散货船优化算法
基于cfd的散货船船体型线自动优化
收稿日期：２０１８１２２２ 基金项目：自主创新本科生项目基金研究项目（２０１８Ｊ７Ｂ１０７） 作者简介：赵无忧 （１９９９—），女，本科，从事 船 型优 化研 究；郭啸 轩 （１９９８—），女，本科，从事船型优化研究；束永昊（１９９８—），男，本科， 从事船型优化研究；常海超（１９８５—），男，博士，讲师，从事船型优化 中的近似方法研究。
∫∫Ｖ∫（Ｐｘ＋Ｑｙ＋Ｒｚ）ｄｖ＝Ｓｗｅ∫ｔ＋∫Ｓｗｌ（Ｐｎ１ ＋Ｑｎ２ ＋
Ｒｎ３）ｄｓ 式中：Ｐ、Ｑ、Ｒ为变量。
ห้องสมุดไป่ตู้（７）
船体湿表面 Ｓｗｅｔ与水线 Ｓｗｌ面所围成的部分即为 船体排水体积 Ｖ。
静水力数据包括排水体积、浮心纵向位置、湿表
面积等，它们的求法如下。
求解排水体积：Ｐ＝０，Ｑ＝ｙ，Ｒ＝０
＝∫∫Ｖ∫（Ｐｘ＋Ｑｙ＋Ｒｚ）ｄｖ＝Ｓｗｅ∫ｔ＋∫Ｓｗｌ（ｙｎ２）ｄｓ＝
０ 引言
１ 平台优化框架及过程
船型优化在船舶研发设计中始终占据重要位 置，国内外很多学者对此展开研究。文献［１３］主要 研究了多目标遗传算法对优化结果的影响并建立了 优化平台，进行了海上三体补给运输概念船和双体 高速船的 优 化，获 得 了 较 好 的 优 化 结 果。 文 献 ［４］ 结合稳健设计方法和 ＭｏｎｔｅＣａｒｌｏ试验设计、遗传算 法进行了高速双体船初步设计阶段的不确定性优 化，并验证了此方法具有一定的工程实用价值。文 献［５７］利用径向基函数插值方法对船型优化进行 了深入研究，并自主研发了基于 ＣＦＤ的船型优化平 台，采用粒子群算法对 Ｓｅｒｉｅｓ６０船体曲面进行修改， 以产生球鼻艏形状，再对修改后的船型进行艏部和 艉部优化，获得了良好的减阻效果。研究表明，利用 径向基插值函数方法和粒子群算法集成的平台适合 工程需要。
货物运输路线优化算法设计及应用研究
货物运输路线优化算法设计及应用研究一、引言近年来，随着物流业的发展，货物运输成为人们日常生活中必不可少的一部分。
而随着全球化趋势的不断加剧，跨境运输也显得越来越重要。
如何优化运输路线，提高运输效率和安全性，成为值得研究的问题。
本文将介绍货物运输路线优化算法的设计及应用研究。
二、货物运输路线优化算法的概念货物运输路线优化算法是利用计算机技术和数学方法，以最小化运输成本和时间为目标，选择最优的运输路线。
该算法通常包括以下几个步骤：1.建立数学模型2.寻找最优解的算法3.求解最优解其中，数学模型是算法设计的核心，它决定了算法实现的可行性和有效性。
三、货物运输路线优化算法的设计方法货物运输路线优化算法的设计有很多方法，以下介绍其中两种较为常用的方法。
1.建立图论模型图论是数学中的一个分支学科，它研究的是在不同节点之间的路径、连通性和距离等问题。
在货物运输路线优化中，可以将起点和终点看作节点，道路和运输方式看作边，建立图论模型。
通过图论模型，可以方便地求解最优路径和运输方式。
2.蚁群算法蚁群算法是一种模拟自然界中蚂蚁寻找食物的机制，它可以用于寻找最优路径。
在货物运输路线优化中，可以将货物看作蚂蚁，将运输路径看作食物，利用蚁群算法搜索最优路径。
蚁群算法不但能够求解最优路径，还能够避免陷入局部最优解。
四、货物运输路线优化算法的应用研究货物运输路线优化算法的应用研究主要涉及以下几个方面：1.单一运输方式的路线优化单一运输方式的路线优化是指只考虑某一种运输方式的最优路线。
例如，将货物运往海外，可以选择海运、空运或陆运等方式。
每种运输方式的路线都有其特定的优劣势，需要通过算法来选择最优路线。
2.多运输方式的路线优化多运输方式的路线优化是指考虑多种运输方式的最优路线。
例如，货物从原产地运往目的地，需要经过多种运输方式，如陆运、海运、空运等。
不同的运输方式在不同的环节中具有不同的优劣势，需要通过算法来决定最优路线。
3.跨境运输路线优化跨境运输路线优化是指在国际贸易中，考虑各种条件下的最优路线。
散货船自由浮态计算简化方法
散货船自由浮态计算简化方法刘春雷;尹勇;孙霄峰;张秀凤;神和龙【摘要】According to the characteristics of bulk carrier, a simplified method of ship free floatation calculation for engineering application is studied.Based on matrix method, 7 waterline plane elements are reduced to 4, and the solution of Jacobi matrix is plete Gaussian pivoting elimination method is adopted to solve the linear equations.In order to ensure the accuracy of the calculation, the floating state balance equations are used as the iteration stop conditions.Bulk carrier "DOLCE VITA" and "RUI AN CHENG" are taken as examples, 200 000 random loading experiments are carried out on 20 ballast tanks to verify the convergence and robustness of the algorithm in heeling condition.200 000 