船舶主船体高效率布置设计方法研究

发布时间：2017-08-11 23:32

  本文关键词：船舶主船体高效率布置设计方法研究

  更多相关文章： 船舶总体设计 线型表达与设计 主船体分舱 管路布置 机舱布置 设计螺旋线法 智能优化

【摘要】：船舶设计是一项涉及多个学科领域的系统工程。在船舶总体设计的过程中,设计者在满足法规规范和设计任务的基础上,根据船舶设计螺旋理论,逐步完成各项设计任务,最终获得满足要求的船舶设计方案。由于受到传统船舶设计方法的限制,即使应用现有最先进的设计平台,船舶设计过程也只能沿设计螺旋单向进行。这种单向进行的设计过程没有充分反应出船舶各设计节点之间的联系,前面节点的设计结果只能作为后续节点的固定设计背景,不能有效地对各设计方案进行即时的反馈和修改,局部的修改将会导致关联设计任务的全部重新设计,降低了船舶总体设计的设计效率。因此,本论文在传统船舶设计螺旋的基础上,提出了一种使螺旋双向可逆的船舶设计方法和理念。在船舶各项任务的设计过程中预制关联设计任务所需的设计参考和设计约束,使船舶各设计过程的特征和属性相互关联起来。在各设计任务之间实现局部范围的螺旋设计过程,从而提高船舶总体设计的效率。分别针对船体线型设计、船舶分舱布置和船舶机舱规划等几个重要的船舶设计节点的双向可逆设计理念的具体应用展开一系列研究工作,具体研究内容包括以下几点：基于传统线型图和型值表的船体线型表达方法,分析船体线型各设计元素之间的层次结构和逻辑关系,提出了船体线型的基于特征属性关联的数据结构。研究船舶各节点的设计过程所需的形状参考和位置参考,通过参数化设计方法将参考信息归纳到船体线型设计过程中,建立船体线型与其它设计任务之间的联系。提出了船体线型数据结构的信息化的表达方法和参数化的三维建模方法,支持船体线型的快速设计和修改过程,并实现后续设计对船体线型的逆向反馈设计过程。根据船体线型的数据结构,分别从整体和局部对船体线型进行变换和修改,从而验证船体线型数据结构在船体线型设计中的指导作用。基于属性化的船体线型数据结构,分析不同类型船舶主船体货舱内壳的结构形式,提出了货舱内壳结构的参数化表达方法。研究主船体内壳结构的形状和构成,通过参数化设计方法定义内壳各组成部分的位置和尺寸。提出了改进的粒子群算法,在满足法规和规范要求的基础上,以最大化货舱容积和最小化压载舱容积为优化目标,对货舱内壳结构的各形状参数进行优化。对50000 DWT成品油船和174000 DWT散货船的主船体货舱内壳结构进行优化,验证改进粒子群算法在船舶分舱优化布置问题中的有效性和先进性。基于参数化的船舶分舱布置方案,分析船舶管路布置的基本特性和约束条件,建立船舶管路优化布置的数学模型。提出了改进的蚁群遗传算法优化船舶单管路布置问题,该算法通过将蚁群算法和遗传算法相结合,依据船舶管路的布置方法制定相应的计算策略等方式,提高改进的蚁群遗传算法的计算性能。还提出了相同种群且种群间为互利共生关系的协同进化算法优化船舶多管路布置问题,该算法以改进的蚁群遗传算法作为各种群进化方法,获得各管路路径相互配合的最优布置方案。分别通过数值模拟实验和实际工程算例,验证了两种算法求解船舶管路优化布置问题中的可行性和先进性。基于船舶机舱布置的基本流程和基本准则,分析船舶机舱内设备布置和管路布局之间的设计关系,建立船舶机舱优化布置的数学模型。根据船舶机舱中设备位置和管路路径之间的位置约束,提出不同种群且种群间为互利共生关系的协同进化算法优化船舶机舱布置问题,该算法分别采用粒子群算法和改进的蚁群遗传算法对代表设备和管路的种群执行进化过程,获得使设备位置和管路路径都能够达到最优布置效果的船舶机舱布置方案。并将该算法分别应用于数值模拟实验和实际工程算例验证,验证该协同进化算法在求解船舶机舱优化布置问题中的可行性和先进性。针对船舶设计过程中各设计节点间缺乏联系降低设计质量和效率的问题,本文提出沿船舶设计螺旋双向可逆的设计方法,以船体线型的基于特征属性关联的数据结构为基础,分别对船舶分舱布置、管路布局和船舶机舱规划等设计过程展开研究,提出相应的设计方法和优化方法。对于解决不同设计过程之间有针对性的修改、避免盲目的重复设计,以及提高船舶的设计质量和设计效率具有重要的研究意义。
【关键词】：船舶总体设计 线型表达与设计 主船体分舱 管路布置 机舱布置 设计螺旋线法 智能优化
【学位授予单位】：大连理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：U662
【目录】：

