶结构优化中有着广泛的应用。唐金民运用遗传算法对船舶推进轴系的找正进行了优化。以6500载重吨杂货船轴系为研究对象，将轴系简化为40个节点和39个梁单元。优化后的尾轴管后轴承负荷大大降低，提高了轴系运行的安全性能。
3.2蚁群算法（ACO）
蚁群算法（ACO）是一种求解组合优化问题的启发式随机搜索算法。它是一种仿生算法，从模拟蚂蚁在自然界中的寻路过程中衍生而来。它是一种在图中寻找最优路径的概率算法。与其他算法相比，蚁群算法在寻找最优解方面具有明显的优势。在实际应用中，蚁群算法在求解参数适当的节点树5-100组合优化问题上优于遗传算法、进化算法和模拟退火算法。蚁群算法主要由信息素更新和路径构建两部分组成。信息素越多，选择路径的可能性就越大。其基本过程是：对算法参数和信息素矩阵进行初始化，对所有路径对应的目标函数进行质量评价，通过信息素更新将搜索范围缩小到几个具有很大潜力的路径，最后利用概率选择机制重构路径。陈强等。采用蚁群算法对长江干散货船中部结构进行优化。优化后的船舶重量比原设计减轻了20.6%，结构更加合理。
3.3启发式优化设计方法优势及不足
启发式算法除了遗传算法和蚁群算法外，还包括模拟退火算法和粒子群优化算法。啟发式优化算法比经典优化算法得到越来越广泛的应用。主要原因如下：一是启发式算法在船舶优化设计中不需要目标函数导数的信息，只需要在迭代过程中应用目标函数的相应值，更适合于船舶结构优化设计；二是启发式算法具有较强的全局搜索能力，设计人员无需关注初始节点的优缺点，优化结果不依赖于初始点的设计，大大提高了应用效率。第三，启发式算法在高维、多峰、高非线性方面具有较强的优化能力，进一步提高了复杂船舶结构优化设计的处理能力；第四，启发式算法在船舶优化设计中对离散设计变量的求解效果较好。虽然启动算法比经典的优化算法得到了更广泛的应用，但它有其自身的缺点和局限性：首先，要面临的问题是过早启发式算法，即在这个过程中很难跳出某一结构或部分船舶过早集中的现象。二是启发式算法的过度计算问题。遗传算法和蚁群算法都采用了基于“群体”的概率优化模式，导致了后期计算量的巨大增加，工作量也随之增加。有时需要计算数十万个目标值。有限元分析只需几分钟，最长甚至几天。与不同结构相比，优化效果明显，但复杂结构的优化过程耗时较长。
4提高船舶结构优化设计方法有效性的措施
4.1提高设计者专业水平
在船舶结构优化设计方法的早期研究中，设计人员需要丰富的经验。在智能优化方法的研究中，设计经验对计算结果的影响有所降低。虽然智能化在船舶结构优化设计中的应用已成为一个大趋势，但一些设计人员还没有接受新的设计概念的应用，从而降低了船舶结构优化的有效性。因此，我们必须注重提高设计师的专业水平，鼓励他们积极学习先进的设计理念和方法，在实践中不断加深对相关专业知识的了解，为中国航运业的稳定发展做出贡献。
4.2算法的进一步优化
随着我国航运业的不断发展，越来越多的科学算法被研究。对于不同的船舶结构，所选算法也不同。因此，如何提高算法的有效性成为船舶结构优化设计中的一个重要问题。一是加强对现有算法的研究，减少无关因素对算法精度的负面影响；二是树立创新意识，结合优秀的船舶优化案例，继续研究更符合中国船舶发展需要的优化设计方法。北美的航运业。
结语
船舶主体结构设计是一项高度科学的工作，也是一个动态优化和不断改进的过程。在坚持相关设计原则的基础上，设计人员应不断优化和调整结构设计，以保证船体结构的强度，同时尽量减轻船体重量，提高航运经济性，充分发挥船舶的性能。
参考文献
[1]倪军，张瑞婷.关于船舶结构优化设计方法的研究[J].科技传播，2013（22）：49-51.