random loading experiments are carried out on 5 cargo holds to verify the convergence and robustness of the algorithm in trim condition.Typical load conditions are calculated, and compared with the given value in the loading manual the trim error is less than 0.01 m.The calculation results show that in this algorithm the calculating amount is decreased because only displacement volume under any tilt waterline plane and center of buoyancy need to be computed, the calculation amount is small, the program is very simple, real-time, robust and has a certain engineering application value.%根据散货船特点探讨了一种面向工程应用的船舶自由浮态计算简化方法.在矩阵法的基础上,将7个水线面要素简化到4个,简化雅克比矩阵求解.采用全选主元高斯消去法求解线性方程组,以船舶浮态平衡方程组作为迭代终止条件,保证计算精度.以散货船"DOLCE VITA"及"RUI AN CHENG"为例进行了实例计算,对20个压载舱进行了20万次随机装载实验,验证了算法在有横倾下的收敛性和稳定性;对5个货舱进行了20万次随机装载实验,验证了算法在有纵倾下的收敛性和稳定性;对典型载况进行计算,和装载手册给定值相比,吃水差误差都在0.01 m以下.结果表明:该算法只需计算任意倾斜水线面下的排水体积和浮心坐标,计算量较小,程序实现简单,实时性、鲁棒性较好,具有一定的工程实用价值.【期刊名称】《大连理工大学学报》【年(卷),期】2017(057)001【总页数】6页(P55-60)【关键词】船舶工程;自由浮态;散货船;配载仪;吃水差【作者】刘春雷;尹勇;孙霄峰;张秀凤;神和龙【作者单位】大连海事大学航海动态仿真和控制交通行业重点实验室, 辽宁大连116026;大连海事大学航海动态仿真和控制交通行业重点实验室, 辽宁大连116026;大连海事大学航海动态仿真和控制交通行业重点实验室, 辽宁大连116026;大连海事大学航海动态仿真和控制交通行业重点实验室, 辽宁大连116026;大连海事大学航海动态仿真和控制交通行业重点实验室, 辽宁大连116026【正文语种】中文【中图分类】U661.21船舶浮态计算是指计算船舯吃水Tm、横倾角θ及纵倾角φ，在船体坐标系下多采用艏吃水Tf、艉吃水Ta及横倾角θ表示．船舶浮态计算是保障船舶航行安全的重要前提，也是船舶稳性计算、船舶剪力和弯矩计算、自动配载及装卸货过程优化的基础．目前船舶浮态计算方法大体可分为4类：第1类是依靠船舶静水力资料计算的常规法[1-2]；第2类是采用牛顿迭代的矩阵法[3-6]；第3类计算方法可归结为优化法，主要有文献[7-8]提出的非线性规划法及文献[9-11]提出的遗传算法；第4类是有限元法，通过有限元分析计算船舶浮态[12-14]．但是这4类算法存在一些不足：第1类常规法以船舶静水力数据为基础，将纵倾和横倾分开计算，适用于小纵倾计算，纵倾和横倾较大时误差会增大；第2类矩阵法在每一次迭代计算时都要计算包含水线面面积、漂心、惯性矩、排水体积及浮心等多项要素的雅克比矩阵，需实时计算船舶倾斜水线面，计算量较大，程序处理困难；第3类优化法只需要计算排水体积和浮心，避免了雅克比矩阵的计算，减少了计算量，但是迭代次数较多，收敛速度有时比较缓慢，影响程序实时性，不太适用于工程应用；第4类算法采用有限元法，需建立船舶有限元模型，计算量大，实时性不好．针对以上不足，本文根据散货船方形系数较大的特点，探讨一种面向工程应用的浮态迭代算法，在求解雅克比矩阵时，用过船艉吃水处且平行于基平面的水线面代替倾斜水线面在基平面的投影面，将求解雅克比矩阵时的7个水线面要素简化到4个，简化雅克比矩阵求解，程序只需计算任意倾斜水线面下的排水体积及浮心坐标，以使编程实现简单，稳定可靠．本文采用固定在船上的Oxyz坐标系统：原点O为基平面、中站面和中线面的交点．x轴为基平面和中线面的交线，指向船艏为正．y轴是基平面和中站面的交线，指向右舷为正．z轴是中线面和中站面的交线，向上为正．船舶任意浮态平衡方程组为[5]式中：ρ为海水密度；V为排水体积；Δ为船舶总装载量；xb、yb、zb为船舶浮心纵向、横向及垂向坐标；xg、yg、zg为船舶重心纵向、横向及垂向坐标；θ为船舶横倾角；φ为船舶纵倾角．在求解时，一般通过牛顿迭代求解非线性方程组[5]，其雅克比矩阵为式中：S为船舶倾斜水线面在基平面的投影面积；xf、yf、zf为水线面漂心的纵向、横向及垂向坐标；Ixf、Iyf、Ixyf为水线面对过漂心平行于x、y轴的惯性矩和惯性积；zg．在求解雅克比矩阵时，其难点是7个水线面要素S、xf、yf、zf、Ixf、Iyf、Ixyf的求解，需要倾斜水线面和船体实时求交计算水线面的轮廓数据，文献[6]提出一种获得水线面轮廓的排序方法．本文根据散货船的特点提出一种简化方法，将7个水线面要素简化到4个，且不需要实时计算．如图1所示，散货船的方形系数较大，可用过船艉吃水Ta处的平行于基平面的水线面Aw1近似代替倾斜水线面在基平面的投影面Aw．