錢家昌，劉 卉

（1武漢第二船舶設計研究所，武漢430064；2中國艦船研究院，北京100192）

1 引 言

潛艇操縱性能設計是一個典型的多目標優(yōu)化問題，涉及到潛艇主尺度，潛艇附體（包括有圍殼、圍殼舵、艉水平翼和艉垂直翼等）的尺度和相對位置等多個設計變量，在滿足工程設計約束的同時，追求潛艇操縱性能更優(yōu)。

多目標遺傳算法（MOGAs）是一種常用的多目標優(yōu)化算法。適合求解帶有多參數、多變量、多目標優(yōu)化問題，具有全局性優(yōu)化的特點，是近年來迅速發(fā)展的一種算法，如向量評估遺傳算法（Vector E-valuated Genetic Algorithm，VEGA[1]）、非支配排序遺傳算法（Non-dominated Sorting Genetic Algorithm，NSGA[2]、NSGA-II[3]）、強度Pareto進化算法（Strength Pareto Evolutionary Algorithm，SPEA[4]、SPEA2[5]）、相鄰繁殖遺傳算法（Neighborhood cultivation genetic algorithm，NCGA[6]）等。VEGA[7]對目標函數處理比較簡單，找到的解大多屬于Pareto前沿的始末端處，產生不了前沿上均勻分布的解結果，并且當搜索空間非凸時無法求得Pareto解；NSGA、NSGA-II利用非支配排序機制，可以很好地搜索非劣解區(qū)域，其搜索性能與共享參數的選擇密切相關，該方法應用于許多研究領域，比如：UAV的概念設計[8]、結構拓撲優(yōu)化[9]、潛艇耐壓柱殼優(yōu)化設計[10]等；NCGA算法在SPEA2算法的基礎上對種群中個體的交叉操作新增了“相鄰繁殖”（Neighborhood Cultivation）機制，在處理多峰和多設計參數問題時比NSGA II和SPEA2更有優(yōu)勢，能夠加速收斂進程，具有尋優(yōu)效率高，可行解分布范圍廣、過渡光滑等特點。該方法應用于超燃沖壓發(fā)動機部件優(yōu)化[11]、火炮結構設計和分析[12-13]和水輪機葉柵設計[14]等諸多方面。

在船舶工程領域，遺傳算法（Genetic Algorithm，GA）得到了越來越廣泛的應用，主要有：船舶方案設計[15-18]，主尺度優(yōu)選[19-20]，艙室優(yōu)化布置[21-22]，隔振系統(tǒng)設計[23]，結構設計[24-25]，坐墩設計[26]和船舶浮態(tài)設計[27]等，以及船舶設計建造其他方面[28-30]。但是對于潛艇操縱性的多目標優(yōu)化及靈敏度分析方面的研究較少。

本文以潛艇操縱性為研究對象，將潛艇操縱面的幾何尺度和縱向位置作為設計變量，建立潛艇操縱性指標預報數學模型，采用NCGA遺傳算法對潛艇操縱性指標進行多目標優(yōu)化設計，并進一步開展?jié)撏Р倏v性指標的靈敏度分析，評估操縱面參數對操縱性指標的影響。

2 潛艇操縱性指標

潛艇操縱性指標很多，本文只考慮了如下潛艇操縱性指標參數：垂直面內的靜不穩(wěn)定系數la′、垂直面內的動穩(wěn)定系數Kvd、艉升降舵逆速Uis、圍殼舵速升率Uδb、艉升降舵速升率Uδs、水平面內的動穩(wěn)定系數Khd以及潛艇的相對回轉半徑Ro。對潛艇操縱性指標的計算主要分為以下兩個方面。

2.1 潛艇水動力系數估算

潛艇水動力系數的估算可歸結為對主艇體和艇體附體水動力系數的估算，參照國家標準分別估算得到主艇體以及艇體附體歸一化后的一次項無因次水動力系數，包括橫向力系數、垂向力系數、轉艏力矩系數以及縱傾力矩系數等。并將整艇的水動力系數考慮為主艇體以及各部分附體的線性疊加：