[2]许文锋，饶志翠，夏选晶.船舶结构关键位置设计要点及控制方法[J].船舶经济贸易，2013（6）：10-12.
[3]谢卫容，马爱兵，周俊荣.船舶机舱支撑结构应力分析及改进设计[J].舰船科学技术，2016（4X）：165.
（作者单位：大连中远海运重工有限公司）
关键词：船舶结构；设计；问题分析；处理方法
1船舶结构设计的设计理念
在船舶结构设计中，首先要对其设计理念和施工内容进行具体分析。首先，有必要对未来船舶将承担的任务总量进行分析。船舶结构工程量巨大。在正常情况下，是多种工程建设的基础性、综合性工作。因此，船舶设计过程中还涉及到其他一些专业。因此，在船舶设计中必须做好充分的准备。
2经典优化设计的数学规划方法
结构优化设计的数学规划方法是L.A.Schmit于1960年首次提出的。他认为，在一定条件下结构尺寸的优化设计应转化为结构设计中求目标函数极值的数学问题。这种方法很快得到了其他专家的认可。1966年，D.Kavlie和J.Moe首次将数学规划方法应用于船舶结构设计，开启了船舶结构设计的新篇章。我国船舶结构设计方法的研究始于20世纪70年代末，研究了水面舰艇和潜艇在中剖面、框架、板架、圆柱压力壳等基础结构中的优化设计方法。
2.1数学规划法
数学规划方法在标准方法中发展到一定阶段。根据数学规划的结构优化，基于规划理论，可以解决不同性质的船舶优化问题。其中最典型的是多目标模糊优化设计方法。虽然按照规定预先确定了目标函数和约束条件，但在实际设计和施工过程中，船舶结构的优化设计过程、约束条件和相应的评价指标都是相对模糊的因素。为了进一步优化这些模糊因素，必须采用模糊数学的方法对各个目标进行优化设计。
2.2经典优化算法优势及不足
首先，传统的优化算法是基于梯度信息的最速下降法，但在船舶设计和建造过程中很难完全掌握梯度信息，这在一定程度上限制了经典优化算法在船舶优化设计中的应用。其次，经典优化算法更适合于连续变量的优化，但对船舶结构优化过程中离散变量的优化适应性较差。
3船舶优化设计启发式方法
随着航运业的快速发展，大型船舶不断设计建造，对船舶结构优化的要求也越来越高。提出了框架、横截面、船舱乃至整个船体的优化设计要求。随着设计变量、约束条件和目标函数的增加，非线性度增大，优化问题呈现出多峰、高维、高非线性的特点。线性特性。由此，出现了遗传优化和蚁群优化等新的优化方法，进一步提高了船舶结构优化的有效性。
3.1遗传算法（GA）
遗传优化方法是一种模拟生物遗传学原理的船舶结构优化新方法。其基本过程是设计参数编码并生成初始种群，设置初始种群，通过设计适应度函数评价种群中个体的适应度。然后进行了遗传操作设计和参数控制。遗传算法主要由繁殖、交叉和变异三部分组成。与传统的结构优化方法相比，遗传算法具有简单、通用、鲁棒等特点。它不依赖于梯度信息，也不需要与导数相关的数据。利用目标函数的罚函数，将原始缺陷转化为无约束问题，模拟生物进化中三个最重要的遗传三联体：繁殖、交叉和变异。它适用于处理传统搜索方法无法求解的非线性区域，在工程和船舶结构优化中有着广泛的应用。唐金民运用遗传算法对船舶推进轴系的找正进行了优化。以6500载重吨杂货船轴系为研究对象，将轴系简化为40个节点和39个梁单元。优化后的尾轴管后轴承负荷大大降低，提高了轴系运行的安全性能。
3.2蚁群算法（ACO）