根据水平水线面S1特点可得到如下性质：yf=0，Ixy=0，zf=Tm-dtan φ≈Tm，d为漂心纵向坐标距船舯的距离，另外根据平行移轴原理则可得到Ix、Iy、Ixy与Ixf、Iyf、Ixyf的对应转换关系(Ix、Iy、Ixy分别为水线面对x、y轴的惯性矩和惯性积)：则原雅克比矩阵可简化为由式(4)可知，求解方程组只需要计算4个水线面要素S、xf、Ix及Iyf．在编写程序时可离线计算出各个吃水下的水线面参数值，建立离线数据库，根据船艉吃水进行离线插值，提高程序计算效率．在建立离线水线面数据库时可由船舶设计部门提供的船舶静水力表获得，也可采用格林公式进行计算，计算公式如式(5)所示：其中My是水线面对y轴的静矩．采用全选主元高斯消去法求解三元一次线性方程组，以船舶任意浮态平衡条件作为迭代终止判断条件，当满足船舶平衡条件时输出浮态计算结果：式中：ε1、ε2、ε3为迭代精度控制，本文取ε1=5，ε2=0.001，ε3=0.001．首先采用常规法计算船舶浮态初始值，然后采用迭代法进行迭代，直到满足船舶浮态平衡条件，程序设计流程图如图2所示，其具体步骤如下：步骤1 计算船舶总装载量Δ及重心坐标(xg,yg,zg)．步骤2 常规法计算船舶Tm、tan θ、tan φ．步骤3 计算船舶倾斜水线面方程xtan φ+ytan θ-z+Tm=0，倾斜水线面和船舶外壳求交计算水线面下排水体积V和浮心坐标(xb,yb,zb)．步骤4 根据式(6)判断是否满足平衡条件，即判断总装载量和排水量是否相等、重心和浮心是否在同一条垂线上,如果不满足，则转步骤6．步骤5 浮态程序计算结束，输出当前浮态结果Tm、tan θ、tan φ．步骤6 根据Ta插值静水力表计算Ix、Iyf、xf、S．步骤7 计算雅克比矩阵．步骤8 全选主元高斯消去法解三元一次方程组得到δTm、δtan θ和δtan φ．步骤9 计算船舶Tm、tan θ、tan φ：转步骤3．本文以38 000 t散货船“DOLCE VITA”和“RUI AN CHENG”为例进行算法收敛性和准确性测试：(1)对其20个压载舱进行20万次随机装载实验测试算法在有横倾情况下的收敛性和稳定性；(2)对其5个货舱进行20万次随机装载实验测试算法在船舶有吃水差下的收敛性和稳定性；(3)对几种典型载况进行计算，和装载手册给定值相比较验证算法准确性．算例1 20个压载舱20万次随机装载实验在初始装载状况为空载的情况下进行了20万次随机装载实验，以每个压载舱的最大舱容为限制，在20个压载舱随机产生装货量进行浮态计算．计算结果如图3所示，船舶横倾角计算结果的分布范围从左倾12.160°到右倾12.856°，最大迭代次数为5次，最小迭代次数为1次，全部20万次装载方案的平均迭代次数为2.29次．1次迭代即可收敛的载况为10 737个，2、3、4、5次迭代收敛的载况分别为124 402、60 813、4 013及35个，迭代失败的次数为0．图4所示为各横倾角下的平均迭代次数，从图中可看出随着横倾角绝对值的减小，迭代次数逐渐减少：船舶横倾角位于-13°～-12°时平均迭代次数为5次；横倾角位于0°～1°时平均迭代次数为1.9次；横倾角位于11°～12°时平均迭代次数为5次．从实验结果可以看出算法在横倾角较小时一般需要1～2次迭代即可收敛，当横倾角较大时一般不超过5次迭代即可收敛，验证了算法在船舶存在横倾时的收敛性和稳定性．算例2 5个货舱20万次随机装载实验在初始装载状况为空载的情况下进行了20万次随机装载实验，以每个货舱的最大舱容为限制，在5个货舱随机产生装货量进行浮态计算．计算结果如图5所示，船舶吃水差计算结果从-13.040 m到13.508 m，最大迭代次数为6次，最小迭代次数为1次，全部20万次装载方案的平均迭代次数为1.74次．1次迭代即可收敛的载况为89 949个，2、3、4、5、6次迭代收敛的载况分别为80 759、22 143、5 430、1 567及152个，迭代失败的次数为0．图6所示为各吃水差下的平均迭代次数，从图中可看出随着吃水差绝对值的减小，迭代次数逐渐减小：船舶吃水差位于-14～-13 m时平均迭代次数为4次；吃水差位于0～1 m时平均迭代次数为1.27次；吃水差位于12～13 m时平均迭代次数为5次．从实验结果可以看出算法在吃水差较小时一般需要1～2次迭代即可收敛，当吃水差较大时一般不超过6次迭代即可收敛，验证了算法在船舶存在纵倾时的收敛性和稳定性．算例3 算法准确性验证为验证算法准确性，本文对“DOLCE VITA”4种典型载况进行了实例计算，如表1所示．表2为“RUI AN CHENG”8种典型载况的浮态计算结果．分析表1、2中数据可知：(1)吃水差误差都在0.010 m以下，最大误差为0.009 m,可见采用本文方法计算的船舶浮态计算结果和装载手册给定值误差较小，具有较高的计算精度．(2)船舶空船载况下，船舶吃水差较大，本文方法需要进行4次迭代，其他载况基本需要1次迭代即可获得较精确的结果．可见，本文算法以船舶浮态方程组作为迭代终止条件，只有满足船舶平衡条件时才输出计算结果，保证了计算精度，和装载手册给定值相比误差较小，验证了算法的可行性与准确性．基于文中所述浮态算法，大连海事大学航海研究所自主研发出一套基于STL模型散货船装载计算机程序，如图7所示，目前该软件正在申请CCS及DNV船级社的型式认可．(1)针对散货船的特点，在矩阵法的基础上探讨了一种面向工程应用的船舶浮态迭代算法．相比于常规法，本文算法适用于任意浮态；相比于矩阵法减少了水线面面积、漂心、惯性矩等要素的实时求解，减少了计算量；相比于优化法及有限元法减少了迭代次数．