李冬琴, 姚震球, 管義鋒

(1.江蘇科技大學 船舶與海洋工程學院, 江蘇 鎮(zhèn)江 212003)(2.江蘇現(xiàn)代造船技術有限公司, 江蘇 鎮(zhèn)江 212003)

隨著設計規(guī)模的擴大及相關學科耦合關系的復雜化,導致船舶設計問題的復雜度和計算量大大增加[1]．多學科設計優(yōu)化(multidisciplinary design optimization,MDO)被提出并應用于現(xiàn)代船舶設計問題．文獻[2]提出的CO算法不夠完善,例如系統(tǒng)級優(yōu)化問題無法滿足Kuhn-Tucker條件．文中針對CO算法中一致性約束條件存在的問題,提出了具有自適應松弛因子和混合懲罰函數(shù)的改進協(xié)同優(yōu)化(improved collaborative optimization,ICO)方法,該方法具有搜索到全局極值點的能力,能夠有效增強CO的全局穩(wěn)定性．同時將該方法應用于海洋平臺支援船的優(yōu)化設計中,以驗證其適用能力．

1 基于協(xié)調(diào)機制的協(xié)同優(yōu)化統(tǒng)一框架構建

文獻[3]中提出了一種基于協(xié)調(diào)機制的多學科協(xié)同優(yōu)化方法統(tǒng)一框架．文中將采用該框架對海洋平臺支援船多學科設計優(yōu)化進行分解與協(xié)調(diào)．其原理是:對工況復雜而變量繁多的海洋平臺支援船設計優(yōu)化問題進行某種程度的分解,將其轉(zhuǎn)化為重量計算模塊、快速性模塊、操縱性模塊、耐波性模塊及成本計算模塊等多個易于處理的子問題進行優(yōu)化,同時對各子問題的優(yōu)化進行有效協(xié)調(diào);在系統(tǒng)整體協(xié)調(diào)的前提下,保證各學科對局部設計變量的決策自主性,從而得到系統(tǒng)最優(yōu)解．

2 改進的協(xié)同優(yōu)化算法

文中在文獻[4]基礎上提出對系統(tǒng)級等式約束進行動態(tài)松弛,引入自適應松弛因子s將一致性等式約束化為不等式約束;同時結(jié)合外點法與內(nèi)點法優(yōu)點的混合罰函數(shù)轉(zhuǎn)化目標函數(shù),將約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題, 系統(tǒng)級優(yōu)化如下:

s.t:ZL≤Z≤ZU,β=s
α=1/βi=1,2,…,n

1) 引入自適應松弛因子s

通過引入自適應松弛因子s,將系統(tǒng)層中的一致性等式約束轉(zhuǎn)化為不等式約束:

(1)

s=λ·max‖Ji(zj-xij)‖

(2)

‖·‖為2范數(shù)；λ為常數(shù)；0.5≤λ≤1．

2) 建立混合懲罰函數(shù)

通過構造混合懲罰函數(shù)同時轉(zhuǎn)換等式與不等式約束,消除原CO無法收斂的根源．混合懲罰函數(shù)中的外點懲罰項使設計者可以任意選取優(yōu)化初始點;內(nèi)點懲罰項保證目標函數(shù)始終在可行域內(nèi)搜索,每次求得的極小點都是可行的優(yōu)化方案．

3 船舶多學科設計優(yōu)化系統(tǒng)平臺的構建

文中構建的優(yōu)化系統(tǒng)平臺開發(fā)了參數(shù)化船型生成及靜水力計算模塊、重量計算模塊、快速性模塊、操縱性模塊、耐波性模塊及成本計算模塊．該系統(tǒng)平臺主要集成了以下幾個模塊:

3.1 參數(shù)化船型生成模塊[5]

該模塊以現(xiàn)有的多條母型船為基礎,通過調(diào)和系數(shù)(權重因子)的調(diào)節(jié),直接操縱母型船的型值控制頂點,再由合成后的控制頂點產(chǎn)生船體曲面．

在海洋平臺支援船調(diào)和模塊中,采用了3艘母型船進行船型變化生成．其調(diào)和公式如下:

(3)

圖1 船舶優(yōu)化的Isight數(shù)據(jù)集成Fig.1 Data integration of ship optimization in Isight

3.2 性能計算模塊

文中海洋平臺支援船多學科優(yōu)化考慮的性能計算模塊主要包括重量計算模塊、快速性模塊、耐波性模塊和操縱性模塊，其中有些模塊的表達公式可參見文獻[6],文中僅簡單介紹各個模塊的計算公式．