• 摘要6-8
• Abstract8-29
• 1 绪论29-58
• 1.1 研究背景及意义29-32
• 1.1.1 研究的背景29-30
• 1.1.2 研究的意义30-32
• 1.2 本文涉及船舶设计内容国内外研究进展32-41
• 1.2.1 船体线型表达和设计方法32-34
• 1.2.2 船舶分舱布置设计方法34-37
• 1.2.3 船舶管路布置设计方法37-39
• 1.2.4 船舶机舱布置设计方法39-41
• 1.3 本文涉及智能优化算法基本理论41-55
• 1.3.1 粒子群算法42-46
• 1.3.2 蚁群算法46-49
• 1.3.3 遗传算法49-53
• 1.3.4 协同进化算法53-55
• 1.4 研究内容和组织结构55-58
• 2 船体线型的表达和设计方法研究58-91
• 2.1 船体线型设计的双向可逆设计过程59-60
• 2.2 船体线型的直角坐标系60
• 2.3 船体线型的数据结构60-71
• 2.3.1 设计元素间的层次关系61-64
• 2.3.2 设计元素的属性信息64-71
• 2.4 船体线型的属性化表达71-80
• 2.4.1 参考平面的表达方法71-72
• 2.4.2 截面相交线的表达方法72-74
• 2.4.3 型值点的表达方法74-76
• 2.4.4 船体线型的属性化表达汇总76
• 2.4.5 船体线型的属性化表达应用76-80
• 2.5 船体线型数据结构在船型变换中的应用80-89
• 2.5.1 基于整体的船型变换过程82-85
• 2.5.2 基于局部的船型修改过程85-89
• 2.6 结论89-91
• 3 船舶分舱优化布置方法研究91-130
• 3.1 船舶分舱布置的双向可逆设计过程92-93
• 3.2 货船主船体划分的基本准则93-94
• 3.3 货舱内壳结构的设计方法94-106
• 3.3.1 内壳结构的参数化表达方法94-99
• 3.3.2 基于参数化表达的舱容计算方法99-102
• 3.3.3 基于参数化表达的三维设计模型102-106
• 3.4 船舶分舱优化布置的数学模型106-109
• 3.4.1 分舱布置的目标函数106-107
• 3.4.2 分舱布置的设计变量107-108
• 3.4.3 分舱布置的约束条件108-109
• 3.5 船舶分舱优化的改进粒子群算法109-112
• 3.5.1 改进粒子群算法的计算过程109-110
• 3.5.2 改进粒子群算法的实现方法110-112
• 3.6 算例112-123
• 3.6.1 50000 DWT成品油船算例112-118
• 3.6.2 174000 DWT散货船算例118-123
• 3.7 改进粒子群算法计算参数敏感性分析123-129
• 3.7.1 粒子数量对计算性能的影响123-125
• 3.7.2 惯性权重对计算性能的影响125-127
• 3.7.3 学习因子对计算性能的影响127-128
• 3.7.4 敏感性分析总结128-129
• 3.8 结论129-130
• 4 船舶单管路优化布置方法研究130-169
• 4.1 船舶管路布置的约束条件131-132
• 4.2 船舶单管路优化布置的数学模型132-135
• 4.2.1 单管路布置的目标函数132-133
• 4.2.2 单管路布置的设计变量133-135
• 4.3 船舶单管路优化的改进蚁群遗传算法135-148
• 4.3.1 改进蚁群遗传算法的改进和创新点136-143
• 4.3.2 改进蚁群遗传算法的计算过程143-146