(2)算法以船舶浮态平衡方程组作为迭代终止条件，保证了计算精度．(3)算法简单，容易编程实现，依赖于离线静水力表，只需要计算出任意倾斜水线面下的排水体积和浮心，具有实时性、鲁棒性及准确性，工程实用价值较高．本文算法已经成功应用在自主研发的散货船装载计算机系统中，计算船型覆盖了38 000、64 000 及250 000 t级别的主流散货船型，未来将在此基础上研究船舶自动配载、货物装载过程中优化等方面内容．【相关文献】[1] 段兴锋,任鸿翔,东昉. 纵倾状态船舶浮态的研究与计算 [J]. 中国航海, 2015, 38(1):54-57. DUAN Xingfeng, REN Hongxiang, DONG Fang. Calculation of floating condition of a longitudinal inclined ship [J]. Navigation of China, 2015, 38(1):54-57. (in Chinese)[2] 刘春雷,尹勇,孙霄峰,等. 船舶浮态计算的一种修正方法[J]. 大连海事大学学报, 2014, 40(4):1-6. LIU Chunlei, YIN Yong, SUN Xiaofeng, et al. A modified method to ship floating calculation [J]. Journal of Dalian Maritime University, 2014, 40(4):1-6. (in Chinese)[3] CHEN Jing, LIN Yan, HUO Junzhou, et al. Optimization of ship′s subdivision arrangement for offshore sequential ballast water exchange using a non-dominated sorting genetic algorithm [J]. Ocean Engineering, 2010, 37(11/12):978-988.[4] CHEN Jing, LIN Yan, HUO Junzhou, et al. Optimal ballast water exchange sequence design using symmetrical multitank strategy [J]. Journal of Marine Science and Technology, 2010, 15(3):280-293.[5] 赵晓非,林焰. 关于解船舶浮态问题的矩阵方法[J]. 中国造船, 1985(3):55-64.ZHAO Xiaofei, LIN Yan. Matrix methods for solving ship floating state problem [J]. Shipbuilding of China, 1985(3):55-64. (in Chinese)[6] 林焰,李铁骊,纪卓尚. 破损船舶自由浮态计算[J]. 大连理工大学学报, 2001, 41(1):85-89.LIN Yan, LI Tieli, JI Zhuoshang. Ship damage floating calculation [J]. Journal of Dalian University of Technology, 2001, 41(1):85-89. (in Chinese)[7] 马坤,张明霞,纪卓尚. 基于非线性规划法的船舶浮态计算[J]. 大连理工大学学报, 2003,43(3):329-331.MA Kun, ZHANG Mingxia, JI Zhuoshang. Ship floating calculation based on nonlinear programming [J]. Journal of Dalian University of Technology, 2003, 43(3):329-331. (in Chinese)[8] 孙承猛,刘寅东. 船舶浮态计算的一种优化方法[J]. 大连海事大学学报, 2006, 32(2):39-41. SUN Chengmeng, LIU Yindong. Optimization method for ship′s floating condition calculation [J]. Journal of Dalian Maritime University, 2006, 32(2):39-41. (in Chinese)[9] 陆丛红,林焰,纪卓尚. 遗传算法在船舶自由浮态计算中的应用[J]. 上海交通大学学报, 2005,39(5):701-705,710.LU Conghong, LIN Yan, JI Zhuoshang. Application of genetic algorithm in ship free floatation calculation [J]. Journal of Shanghai Jiaotong University, 2005, 39(5):701-705, 710. (in Chinese)[10] LU Conghong, LIN Yan, JI Zhuoshang. Free trim calculation using genetic algorithm based on NURBS shipform [J]. International Shipbuilding Progress, 2007, 54(1):45-62. [11] LU Conghong, LIN Yan, JI Zhuoshang. An algorithm for plane-surface intersection and its application to shipbuilding [J]. Ship Technology Research, 2005, 52(3):103-106.