1) 快速性模塊

由于在初步設計階段船舶阻力及推進數(shù)據(jù)資料不可能得到,所以只能采用相接近的同類型船舶的經(jīng)驗回歸公式進行阻力的估算,對快速性學科分析的阻力計算采用Holtrop方法[7]．同時參考文獻[8],對快速性[9]學科分析進行如下約束:

航速約束:V≥Vs

診斷AD不可或缺的病理特征是NFTs，其主要成分是Tau蛋白。自噬需要自噬體和溶酶體沿微管的運動[22]。因此，Tau缺失使微管不穩(wěn)定并損害自噬，從而加劇了Niemann-Pick型C小鼠表型和Aβ積累[23]。Tau尤其是Tau聚集體是自噬的底物，表明AD中自噬障礙可能有助于Tau聚集體形成導致NFTs增高[24]。研究表明，有些化合物(如雷帕霉素、海藻糖和西羅莫司脂化物)能通過激活自噬降解病理性Tau來預防AD發(fā)生[25]。核蛋白NDP52是自噬的一種受體，它通過自噬選擇性降解底物。NDP52可介導磷酸化Tau通過自噬清除[26]。

空泡約束:

文中選取海軍系數(shù)來表征船舶的快速性能,計算公式如下:

(4)

式中:Δ為排水量(t),V為航速(kn),Ps為主機功率(kW)．

2) 耐波性模塊

文中搜集的10艘有代表性的海洋平臺支援船,進行統(tǒng)計回歸處理,得出船舶耐波性品級與船型參數(shù)的回歸關系式,具體如下:

(5)

另外,為了保證船舶航行的舒適性,橫搖周期[7]也是考慮的一個重要方面:

優(yōu)化過程中,橫搖固有周期滿足約束:Tθ>8.5 s．

3) 操縱性模塊

海洋平臺支援船對操縱性要求較高,文中將操縱性作為船型優(yōu)化的一項重要考核指標．操縱性指標主要考慮了直線穩(wěn)定性和航向性改變指標[5]．文中直線穩(wěn)定指標選用無因次衡準數(shù)C′作為穩(wěn)定性指數(shù)．操縱性指標的數(shù)學表達式為:

M=0.429C′+0.571Varc

(6)

式中:C′為無因次衡準數(shù),Varc為航向性改變指標．

3.3 成本計算模塊

船舶造價是考慮船舶經(jīng)濟性的一個重要指標,文中采用分項計算法對船舶造價進行估算[10]:

(7)

式中：Ws為船體鋼料重量,Wo為木作舾裝重量,Ps為主機馬力．

4 應用實例

文中以10 800 hp海洋平臺支援船的初步設計為例,在已開發(fā)的船舶MDO原型系統(tǒng)平臺上進行優(yōu)化工作．利用商業(yè)集成框架Isight軟件[11],通過二次開發(fā)完成各模塊的集成工作,建立了支持船舶初步設計的多學科設計優(yōu)化系統(tǒng)平臺,如圖2，3．

將優(yōu)化分為兩類:一是采用傳統(tǒng)優(yōu)化方法[5],在整個優(yōu)化過程中對尺度進行優(yōu)化．二是采用MDO方法,不僅對尺度進行優(yōu)化,而且集成了船型變換．本文采用的大功率深海石油平臺支援船的設計變量取值范圍如表1．表2為設計變量及中間參數(shù)的優(yōu)化結(jié)果．圖4為優(yōu)化的迭代曲線．圖5為本課題確定的海洋平臺支援船總布置圖．

圖2 船型調(diào)和模塊及計算程序的集成Fig.2 Integration of ship type creation modules with calculation procedure

圖3 船舶性能計算模塊的集成Fig.3 Integration of ship performance calculation modules

表1 部分設計變量取值范圍Table 1 Boundaries of some design variables

表2 設計變量及參數(shù)的優(yōu)化結(jié)果Table 2 Optimal results and the design parameters

圖4 目標函數(shù)迭代歷史Fig.4 Iterative history of target function

從表2可以看出,與母型船及傳統(tǒng)方法優(yōu)化結(jié)果相比,優(yōu)化后船長L變大,L/B略有增加,船型瘦長,船舶總阻力會減小,快速性能方面會有所改善;船寬B適當增大,有利于總體布置,增加了載貨量,有效提高了船舶穩(wěn)性;B/T減小使橫穩(wěn)心半徑減小,從而使得初穩(wěn)性高減小導致橫搖周期有所增加,船舶航行舒適度得到改善;型深D較母型船相比有較大增加．相比于母型船而言,全船排水量略為增加的前提下,船舶整體性能有了較大改善．

