浅水大尺度特殊构型的浮体系泊系统智能化设计研究
发布时间：2022-01-15 17:17
随着智能化设计方法的研究成为当今科技发展的热点,结合智能优化算法的浮体系泊系统智能化设计成为一个提高设计效率的研究对象。论文针对浮体的系泊系统,建立了系泊系统智能化设计方法,开发了相应程序。以浅水条件下大尺度、特殊构型的围圈防浪型平台为工程实例,应用智能化设计方法得出满足工程条件的系泊方案,通过时域计算,评估方案的综合性能,为浅水大尺度浮体的系泊系统智能化设计提供了解决方法与工程的应用手段。
【文章来源】：中国造船. 2020,61(02)北大核心EICSCD
【文章页数】：14 页
【部分图文】：
浅水大尺度特殊（a）超大型浮式基地
61卷第2期（总第234期）吴波，等：浅水大尺度特殊构型的浮体系泊系统智能化设计研究552.2算法开发与验证系泊系统的方案设计结果类似于对多个极值的规律分析得出的最佳方案。本文对构造复杂的多参数变量的多峰值最优解问题，开展遗传算法研究与验证，目标函数为f(x,y)x10sin(5x)7cos(4x)y12sin(4y)5cos(5y)30（8）函数曲面如图4所示，图5为计算的收敛性曲线，在计算100代后目标函数基本收敛。图4测试函数曲面图5目标函数收敛性曲线适应值数值结果如表1所示，每一代种群的适应值的平均值与最大值均随着算法的计算代数增加而变化；当计算达到100代，适应值的平均值与最大值均为79.72，并至此终止代数。表1适应值数值结果代数15102050100200适应值平均值41.3451.9164.1677.3379.5079.7279.72最大值78.8679.2579.4479.4979.5379.7279.72图6为不同代数的计算结果图例，第1代种群的个体值随机分布于解的空间，随着算法的代数增加，每一代种群的个体值趋向目标函数的峰值结果，通过变异算子的设置，避免算法陷入局部最优解。通过遗传进化过程，得出结果当x=7.85、y=9.91时，目标函数值为79.72。研究表明通过遗传算法对方案种群进行智能进化，能准确、快速地得出不同问题的最优解，为系泊系统智能化设计方法的建立及研究提供技术支撑。（a）第1代结果（b）第5代结果图6遗传算法过程结果Y807060504030201002468101086420XZ0020406080100120140计算代数9080706050403020100
61卷第2期（总第234期）吴波，等：浅水大尺度特殊构型的浮体系泊系统智能化设计研究552.2算法开发与验证系泊系统的方案设计结果类似于对多个极值的规律分析得出的最佳方案。本文对构造复杂的多参数变量的多峰值最优解问题，开展遗传算法研究与验证，目标函数为f(x,y)x10sin(5x)7cos(4x)y12sin(4y)5cos(5y)30（8）函数曲面如图4所示，图5为计算的收敛性曲线，在计算100代后目标函数基本收敛。图4测试函数曲面图5目标函数收敛性曲线适应值数值结果如表1所示，每一代种群的适应值的平均值与最大值均随着算法的计算代数增加而变化；当计算达到100代，适应值的平均值与最大值均为79.72，并至此终止代数。表1适应值数值结果代数15102050100200适应值平均值41.3451.9164.1677.3379.5079.7279.72最大值78.8679.2579.4479.4979.5379.7279.72图6为不同代数的计算结果图例，第1代种群的个体值随机分布于解的空间，随着算法的代数增加，每一代种群的个体值趋向目标函数的峰值结果，通过变异算子的设置，避免算法陷入局部最优解。通过遗传进化过程，得出结果当x=7.85、y=9.91时，目标函数值为79.72。研究表明通过遗传算法对方案种群进行智能进化，能准确、快速地得出不同问题的最优解，为系泊系统智能化设计方法的建立及研究提供技术支撑。（a）第1代结果（b）第5代结果图6遗传算法过程结果Y807060504030201002468101086420XZ0020406080100120140计算代数9080706050403020100
【参考文献】：
期刊论文
[1]基于准静定方法的多成分锚泊线优化[J]. 余龙,谭家华. 海洋工程. 2005(01)