式中：F為潛艇整艇水動力系數；FH為主艇體水動力系數；FF為附體水動力系數。

本文暫不考慮螺旋槳對潛艇水動力的影響并基于母型艇試驗數據對估算的水動力系數進行修正，利用公式（2）得到設計艇最終的各部分線性水動力系數值：

式中：Fj-d′表示設計艇的線性水動力系數；Fj-d.c′表示設計艇用上述方法計算得到的線性水動力系數；Fj-o.c′表示母型艇用上述方法計算得到的線性水動力系數；Fj-o.t′表示母型艇通過模型試驗得到的線性水動力系數。

2.2 潛艇操縱性指標計算

潛艇操縱性指標按照參考文獻[31-34]中的公式計算，公式中各項的意義同文獻[31-34]。

其中的非線性二次項無因次水動力系數采用母型艇的模型試驗值。求解方程（9）得到水下定?；剞D運動的潛艇相對回轉半徑為：

3 潛艇操縱性多目標優(yōu)化及靈敏度分析問題的描述

3.1 潛艇操縱性多目標優(yōu)化問題的描述

潛艇操縱性是典型的多目標優(yōu)化設計問題，其數學優(yōu)化問題可描述為以潛艇操縱面幾何尺度和縱向位置為設計變量，在滿足工程設計規(guī)范等約束條件下，通過優(yōu)化設計獲得潛艇操縱性指標的Pareto最優(yōu)解集。

（1） 設計變量

假設潛艇主艇體參數以母型值為基礎不變，選擇潛艇操縱面附體尺寸及附體縱向坐標作為設計變量有：

1）指揮室圍殼

指揮室圍殼高Hfw，指揮室圍殼弦長Lfw，指揮室圍殼縱向坐標Xfw。

2）圍殼舵

圍殼舵展長bofws，圍殼舵平均弦長Cfws，圍殼舵縱坐標Xfws，圍殼舵處殼體平均厚度Dhfws。

3）艉水平翼

艉水平翼翼展bohf，艉水平翼平均弦長Chf，艉水平翼縱坐標Xhf。

4）艉垂直翼

艉垂直翼翼展bovf，艉垂直翼平均弦長Cvf，艉垂直翼縱坐標Xvf。

其中：以母型艇船舯為坐標原點按照艇體坐標系計算附體縱坐標值，各設計變量的取值范圍綜合考慮指揮室圍殼內升降裝置的高度限制，艉水平翼翼展不宜超寬等工程設計條件。

（2） 約束條件

依據行業(yè)標準和規(guī)范，潛艇操縱性指標的約束條件選擇如下：

c1≤la′≤c2;c3≤Kvd;c4≤Khd;Ro≤c5

其中設計參數取值范圍根據國家標準確定。

（3） 目標函數

在滿足約束條件的情況下，潛艇操縱性指標在設計空間內有一定的設計偏好，本文追求潛艇操縱性指標Kvd、Khd、Uδb、Uδs盡量大，la′、Uis、Ro盡量小。 則潛艇操縱性多目標優(yōu)化問題可表示為：

（4） 優(yōu)化方法

本文采用NCGA對潛艇操縱性進行多目標優(yōu)化分析。NCGA是近年來興起的一種多目標遺傳算法，其對簡單遺傳算法的改進主要在于交叉、變異算子。NCGA交叉算子中的兩個相互交叉的個體不是隨機選擇的，而是選擇兩個比較接近的個體。這樣可以使交叉后產生的子個體較為接近父代個體，通過排序后分組進行交叉的方法實現“相鄰繁殖”機制，從而使接近于Pareto前沿的解進行交叉繁殖的概率增大，加快收斂速度。在加速收斂的過程上比傳統(tǒng)遺傳算法存在明顯的優(yōu)勢。