[12] CALABRESE F, MANCARELLA L, ZIZZARI A A, et al. A multidisciplinary method for evaluating ship stability [J]. Journal of Shipping and Ocean Engineering, 2012, 2(6):321-326.[13] CALABRESE F, CATALDO M, DE PASCALIS A, et al. A method for evaluating the ship equilibrium point using 3D meshes developed for embedded device [C] // MTS/IEEE OCEANS 2015-Genova: Discovering Sustainable Ocean Energy for a New World. Piscataway:IEEE, 2015:7271763.[14] AZCUETA R. Computation of turbulent free-surface flows around ships and floating bodies [J]. Ship Technology Research, 2002, 49(2):46-69.。
货物运输路线优化算法研究
货物运输路线优化算法研究随着物流业的发展，货物运输已经成为了社会经济运转的重要一环。
货物运输的安全、快捷、高效是现代物流业发展的关键要素之一。
然而，如何优化货物运输路线，是制约物流效率和运输成本的关键问题之一。
针对这一问题，现在很多研究人员都在积极探索货物运输路线的优化算法。
一、贪心算法贪心算法是一种局部最优化策略。
它将问题分成多个子问题来解决，每个子问题的解决方案都能贡献一定收益，最终得到全局最优解。
在货物运输路线的优化中，贪心算法可以用来求解两个城市之间的最短路径，从而得到整个货物运输路线的最短路径。
但是，贪心算法不能保证得到全局最优解，因为它只考虑了当前问题的最优解而没有考虑到长远的收益。
二、分支限定法分支限定法是一种基于搜索的算法，它可以得到全局最优解。
分支限定法从问题的起始状态出发，不断搜索最可能得到最优解的路径。
对于货物运输路线的优化，分支限定法可以对整个路线进行全局搜索，找到最短路径。
但是，分支限定法的搜索过程非常复杂，因此它的计算成本很高，很难在实际运用中操作。
三、模拟退火算法模拟退火算法是一种基于概率的优化算法。
它通过模拟物理退火过程来得到问题的全局最优解。
模拟退火算法对于货物运输路线的优化可以通过计算每一条路径的长度并不断调整路线，直到找到最优路径。
模拟退火算法可以得到整个运输路线的全局最优解，但是它的计算成本也比较高。
四、遗传算法遗传算法是一种基于进化论的优化算法。
它在不断变异和进化的过程中找到最优解。
在货物运输路线的优化中，遗传算法可以通过模拟物种进化的过程不断生成新的路径方案，并不断筛选出更好的路径，最终得到最优路径。
与其他算法相比，遗传算法计算成本比较高，但是它能够得到非常优秀的结果。
总体来说，货物运输路线的优化算法有很多，每个算法都有自己的特点和适用范围。
在实践中，我们需要根据具体情况选择合适的算法，以达到最优化的效果。
某大型散货船分舱优化的实现方法
第48卷2019年12月船海工程SHIP&OCEAN ENGINEERIGVol.48Dec.2019DOI：10.3963/j.issn.1671-7953.2019.S2.014某大型散货船分舱优化的实现方法严先锐，刘刚，班业平（上海外高桥造船有限公司，上海200137）摘要:按照HCSR规范，静水弯矩的设计值对船体梁构件尺度选取有重要影响。
利用NAPA设计软件编程,对某好望角型散货船进行参数化分舱优化和自动评估，在保证船舶安全的前提下,降低静水弯矩极值,在开发设计阶段控制设计冗余，达到控制空船重量的目的，可增加船舶运营经济性,降低公司的生产成本,从而提高经济效益$关键词:散货船;分舱优化;静水弯矩；装载工况;NAPA中图分类号:U662文献标志码:A文章编号：1671-7953（2019）S2-0052-04散货船经常有满载装货和空船压载两种情况,而且装运的货物密度变化较大,装载工况较为复杂，包含压载、匀质装货、隔舱装货、多港口装货等多种装货工况。
在船型开发设计阶段的装载工况计算，不仅需要考虑HCSR规范对装载工况的规定要求，还要考虑合同文件中船东对装载货品种类的要求，从而使得设定的装载工况数量庞大。
传统上只能根据母型船的经验和设计者的判断,拟定初步设计分舱方案，然后依据一般设计流程展开装载计算，再通过设计人员对相关结果的分析,形成修改设计方案,再对修改后的方案进行计算分析。
经过“计算分析-修改-计算分析”的设计过程，得到一个令设计人员满意的设计方案。
该方法设计效率较低，常因为项目周期的紧张和设计人员的主观原因而无法得到较优的设计方案⑴o通过梳理开发设计流程，利用NAPA设计软件进行二次开发,将分舱建模、装载定义与计算、弯矩极值输出实现参数控制与自动输出有机结合，提升设计方案评估效率和客观性。