• 4.3.3 改进蚁群遗传算法的实现方式146-148
• 4.4 算例148-161
• 4.4.1 单管路优化布置的数值模拟算例148-156
• 4.4.2 单管路优化布置的实际工程算例156-161
• 4.5 改进蚁群遗传算法参数的敏感性分析161-167
• 4.5.1 蚂蚁数量对计算性能的影响161-163
• 4.5.2 变异概率对计算性能的影响163-165
• 4.5.3 信息素剩余对计算性能的影响165-166
• 4.5.4 敏感性分析总结166-167
• 4.6 结论167-169
• 5 船舶多管路优化布置方法研究169-209
• 5.1 船舶管路布置的双向可逆设计过程169-170
• 5.2 船舶多管路布置的基本特征170-172
• 5.3 船舶多管路优化布置的数学模型172-176
• 5.3.1 多管路布置的目标函数172
• 5.3.2 多管路布置的设计变量172-176
• 5.4 船舶多管路优化的协同进化算法176-184
• 5.4.1 协同进化算法的改进和创新点177-181
• 5.4.2 协同进化算法的计算过程181-183
• 5.4.3 协同进化算法的实现方式183-184
• 5.5 算例184-203
• 5.5.1 多管路优化布置的数值模拟算例185-190
• 5.5.2 分支管路优化布置的数值模拟算例190-193
• 5.5.3 混合管路优化布置的数值模拟算例193-196
• 5.5.4 多管路优化布置的实际工程算例196-203
• 5.6 协同进化算法参数的敏感性分析203-207
• 5.6.1 蚂蚁数量对计算性能的影响203-204
• 5.6.2 变异概率对计算性能的影响204-205
• 5.6.3 信息素剩余对计算性能的影响205-206
• 5.6.4 敏感性分析总结206-207
• 5.7 结论207-209
• 6 船舶机舱优化布置方法研究209-238
• 6.1 船舶机舱布置的双向可逆设计过程209-210
• 6.2 船舶机舱布置的基本特征210-213
• 6.2.1 机舱布置的流程210-211
• 6.2.2 机舱布置的基本准则211-213
• 6.3 船舶机舱优化布置的数学模型213-220
• 6.3.1 机舱布置的口标函数213-214
• 6.3.2 机舱布置的设计变量214-217
• 6.3.3 机舱布置的约束条件217-220
• 6.4 船舶机舱优化的协同进化算法220-225
• 6.4.1 协同进化算法的计算策略221-222
• 6.4.2 协同进化算法的计算过程222-224
• 6.4.3 协同进化算法的实现方式224-225
• 6.5 算例225-237
• 6.5.1 机舱优化布置的数值模拟算例225-230
• 6.5.2 机舱优化布置的实际工程算例230-237
• 6.6 结论237-238
• 7 结论与展望238-241
• 7.1 结论与创新点238-239
• 7.2 创新点摘要239-240
• 7.3 展望240-241
• 参考文献241-252
• 附录 优化算法的伪代码252-276
• [1] 船舶分舱布置优化算法的伪代码252-255
• [2] 船舶单管路布置优化算法的伪代码255-261
• [3] 船舶多管路布置优化算法的伪代码261-268
• [4] 船舶机舱布置优化算法的伪代码268-276
• 攻读博士学位期间科研项目及科研成果276-278
• 致谢278-279
• 作者简介279-280

，

本文编号：658758