[2]深水多成分悬链线锚泊系统优化设计及应用研究[J]. 余龙,谭家华. 华东船舶工业学院学报(自然科学版). 2004(05)
本文编号：3591014
【文章来源】：中国造船. 2020,61(02)北大核心EICSCD
【文章页数】：14 页
【部分图文】：
浅水大尺度特殊（a）超大型浮式基地
61卷第2期（总第234期）吴波，等：浅水大尺度特殊构型的浮体系泊系统智能化设计研究552.2算法开发与验证系泊系统的方案设计结果类似于对多个极值的规律分析得出的最佳方案。本文对构造复杂的多参数变量的多峰值最优解问题，开展遗传算法研究与验证，目标函数为f(x,y)x10sin(5x)7cos(4x)y12sin(4y)5cos(5y)30（8）函数曲面如图4所示，图5为计算的收敛性曲线，在计算100代后目标函数基本收敛。图4测试函数曲面图5目标函数收敛性曲线适应值数值结果如表1所示，每一代种群的适应值的平均值与最大值均随着算法的计算代数增加而变化；当计算达到100代，适应值的平均值与最大值均为79.72，并至此终止代数。表1适应值数值结果代数15102050100200适应值平均值41.3451.9164.1677.3379.5079.7279.72最大值78.8679.2579.4479.4979.5379.7279.72图6为不同代数的计算结果图例，第1代种群的个体值随机分布于解的空间，随着算法的代数增加，每一代种群的个体值趋向目标函数的峰值结果，通过变异算子的设置，避免算法陷入局部最优解。通过遗传进化过程，得出结果当x=7.85、y=9.91时，目标函数值为79.72。研究表明通过遗传算法对方案种群进行智能进化，能准确、快速地得出不同问题的最优解，为系泊系统智能化设计方法的建立及研究提供技术支撑。（a）第1代结果（b）第5代结果图6遗传算法过程结果Y807060504030201002468101086420XZ0020406080100120140计算代数9080706050403020100
61卷第2期（总第234期）吴波，等：浅水大尺度特殊构型的浮体系泊系统智能化设计研究552.2算法开发与验证系泊系统的方案设计结果类似于对多个极值的规律分析得出的最佳方案。本文对构造复杂的多参数变量的多峰值最优解问题，开展遗传算法研究与验证，目标函数为f(x,y)x10sin(5x)7cos(4x)y12sin(4y)5cos(5y)30（8）函数曲面如图4所示，图5为计算的收敛性曲线，在计算100代后目标函数基本收敛。图4测试函数曲面图5目标函数收敛性曲线适应值数值结果如表1所示，每一代种群的适应值的平均值与最大值均随着算法的计算代数增加而变化；当计算达到100代，适应值的平均值与最大值均为79.72，并至此终止代数。表1适应值数值结果代数15102050100200适应值平均值41.3451.9164.1677.3379.5079.7279.72最大值78.8679.2579.4479.4979.5379.7279.72图6为不同代数的计算结果图例，第1代种群的个体值随机分布于解的空间，随着算法的代数增加，每一代种群的个体值趋向目标函数的峰值结果，通过变异算子的设置，避免算法陷入局部最优解。通过遗传进化过程，得出结果当x=7.85、y=9.91时，目标函数值为79.72。研究表明通过遗传算法对方案种群进行智能进化，能准确、快速地得出不同问题的最优解，为系泊系统智能化设计方法的建立及研究提供技术支撑。（a）第1代结果（b）第5代结果图6遗传算法过程结果Y807060504030201002468101086420XZ0020406080100120140计算代数9080706050403020100
【参考文献】：
期刊论文
[1]基于准静定方法的多成分锚泊线优化[J]. 余龙,谭家华. 海洋工程. 2005(01)
[2]深水多成分悬链线锚泊系统优化设计及应用研究[J]. 余龙,谭家华. 华东船舶工业学院学报(自然科学版). 2004(05)
本文编号：3591014
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3591014.html