1装载工况的NAPA定义特征装载工况定义的实质就是船舶各类重量类型、数量以及位置的具体说明，其中“类型”可认为通常意义上的物理形态；“数量”通常以重量形收稿日期：2019-10-30修回日期：2019-11-30第一作者:严先锐（1980—）,男，硕士，高级工程师研究方向：船舶总体设计式表达，也可以定义为容积、力矩的形式;“位置”通常是对装载舱室说明或直接给出的重量重心坐标及分布范围。
散货船的结构设计特点及施工优化
散货船的结构设计特点及施工优化摘要：散货船是当今世界的三大主流船型之一，且呈现出超大型化的趋势。
散货船共同规范CSR于2006年4月1日作为IACS的统一规范生效，它系统、全面、详细的规定了散货船的结构设计标准。
根据设计经验，文章对散货船结构设计中几个应该注意的问题进行了阐述，同时指出了详细设计中结构设计部分对造船过程中施工工艺考虑不足的现象存在，而这一现象最终造成了船厂在建造过程中存在施工难度大、工艺复杂、焊接量大、变形难以控制、精度不高等问题。
最后文章提出了几种合理改变结构形式的优化方案，来简化船舶建造工艺，降低施工难度和成本，保证精度。
关键词：详细设计；结构特点；结构优化；精度控制全世界每年约有20多亿t的干散货投入到海运市场，占全世界海运量的1/3，散货船作为三大船型之一，其安全性、经济性、环保性是业界关注的焦点。
散货船的结构设计是其安全运营的重要保障，结构设计的是否合理，结构形式是否优化又影响其经济性。
目前国内现状是多数船厂不具备前期的方案设计、详细设计、送审设计的能力，一般都是委托有资质的专业设计院进行前期的详细设计。
而详细设计中的结构设计部分往往是从满足规范要求、满足强度要求来考虑，结构形式往往是参照母型船，对造船过程中的施工工艺考虑往往不够，这样就造成了船厂在建造过程中的施工难度大、工艺复杂、焊接量大、变形难以控制、精度不高。
具备生产设计能力的船厂就需要从船厂的施工角度出发，对于详细设计中工艺性不强的部分进行结构优化，既要满足强度要求，又能大大方便现场施工，降低施工难度，保证精度，同时也降低造船成本。
1 散货船结构设计特点目前投入世界航运市场的散货船多数为典型的单壳结构。
其货舱横剖面如图1所示。
1.1 货舱双层底结构双层底一般采用纵骨架式，设有纵桁、纵骨、横向肋板。
中桁材在货舱区应保持延伸，从船首至船尾应尽可能保持延伸，其结构连续性应在船舶的全厂范围内连续。
旁桁材在货舱区与的平行总体范围内应保持延续，在货舱区与的首端只尾端应尽可能保持延伸。
好望角CAPESIZE散货船优化设计报告
177，000 DWT 双壳散货船总结报告(General Performances study of 177,000 Bulk Carrier)大连福凯船舶设计有限公司2006-12-12摘要：本总结报告根据2006年颁布实施的共同结构规范CSR(Common Structure Rules)要求，对177,000DWT双壳散货船进行开发研究，历时一年多圆满完成各项开发研究工作。
经过母型船分析及设计要素后，优化确定了本船的主尺度。
主要工作包括空船重量、重心位置估算，舱容、航速等计算, 皆满足设计的要求。
并根据最新的共同规范CSR及最新的结构计算软件进行结构的计算和优化。
通过型线设计与优化，得到降低阻力, 提高性能的较佳型线。
该项主要工作是基于母型船线型为基础，然后通过船模试验进行线型优化研究。
根据规范对本船的稳性进行计算, 主要内容包括：静水力计算、舱容计算、干舷计算、完整稳性、谷物稳性及破舱稳性计算。
结构设计以CSR 要求进行计算，并满足永久检测通道的要求，减少检测通道的栏杆, 对本船结构进行修改。
对结构进行三舱段的有限元分析，此类分析在船舶领域属于使用新技术在船舶上面的应用，让船舶结构的应力分析更加准确。
同时在结构计算方面，使用最新的计算软件，且考虑了疲劳和腐蚀因素的影响。
关键词：双壳散货船；总体性能一，开发研究的目的和要求1，在国际共同结构规范CSR (Common Structure Rules) 的生效，所有船长大于150m以上散货船均需要满足此规范，尤其对船体结构要有较大变化，为适应市场需要，在国际市场上占据有利的竞争优势，本公司对174，000DWT好望角型双壳散货船(简称母型船)在深受船东青睐的基础上，开发研究出177，000DWT双壳散货船。
本船在总体性能、线型、船体结构布置和设计等方面皆保证最新规范要求，且满足进入法国敦刻尔克东港的条件。
当前，在国内外此类船型较少的情况下，在开拓国际市场既有一定的竞争力和先进水平。
货物运输路线优化算法研究与实现
货物运输路线优化算法研究与实现货物的运输是现代经济中不可或缺的一环，而货物运输路线的优化则是节约时间、降低成本和提高效率的重要途径。
在现代化物流管理中，如何利用科技手段提高货物运输路线的优化程度是一个必要的课题，走出一条高效、安全、节能、低碳的运输路线也是商家和消费者的重要诉求。
一、货物运输路线的优化算法现状目前市场上的货物运输路线优化算法可以分为以下几类：1.遗传算法遗传算法是一种通过模拟自然进化的方式进行搜索的算法。
基于遗传算法的货物运输路线优化模型包括三个方面：种群初始化、适应度函数的设定和选择、交叉和变异操作。
遗传算法优化模型以概率的方式进行描写，能够快速优化运输路线中的复杂纠缠问题。
2.模拟退火算法模拟退火算法可以通过引入随机扰动以及随机接受的机制，来探索更广、更丰富的解空间，从而达到更优的全局解。
模拟退火算法对形态特异性低、结构复杂的问题适用性强，并且易于模型运筹。
3.禁忌搜索算法禁忌搜索算法是一种恰当的重复搜索方法。
其中，禁忌搜索算法采用策略性长期记忆，利用克服本地最优解的措施来找到全局最优解。
禁忌搜索算法对于运输模型中多个目标函数协调问题解决效果非常好。
此外，禁忌搜索算法实现的思想容易理解，实现过程较为简单。