圖5 海洋平臺支援船總布置Fig.5 Offshore supply vessel’s general arrangement

5 結(jié)論

1) 以分解與協(xié)調(diào)為手段,構建了基于協(xié)調(diào)機制的多學科協(xié)同優(yōu)化方法統(tǒng)一框架;

2) 針對標準CO算法的不足,通過引入一個自適應松弛因子將一致性等式約束化為不等式約束;同時結(jié)合了外點法與內(nèi)點法優(yōu)點的混合罰函數(shù)轉(zhuǎn)化目標函數(shù),提出了改進的CO算法;

3) 以海洋平臺支援船優(yōu)化設計為例,綜合考慮各項船舶性能及經(jīng)濟性之間的耦合關系,以改進協(xié)同優(yōu)化算法為指導思想,實現(xiàn)船舶多學科設計優(yōu)化系統(tǒng)平臺的構建,實例表明,采用改進的CO算法能有效地解決標準CO算法的計算困難性,優(yōu)化可以收斂,得到的系統(tǒng)最優(yōu)解更加穩(wěn)定、可靠,計算效率明顯提高,在船舶多學科優(yōu)化設計中具有一定的應用價值．

參考文獻(References)

[1] Sobiesczanski-Sobieski J, Haftka R T.Multidisciplinary aerospace design optimization: Survey of recent developments [C]∥Proc34thAerospaceSciencesMeetingandExhibit，Reno, NV, 1996:32-35.

[2] Krool, Altus S,Braun N R,et al.Multidisciplinary optimization methods for aircraft preliminary design [C]∥Proceedingsforthe5thAIAA/NASA/ISSMOSymposiumonMultidisciplinaryandOptimization.USA: AIAA,1994: 697-707.

[3] 李冬琴,王麗錚,孔令海.基于協(xié)調(diào)機制的多學科設計優(yōu)化框架研究[J].武漢理工大學學報:交通科學與工程版,2011, 35(3):562-566.

Li Dongqin,Wang Lizheng,Kong Linghai.Study on the Framework of Multidisciplinary Design Optimization based on collaboration mechanism [J].JournalofWuhanUniversityofTechnology:TransportationScience&Engineering, 2011, 35(3):562-566.(in Chinese)

[4] Alexandrov N M, Lewis R M.Comparative properties of collaborative optimization and other approaches to MDO [R].NASA/CR-1999-209354:14-18.

[5] Neu W L, Hughes O, Mason W H, et al.A prototype tool for multidisciplinary design optimization of ships [C]∥NinthCongressoftheInternationalMaritimeAssociationoftheMediterranean， Naples, Italy, 2000:1-8.

[6] 吳燦.石油平臺支援船(OSV)多目標總體優(yōu)化方法研究及應用[D].江蘇鎮(zhèn)江:江蘇科技大學, 2009:29-34.

[7] Holtrop J,Mennen G J.An approximate power prediction method [J].InternationalShipbuildingProgress,1982,29(335): 166-170.

[8] 劉克鋒.船舶多學科設計優(yōu)化建模研究[D].湖北武漢:武漢理工大學, 2010:33-34.

[9] 董亮,楊松林.高速單體船快速性和操縱性綜合優(yōu)化混沌算法[J].江蘇科技大學學報:自然科學版,2007,21(1):7-11.

Dong Liang, Yang Songlin.Overall optimization of rapidity and maneuverability of high-speed monohull ship based on Chaos Algorithm[J].JournalofJiangsuUniversityofScienceandTechnology:NaturalScienceEdition, 2007, 21(1): 7-11.(in Chinese)

[10] Christopher G Hart,Niekolas Vlahopoulos.An integrated multidisciplinary particle swarm optimization approach to conceptual ship design [J].StructuralandMultidisciplinaryOptimization,2009, 7(41): 481-494.

[11] 李冬琴,楊永祥, 堯達輝,等.基于自適應加權的多學科多目標設計優(yōu)化[J].江蘇科技大學學報:自然科學版,2011,25(6):511-515.

Li Dongqin, Yang Yongxiang,Yao Dahui, et al.Multidisciplinary and multi-objective optimization based on adaptive weighted-sum method [J].JournalofJiangsuUniversityofScienceandTechnology:NaturalScienceEdition, 2011,25(6):511-515.(in Chinese)