NCGA算法按以下步驟進行：

1）初始化：令k＝0，設置第一代個體P0，種群數N。計算個體對應的適應度，計入A0；

2） 令t=t+1，Pt=At-1；

3）排序：個體按向聚集的目標值的方向進行排序；

4）分組：個體Pt根據排序分成若干組，每組由兩個個體組成；

5）交叉和變異：在每一組中執(zhí)行交叉和變異操作，由兩個父代個體產生兩個子代個體，同時父代個體被刪除；

6）重組：所有子代個體組成一組新的Pt；

7）更新：將At-1與Pt組合，按環(huán)境選擇機制，從2N個個體中，選出其中N個個體；

8）返回2）或終止。

3.2 潛艇操縱性靈敏度分析問題的描述

在實際工程設計中，獲得一個問題的最優(yōu)解并不一定是最終目的，更深入地分析設計變量對設計指標的影響變化具有積極的現實意義，這就需要對設計問題開展靈敏度研究。

靈敏度是指標對某些參數的變化梯度，本文定義為：

式中：ui為潛艇操縱性指標；xj為潛艇操縱性設計變量。

4 潛艇操縱性多目標優(yōu)化及靈敏度分析結果

4.1 潛艇操縱性多目標優(yōu)化

在iSIGHT優(yōu)化平臺下實現對潛艇操縱性數學模型的集成優(yōu)化分析，其中潛艇操縱性優(yōu)化數學模型采用Matlab軟件編程完成，NCGA算法的參數設置如表1所示。

表1 NCGA參數設置Tab.1 Parameters setting for NCGA

總的計算次數為2 600次，得到可行解2 320個，其中Pareto解52個，上述計算采用配置為Intel Core2 E8300處理器，4GB內存的計算機耗時10分鐘完成。

給出優(yōu)化設計Pareto解集中圍殼舵速升率Uδb和艉升降舵速升率Uδs兩目標優(yōu)化結果的二維散點圖，見圖1。

圖1中的優(yōu)化方案1和優(yōu)化方案2是從52個Pareto解集中提取在Uis、Uδs、Uδb和Ro四個操縱性指標上均比初始方案要優(yōu)的設計結果，其相對初始值的改進程度見表2。

表2 優(yōu)化方案與初始方案對比Tab.2 Comparision between the optimized results and the initial case

可以看出，優(yōu)化方案相比初始方案而言，在操縱性指標上均有一定程度的改進，達到了對初始方案的優(yōu)化設計的目的。

4.2 潛艇操縱性指標靈敏度分析

在iSIGHT平臺下進一步對七個潛艇操縱性指標進行靈敏度分析。

以圍殼舵速升率Uδb（對應于圖中的Ufws）的靈敏度為例，圖2給出了對Uδb影響最大的前五個設計變量的靈敏度大小，并以顏色和趨勢區(qū)分正負效應。可以看出，艉水平翼的縱向位置Xhf、翼展bovf、平均弦長Chf對其速升率影響較大，同時，圍殼舵的縱向位置Xfws和平均弦長Cfws也有一定影響；另外，艉水平翼縱向位置Xhf對Uδb的影響趨勢與其它設計參數相反。

整理得到潛艇操縱性指標的靈敏度分析結果，見表3。

表3 設計指標靈敏度分析Tab.3 Sensitivity analysis of the design objects

從圖2和表3的結果分析表明：

（1）艉水平翼縱向位置Xhf對垂直面靜不穩(wěn)定系數la′、垂直面動穩(wěn)定系數Kvd和圍殼舵速升率Uδb的影響最大，la′隨著Xhf的增大而增大，但是Kvd和Uδb隨著Xhf的增大而減小。艉水平翼的幾何尺寸bohf、Chf也對該操縱性指標有較大影響。

（2）圍殼舵平均弦長Cfws對圍殼舵逆速Uis影響最大，Uis隨著Cfws的增大而減小。圍殼舵逆速Uis還受圍殼舵翼展bofws和艉水平翼縱向位置Xhf的影響。

（3）艉水平翼翼展bohf對艉升降舵速升率Uδs影響最大，Uδs隨著bohf的增大而減小。其縱向位置Xhf和平均弦長Chf也對Uδs有較大影響。

（4）艉垂直翼設計參數對水平面動穩(wěn)定系數Khd和相對回轉半徑Ro的影響最大。其中縱向位置Xvf對Khd影響最大，Khd隨著Xvf的增大而減小；平均弦長Cvf對Ro影響最大，Ro隨著Cvf的增大而增大。