二、常见的货物运输路线优化算法实现方式（1）随机扰动法随机扰动法是在运输的模型中随机地改变某些变量值，从而得出更佳解的一种方法。
在算法优化过程中，随机扰动法代表着一种模型的变异方法，以一定的概率进行变异操作，初始时随机化建模，以避免数据陷入死局状态，增加机械运输储备。
（2）局部替代法局部替代法是通过缓解模型的局部最优解的方法来避免算法被困在当前地区无法突破的瓶颈上。
基于局部替代法的变异产生的替换方式也很有意思，可根据目标函数实现快速地模拟大规模替换。
（3）路径交叉法路径交叉法通过重新设计路径，利用互换两条路径部分元素，使得结果能够更加高效，从而实现货物运输路线的优化。
路径交叉法非常注重路径交叉次数和贡献率，通过调整交叉部分子路径，使得模拟搜索达到更有效的优化状态。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
散货船装载过程优化的研究Study on Optimization of Bulk Carrier’s LoadingProcess本文从散货船的安全问题出发，结合散装船舶装卸货过程中的实际情况，提出了通过优化装载方案来控制船舶装货时强度变化的观点，以使整个装货过程中产生的剪力、弯矩对船舶强度的影响尽量最小。
初步建立了散货船装载优化模型，提出了求解该模型的基本思想，并将遗传算法运用于该优化模型的求解。
研究了遗传算法在散货船装载过程优化上的具体实施方法。
采用面向对象的程序设计方法，在Windows平台的Visual C++环境下开发了基于遗传算法的散货船装载过程优化软件。
本文所开发的基于遗传算法的散货船装载过程优化软件，可以作为装载仪中的一个子系统，对各种装货过程进行优选，最后得到一个近似最优的装货方案。
经过优化的装货方案可以大大减小装货过程中所产生的船舶剪力和弯矩最大值。
该软件可以运用于实际生产，通过控制船舶装货环节的船体强度，提高散货船的安全性，延长船舶的使用寿命。
ABSTRACTThis paper particularly analyzes the characteristic of bulk carrier. Present the attitude that controls the vessel’s strength in loading by optimizing the loading scheme. This optimization intends to make the vessel’s Shear Force (SF) and Bending Moment (BM) in loading process to the lowest extent. An optimization modal for loading of bulk carrier is basically established in this paper. Author creatively uses the Genetic Algorithms to get the solution of this optimization modal.The software named “Optimization of Bulk Carrier’s Loading Procession”, which can be inserted to “Stowage System of Bulk Carrier” as a subsystem. This softwarechose the best one approximately from every loading scheme. The optimized scheme can reduce the maximum of SF and BM in loading at most extend. Using the software to optimize the loading process in practice will improve the security of the bulk carrier, and prolong the life span of the bulk carrier.Key Words: Bulk Carrier, Vessel’s Strength, Optimization of Loading Process, Genetic Algorithms.1.4 散货船装卸操作中的强度控制问题从散货船的安全现状可以看出，目前都存在一个共同的问题，即船舶强度问题。
如何才能把营运中的风险降至最低，如何才能提高散货船营运的安全系数，保证人、船、货的安全，延长船舶的使用寿命，这有赖于通过适当的装卸，使装卸过程中产生的剪力、弯矩对船体的潜在损伤降至最低。
这就提出了散货船在装卸过程中的强度控制问题。
[7]散货船在装卸过程中的强度控制的核心，就是要制定较优化的装卸货方案，使整个装卸过程中产生的剪力、弯矩对船舶强度的影响尽量最小。
现有散货船根据SOLAS公约第Ⅶ/11条的规定，均安装了规定的装载仪。
船舶驾驶员通过输入某一状态下的装载货物情况和油水分布情况，就可以得到该状态下的各站号及特殊要求位置的剪力和弯矩值，再将这些数据与规范标准相比较。
通常船舶驾驶员是事先制订一个装卸货方案，再用装载仪去校核，以确定装卸过程中船舶强度是否满足规范要求，如不满足则对原计划进行修改，直到满足规范要求为止。
该装卸方案虽然满足规范要求，但是却未达到优化的程度。
如果能够获得优化方案并以此指导装卸作业，那么货物操作过程中散货船船体的损伤将会大大降低，从而大大减少船体的疲劳，提高散货船的使用寿命，保证船舶安全。