蚁群算法（ACO）是一种求解组合优化问题的启发式随机搜索算法。它是一种仿生算法，从模拟蚂蚁在自然界中的寻路过程中衍生而来。它是一种在图中寻找最优路径的概率算法。与其他算法相比，蚁群算法在寻找最优解方面具有明显的优势。在实际应用中，蚁群算法在求解参数适当的节点树5-100组合优化问题上优于遗传算法、进化算法和模拟退火算法。蚁群算法主要由信息素更新和路径构建两部分组成。信息素越多，选择路径的可能性就越大。其基本过程是：对算法参数和信息素矩阵进行初始化，对所有路径对应的目标函数进行质量评价，通过信息素更新将搜索范围缩小到几个具有很大潜力的路径，最后利用概率选择机制重构路径。陈强等。采用蚁群算法对长江干散货船中部结构进行优化。优化后的船舶重量比原设计减轻了20.6%，结构更加合理。
3.3启发式优化设计方法优势及不足
启发式算法除了遗传算法和蚁群算法外，还包括模拟退火算法和粒子群优化算法。啟发式优化算法比经典优化算法得到越来越广泛的应用。主要原因如下：一是启发式算法在船舶优化设计中不需要目标函数导数的信息，只需要在迭代过程中应用目标函数的相应值，更适合于船舶结构优化设计；二是启发式算法具有较强的全局搜索能力，设计人员无需关注初始节点的优缺点，优化结果不依赖于初始点的设计，大大提高了应用效率。第三，启发式算法在高维、多峰、高非线性方面具有较强的优化能力，进一步提高了复杂船舶结构优化设计的处理能力；第四，启发式算法在船舶优化设计中对离散设计变量的求解效果较好。虽然启动算法比经典的优化算法得到了更广泛的应用，但它有其自身的缺点和局限性：首先，要面临的问题是过早启发式算法，即在这个过程中很难跳出某一结构或部分船舶过早集中的现象。二是启发式算法的过度计算问题。遗传算法和蚁群算法都采用了基于“群体”的概率优化模式，导致了后期计算量的巨大增加，工作量也随之增加。有时需要计算数十万个目标值。有限元分析只需几分钟，最长甚至几天。与不同结构相比，优化效果明显，但复杂结构的优化过程耗时较长。
4提高船舶结构优化设计方法有效性的措施
4.1提高设计者专业水平
在船舶结构优化设计方法的早期研究中，设计人员需要丰富的经验。在智能优化方法的研究中，设计经验对计算结果的影响有所降低。虽然智能化在船舶结构优化设计中的应用已成为一个大趋势，但一些设计人员还没有接受新的设计概念的应用，从而降低了船舶结构优化的有效性。因此，我们必须注重提高设计师的专业水平，鼓励他们积极学习先进的设计理念和方法，在实践中不断加深对相关专业知识的了解，为中国航运业的稳定发展做出贡献。
4.2算法的进一步优化
随着我国航运业的不断发展，越来越多的科学算法被研究。对于不同的船舶结构，所选算法也不同。因此，如何提高算法的有效性成为船舶结构优化设计中的一个重要问题。一是加强对现有算法的研究，减少无关因素对算法精度的负面影响；二是树立创新意识，结合优秀的船舶优化案例，继续研究更符合中国船舶发展需要的优化设计方法。北美的航运业。
结语
船舶主体结构设计是一项高度科学的工作，也是一个动态优化和不断改进的过程。在坚持相关设计原则的基础上，设计人员应不断优化和调整结构设计，以保证船体结构的强度，同时尽量减轻船体重量，提高航运经济性，充分发挥船舶的性能。
参考文献
[1]倪军，张瑞婷.关于船舶结构优化设计方法的研究[J].科技传播，2013（22）：49-51.
[2]许文锋，饶志翠，夏选晶.船舶结构关键位置设计要点及控制方法[J].船舶经济贸易，2013（6）：10-12.
[3]谢卫容，马爱兵，周俊荣.船舶机舱支撑结构应力分析及改进设计[J].舰船科学技术，2016（4X）：165.
（作者单位：大连中远海运重工有限公司）