這些結論與文獻[35]相符，而且本文還考慮了艉水平翼縱向位置Xhf和艉垂直翼縱向位置Xvf等多個操縱面參數對潛艇操縱性指標的靈敏度影響，可為設計人員提供更多的設計參考。

4 結 論

本文以潛艇操縱面的幾何尺度和縱向位置為設計變量，建立潛艇操縱性指標預報數學模型，利用iSIGHT優(yōu)化軟件，采取NCGA遺傳算法開展多目標優(yōu)化設計，并進行了靈敏度分析，得到的主要結論為：

（1）相鄰繁殖遺傳算法（NCGA）能夠很好地處理潛艇操縱性多目標優(yōu)化問題，在iSIGHT平臺下開展?jié)撏Р倏v性多目標優(yōu)化設計能夠快速獲得Pareto非劣解集，為工程設計提供更多的方案選擇。

（2）艉水平翼操縱面參數對垂直面靜不穩(wěn)定系數、垂直面動穩(wěn)定系數、艉升降舵速升率和圍殼舵速升率影響最為強烈；

（3）圍殼舵幾何參數對圍殼舵逆速的影響居于首要地位；

（4）艉垂直翼操縱面參數對水平面動穩(wěn)定系數和相對回轉半徑的影響最大。

（5）潛艇操縱面設計參數對操縱性指標的影響有程度大小和正負效應之分，相關設計結果能夠為工程設計以及改進工作提供參考。

本文所采用的潛艇操縱性設計方法主要來自于相關的設計規(guī)范和經驗估算公式，在潛艇操縱性數學模型的精度上還有待改善，僅適用于潛艇設計的初期，因此還需要開展更深入的工作：

（1）結合工程實際，綜合運用多種手段，比如引入CAE仿真分析，建立更加精確的計算模型。

（2）面對更加復雜的問題，需要綜合考慮設計中涉及的其它學科知識，開展多學科的設計優(yōu)化（MDO）研究也是發(fā)展的一個重要方向。

[1]Schaffer J D.Multiple objective optimization with vector evaluated genetic algorithms[C].Proceedings of an International Conference on Genetic Algorithms and Their Application,1985.

[2]Srinivas N,Deb K.Multiobjective optimization using nondominated sorting in genetic algorithms[J].Evolutionary Computation,1994,2(3):221-248.

[3]Deb K,Agrawal S,Pratap A,Meyarivan T.A fast and elitist multiobjective genetic algorithm:NSGA II[J].IEEE Transaction and Evolutionary Computation,2002,6(2):182-197.

[4]Zitzler E,Thiele L.Multiobjective evolutionary algorithm:A comparative case study and the strength pareto approach[J].IEEE Transaction on Evolutionary Computation,1999,3(4):257-271.

[5]Zitzler E,Laumanns M,Thiele L.SPEA2:Improving the performance of the strength pareto evolutionary algorithm[R].In Technical Report 103,Computer Engineering and Communication Networks Lab(TIK),Swiss Federal Institute of Technology(ETH)Zurich,2001.

[6]Shinya W,Tomolyuki H,Mitsunori M.Neighborhood cultivation genetic algorithm for multi-objective optimization problems[C].Proceedings of the 4th Asia-Pacific Conference on Simulated Evolution and Learning(SEAL-2002),2002:198-202.

[7]崔遜學.多目標進化算法及其應用[M].北京:國防工業(yè)出版社,2008:51-52.

[8]Rajagopal S,Ranjan Ganguli A C R Pillai,Lurdharaj A.Conceputual design of medium altitude long endurance UAV using multiobjective genetic algorithm[C]//48th AIAA/ASME/ASCE/AHS/ASC structures,structural dynamics,and meterials conference.Honolulu,Hawaii,2007.

[9]Rhodes O,Santer M.Optimal problem definition for optimization of morphing structures[C]//51th AIAA/ASME/ASCE/AHS/ASC structures,structural dynamics,and meterials conference.Orlando,Florida,2010.