一般来说，由于散货船的装货速度远高于卸货速度，所以装货时对船舶强度的控制就显得比卸货时更加重要。
本文就是从散货船的装载角度出发，在船舶装载仪的基础上引入人工智能的思想，运用遗传算法对船舶的装货过程进行优化，并可在散货船的装载仪中增设一个子系统，对各种装货过程进行优选，最后得到一个近似最优的装货方案，以解决散货船装卸过程中的强度控制问题。
散货船装载过程优化模型的建立在散货船装载过程优化中需要考虑的主要因素仅是船舶纵向强度和船舶的吃水、吃水差限制。
本章首先介绍了静水中船舶纵向强度和浮态的计算方法，再进一步建立了散货船装载过程的优化模型，并初步提出了该模型的求解思路。
装载过程优化模型的建立在散货船的实际装载过程，可以定义为单舱装载方式和多舱装载方式。
单舱装载方式就是装货过程中只有一部装货设备，一次只能对一个货舱进行装货操作；多舱装载方式就是指用两部或两部以上的装货设备对不同的货舱同时进行装货操作的装载方式。
与多舱装载方式相比，采用单舱装载方式时，装货过程中对船舶强度和浮态的控制是比较困难的。
因此对单舱装载方式的优化是非常必要的。
本文仅对单舱装载方式进行了研究，对单舱装载过程建立了优化模型。
2.3.1 建立优化模型的目的。
装载过程优化就是要在已知每个货舱计划装货量的基础上，确定一个优化的装货方案，使得按照这个方案进行装货的整个过程中，船舶产生的剪力、弯矩对船舶强度的影响尽量最小，并且在整个过程中船舶的浮态也能满足规定的要求。
所以，建立装载过程优化模型的目的就是：在尽量减少装货次数的前提下，确定一个能使整个装货过程中船舶的剪力、弯矩尽量小并且使船舶吃水、吃水差始终保持在规定要求以内的装货优化方案。
2.3.2 目标函数的建立2.3.2.1 确立基本变量每个货舱最终要装载的货物重量是已知的，用i V 表示。
船舶总共需要装货的货舱数，用C 表示。
则该航次船舶总装货量为∑=C i i V1。
将每一次装货设备从一个货舱口移动至另一货舱口称之为一次换装作业，而装货设备对全船所有货舱依次完成了一次装货的过程定义为一轮装货作业。
完成整个装货需要的换装次数用J 表示，完成整个装货需要的轮次数用R 表示。
对于有5个货舱和7个货舱的散货船，一般经过两轮装货均可满足优化的要求，即可取R=2。
而对于9个货舱以上的大型散货船，往往需要3轮或以上的装货作业才能满足优化的要求，即R ≥3。
我们假定。
可以看出任意一种装货方案都是由每轮装舱的次序S （Sequence ）和每轮各舱的装货数量Q （Quantity ）构成。
确定了每轮的装舱次序和每轮的各舱装货量，就确定了一种装货的方案E ，即),(Q S f E = （2-3-1）在装货中为了保证船舶的纵向强度，一般情况下压载水排放位置与装载货舱的位置趋于一致，因此，压载水方案B 是由装货方案所决定的，现定义为)(E t B = （2-3-2）2.3.2.2 目标函数的建立在装货过程中，每个校核站面的剪力、弯矩都是在不断变化的，它们变化是个连续的过程，因而可取每一次换装作业时各个校核站面的剪力ij SF 和弯矩ij BM 其中，i 为校核站面的位置， j 为换装作业的次数。
设各个校核站面的剪力许用值为i ASF ，弯矩许用值为i ABM ，则可设定装货过程中优化模型的目标函数为： )(max )(iij ij ASF SF E g = （2-3-3） )(max )(i ij ij ABM BM E h = （2-3-4）对装货方案E 的优化，理论上就是要求得一个解*E ，使得)(*E g 和 )(*E h 为最小值。
2.3.3 约束条件的设立考虑到港口航道或码头泊位水深的限制和压载水排放要求，散货在装载过程中必须限定船舶吃水和吃水差。
设每次换装作业时船舶的首吃水为Fj d (E)，尾吃水为j A d (E)，吃水差为j t (E)，则装卸过程中约束条件为：⎪⎩⎪⎨⎧<<<<<<21m a x m i n m a x m i n )()()(T E t T d E d d d E d d j Aj Fj （2-3-5）式中，1T ，2T 分别为装货过程中最大尾倾吃水差和最大首倾吃水差，其中1T 为负值，2T 为正值。
2.3.4 装载过程的优化模型建立最优化模型，有三个基本要素，即决策变量、目标函数和约束条件 ，于是可建立如下装货过程优化模型：min ⎩⎨⎧⎭⎬⎫)()(E h E g s.t. ⎪⎩⎪⎨⎧<<<<<<21max min max min )()()(T E t T d E d d d E d d j Aj Fj （2-3-6）在多目标决策问题中，根据实际情况确定一个目标为主要目标，而把其余目标作为次要目标，并且根据决策者的经验，选取一定的界限值。
这样就将原多目标决策问题转化为在一个新的约束条件下，求主要目标的单目标规划问题[20]。
现将每次换装作业时船舶各个站点的实际剪力占许用剪力的百分比限定在δ以内作为约束条件，就可以把2-3-6式变为下式：min }{)(E hs.t.⎪⎪⎪⎩⎪⎪⎪⎨⎧<<<<<<<δiij j j j ASF SF T E t T d E da d d E df d 21max min max min )()()( （2-4-1）其中，δ可根据船龄及装载条件限定在50%～70%范围内。
2.4 装载过程优化模型求解的基本思路将2-3-1式代入2-3-3和2-3-4式，我们可以将目标函数变为：)(max ),(i ij ij ASF SF Q S g = )(max ),(i ij ij ABM BM Q S h =（2-4-2）求解最优解*E ，也就是求解最优装舱顺序*S 和每轮各舱最优装货量*Q 。