基于粒子群算法的螺旋桨侧斜分布优化

发布时间：2018-04-13 02:06

  本文选题：侧斜螺旋桨 + 面元法　； 参考：《中国舰船研究》2016年06期

【摘要】：为了降低螺旋桨激振力,减小螺旋桨对船体的诱导振动,采用粒子群优化算法,结合螺旋桨非定常面元法预报程序,对螺旋桨的侧斜分布进行优化设计。给出侧斜分布的数学表达形式以及粒子群优化算法的数学模型,并以Seiun-Maru HSP螺旋桨为母型桨进行优化设计,得到3种优化方案。其中,最优方案在不损失螺旋桨推力和扭矩的情况下,轴向一倍叶频、二倍叶频推力系数和扭矩系数明显降低,达到了优化目的,即通过改变螺旋桨侧斜分布形式,能够有效改善非均匀流场中螺旋桨的性能,验证了粒子群优化算法用于螺旋桨侧斜分布优化的可行性,可以实现工程化应用。
[Abstract]:In order to reduce the induced vibration force of propeller and reduce the induced vibration of ship hull, particle swarm optimization (PSO) algorithm and prediction program of unsteady plane element method are used to optimize the profile of propeller.The mathematical expression of the lateral slope distribution and the mathematical model of the particle swarm optimization algorithm are given, and the optimal design of the propeller based on Seiun-Maru HSP propeller is given, and three optimization schemes are obtained.Under the condition that propeller thrust and torque are not lost, the axial double blade frequency and double blade frequency thrust coefficient and torque coefficient are obviously reduced in the optimal scheme, which achieves the purpose of optimization, that is, by changing the propeller lateral oblique distribution,It can effectively improve the performance of propeller in non-uniform flow field, and verify the feasibility of particle swarm optimization algorithm applied to the optimization of propeller lateral oblique distribution, which can be used in engineering applications.
【作者单位】： 海军工程大学舰船工程系;上海船舶工艺研究所;
【基金】：国家自然科学基金资助项目(51479207)
【分类号】：U664.33

【参考文献】

相关期刊论文 前2条

1 叶金铭,熊鹰,贲友稳;螺旋桨轴承力预报方法分析[J];船舶工程;2003年03期

2 叶永兴，杨昌培，刘绍宗;大型集装箱船上大侧斜螺旋桨模型脉动压力的比较试验研究[J];水动力学研究与进展(A辑);1996年05期

【共引文献】

相关期刊论文 前3条

1 黄斌;熊鹰;王波;;基于粒子群算法的螺旋桨侧斜分布优化[J];中国舰船研究;2016年06期

2 朱鹏;毕毅;叶金铭;;螺旋桨轴承力计算方法的对比分析[J];中国舰船研究;2015年01期

3 庞福振;于博天;于丹竹;姚熊亮;;显式分析法在舰船振动特性研究中的应用研究[J];船舶工程;2011年S2期

【相似文献】

相关期刊论文 前10条

1 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期

2 李艳灵;李刚;;粒子群优化算法研究进展[J];重庆工学院学报(自然科学版);2007年05期

3 岳兴汉;薛云灿;蔡亮;;基于混沌思想的粒子群优化算法[J];河海大学常州分校学报;2007年04期

4 吕林;罗绮;刘俊勇;田立峰;;一种基于多种群分层的粒子群优化算法[J];四川大学学报(工程科学版);2008年05期

5 房靖;高尚;;不完全判断矩阵权值的粒子群优化算法计算[J];科学技术与工程;2009年19期

6 徐安;赵思宏;寇英信;黄俊;;基于混合粒子群优化的多目标决策新方法[J];火力与指挥控制;2010年01期

7 梁武;;改进的粒子群优化算法在结构优化中的应用[J];广东建材;2010年04期

8 冯雪;裴志松;;粒子群优化算法的研究与应用[J];吉林建筑工程学院学报;2011年03期

9 高立群;李若平;邹德旋;;全局粒子群优化算法[J];东北大学学报(自然科学版);2011年11期

10 赵成业;闫正兵;刘兴高;;改进的变参数粒子群优化算法[J];浙江大学学报(工学版);2011年12期

相关会议论文 前10条

1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年

4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年

10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

相关博士学位论文 前10条

1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年

2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年

3 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年

4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

5 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

6 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

7 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年

8 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年

9 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

10 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年

相关硕士学位论文 前10条

1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年

2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

4 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年

5 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年

6 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年

7 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年

8 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年

9 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年

10 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年

，

本文编号：1742435