[10]李學斌,朱學康.潛艇耐壓圓柱殼的多目標優(yōu)化設計[J].中國造船,2009,50(1):10-18.

[11]陳 兵.空間推進算法及超燃沖壓發(fā)動機部件優(yōu)化設計研究[D].北京:北京航空航天大學,2006.

[12]龔海岳.牽引火炮總體結構多目標優(yōu)化研究[D].南京:南京理工大學,2006.

[13]柳高潔.自行火炮結構動力學分析及優(yōu)化設計研究[D].南京:南京理工大學,2009.

[14]朱國俊,羅興锜,郭鵬程,戴辰辰.基于組合優(yōu)化方法的平面葉柵優(yōu)化設計[J].大電機技術,2010(1):50-53.

[15]Skinner B A,Palmer P R,Parks G T.Multi-objective design optimization of submarine electric drive systems[J].IEEE,1-4244-0947-0/07,2007.

[16]Christopher R.Blizzard,Kyle Colantonio,et al.Design report of ballistic missile defense submarine[R].Virginia Tech:O-cean Engineering Design Project AOE 4066,2008.

[17]Rahul V.Shinde.An automated multidisciplinary design optimization method for multi-hull vessels[D].Masters Degree of Science in Mechanical Engineering,University of Pune.2007,4.

[18]李學斌,潘 治.潛艇概念設計階段的多目標優(yōu)化研究[J].海軍工程大學學報,2008(2):56-60.

[19]柳存根,裘泳銘,姚震球等.遺傳進化算法在船舶初步設計中的應用[J].上海交通大學學報,2000,34(1):41-45.

[20]李文龍,譚家華.集裝箱船主尺度全局最優(yōu)化的混沌算法[J].中國造船,2003,44(1):11-16.

[21]李俊華,陳賓康,應文燁,秦汝平.CADDS5平臺上基于遺傳算法的船舶艙室優(yōu)化布置[J].中國造船,2001,42(1):1-5.

[22]張國忠,劉玉君.基于遺傳算法的機艙三維優(yōu)化布置設計[J].造船技術,2005(6):17-19.

[23]毛為民,伍先俊,朱石堅.遺傳算法在船舶動力機械混合隔振系統(tǒng)優(yōu)化設計中的應用[J].中國造船,2005(4):19-25.

[24]李仲偉,吳有生,崔維成.基于有限元法的小水線面雙體船結構優(yōu)化[J].船舶力學,2005,8(2):99-108.

[25]李學斌,朱學康.潛艇耐壓圓柱殼的多目標優(yōu)化設計[J].中國造船,2009(1):11-18.

[26]程遠勝,游建軍.船舶坐墩墩木布局及尺寸優(yōu)化設計[J].船舶力學,2004,7(2):63-70.

[27]陸叢紅,林 焰,紀卓尚.遺傳算法在船舶自由浮態(tài)計算中的應用[J].上海交通大學學報,2005(5):701-705.

[28]楊 啟,黃小勇,譚家華,王呈方.基于最優(yōu)Pareto集的船舶出塢拖輪配置優(yōu)化[J].中國造船,2005(6):69-74.

[29]周玉龍,楊松林,奚 煒等.基于遺傳—混沌算法的船舶動力學性能綜合優(yōu)化研究[J].艦船科學技術,2005(4):18-21.

[30]陳 靜,林 焰,張明霞,紀卓尚.改進遺傳算法在船舶壓載水置換方案求解中的應用[J].中國造船,2009(1):75-82.

[31]陳厚泰.潛艇操縱性[M].哈爾濱:國防工業(yè)出版社,1981.

[32]施生達.潛艇操縱性[M].北京:國防工業(yè)出版社,1995.

[33]沈國鑒.潛艇設計原理[M].上海:上海交通大學出版社,1987.

[34]盛振邦,劉應中.船舶設計原理[M].上海:上海交通大學出版社,2004.

[34]曾廣會,朱 軍,黃昆侖.潛艇操縱面幾何參數敏感性計算研究[J].艦船科學技術,2009,31(2):44-48.