基于遗传算法的散货船结构优化研究

余勇华，陈 剑，徐 骁，王庆丰

(1.江苏新扬子造船有限公司，江苏 靖江 214532；2.江苏科技大学，江苏 镇江 212000)

0 引言

82 000载重吨散货船是国际航运市场的重要力量。在船舶设计之初就在满足各项规范的基础上以减少结构重量作为工作的着力点，可以提高船舶的经济性。吴剑国等针对船舶结构优化设计中普遍存在混合离散变量的问题，改进了遗传算法。陈昆等在起重机臂架设计中，创新地提出了一种遗传方法，在实数编码和混沌理论的基础上进行优化，使用25和72杆空间桁架验证，证明此方法的可行性。渠继东等以20 000载重吨近海散货船作为研究对象，使用NSGA-Ⅱ算法解决近海散货船优化设计问题的有效性。本文则选取82 000载重吨散货船为研究对象，以遗传算法为理论基础，研究该船优化设计过程并对其进行验证。

1 遗传算法概念简述

遗传算法就是通过模拟生物的一些相关行为并使其数学化，用计算机语言等方法输出结果，在此基础上不断改进其计算和寻优机能，目的是在计算中不断地接近最优解。

1.1 遗传算法的特点

遗传算法是一种用于解决复杂非线性问题，并得到最优解的一种过程方法。其特点如下：

(1)运算对象为所求解问题的编码。

(2)适用的是多点搜索信息。

(3)只需要利用目标函数值的信息。

(4)使用概率搜索策略。

1.2 遗传算法基本流程及改进

遗传算法是一种随机启发式的优化算法，是一种较为复杂的计算过程。通过评估染色体并对染色体中的基因进行有目的地操作，可以更有效率地运用已得到的信息，再用来指引搜索种群质量较上一代有所改善的个体。标准遗传算法的主要计算步骤见图1。

图1 标准遗传算法计算框图

1.3 遗传算法的改进

遗传算法在发展不断深入的过程中经常会出现收敛性问题，影响实际操作和结果的输出，因此，很多学者花费大量精力对遗传算法进行优化。优化方法通常使用更改参数、更换编码、选择不同交叉方式等方法。在对种群中的遗传、遗传算法的研究中，为了达到改善遗传算法的目的使用了动态策略和自适应度策略的方法。本文利用遗传算法并使用交叉、最优个体保存法等方法对82 000载重吨散货船货舱纵向板进行结构优化。

2 实船货舱结构优化设计分析

2.1 82 000载重吨散货船概况

研究对象主尺度如下：

船长230 m，型宽32.26 m，型深20.05 m，设计吃水12.2 m，载重量81 600 t，定员25人，干舷型式B-60，服务航速14.3 kn。

2.2 货舱区结构

双层底形式的纵骨架式结构凭借底边舱与舷侧互相连接，从而构成货舱底部的区域。双层底的高度约为1.7 m。均匀布置在内底板、船底板等部位的纵骨，实肋板互相间隔4个肋位。中桁材布置在双层底部分的中纵线处，3道旁底桁同时均匀布置双侧，人孔开在实肋板和旁底桁上。

2.3 82 000载重吨散货船货舱结构优化

2.3.1 设计变量的选取

82 000载重吨散货船的结构优化选取其船体中横剖面上纵向构件的板厚为设计变量，见表1。

表1 变量详情

确定设计变量后，可用其设计变量的集合所组成的列阵来表示：

{X}=(x

,x

,x

,

…

,x

)

2.3.2 几何约束条件

几何约束条件依据中国船级社《钢质海船入级建造规范》(2018)进行计算。具体计算如下：

(1)船底厚度应小于舭部板厚度，即：

x

≥

x

,x

≥

x

,x

≥

x

(2)平板龙骨厚度不小于船底厚度加2 mm，即：

x

≥

x

+2

,x

≥

x

+2

,x

≥

x

+2

(3)舷顶列板的厚度不小于其下一列板的厚度，即：

x

≤

x

≤

x

+12(4)船中部特定区域船底板厚度

t

应大于或等于下列计算值，即：

式中：

t

、

t

为根据CCS标准计算书对于船中部特定区域厚度取用值范围界定的计算公式对于特定位置的代指；

s

为纵骨间距，且应不小于纵骨标准间距；

L

为船中部特定位置的船长，取0.4

L

(

L

为计算船长)；

F

为折减系数；

K

为材料系数；

d

为设计吃水；

h

为指定区域基线高度，取0.2

d

。(5)在船中部特定区域内，舷顶列板厚度

t

、凸形甲板的顶板厚度

t

、凸形甲板斜板厚度

t

、上甲板厚度

t

应大于或等于下列计算值：

式中：

F

为折减系数；

t

为船中部特定区域，此处为0.4

L

处的底板厚度。

2.3.3 应力约束

(1)板的理想弹性屈曲应力

σ

按下式计算：

式中：

E

为材料弹性模量；

t

为标准最大厚度；

t

为实际板厚。(2)板的临界屈曲应力

σ

按下式计算：

(3)板的纵向应力

σ

按下式计算：

式中：

M

、

M

分别为纵向的正、负方向的极限弯矩；

I

为截面惯性矩；

Z

、

Z

分别为垂向的正、负方向的形心垂向坐标。(4)板的临界应力

σ

按下式计算：

式中：

η

为加劲肋修正系数。(5)船底板上的纵向构件的剖面模数

W

必须满足规范要求的最小剖面模数

W

：

W

>[

W

]=

CL

B

(

C

+0.7)

K

(6)甲板板上的纵向构件的剖面模数

W

必须满足规范要求的最小剖面模数

W

：

W

>[

W

]

=CL

B

(

C

+0.7)

K

(7)该位置的剖面惯性矩

I

必须满足规范要求的

I

最小剖面惯性矩的要求：

I

>[

I

] =3

CL

B

(

C

+0.7)式中：

C

为系数；

B

为船宽；

C

为方形系数。

2.4 改进遗传算法求解步骤

改进遗传算法的求解过程见图2。

图2 应用于船体构件参数优化的简易遗传算法的简易流程图

本文中，具体的求解步骤如下：

(1)研究目标根据《钢质海船入级建造规范》(2018)来确定相应的约束条件。

(2)针对船体构件参数优化问题求解的目标，设计合理的目标度函数。为了减少设计变量，简化问题，以82 000载重吨散货船船体纵向板厚为设计变量，其余为已知量。

(3)优化设计的目的是船体目标构件的单位长度重量最轻，遂对舯部纵向构件建立了对应目标函数，如下式所示：

式中：

x

为编号；

l

为宽度。

(4)对上式进行求解。

3 运行结果

本文利用Matlab 2010a GUI软件进行仿真，可以对研究对象特定构件的参数问题进行遗传算法的优化。编程方法选用图形编程的方法，结合遗传算法对船体构件进行仿真，并对参数进行优化，最后提出解决上述问题的方案。遗传算法运用在船体构件优化及结果数据见表2。

表2 结果数据

4 结论

(1)对研究目标结构进行分析，结合研究对象的相关剖面图和相关规范的详细规定对设计变量施加约束，以此为限制条件，将纵向板选定为主要设计变量。

(2)运用多种遗传算法进行优化处理，得到对设计变量的优化处理结果，并进行统计。优化后的剖面积减少了5.2%，大大减少了结

构重量，达到了结构优化的目标。