船体结构优化方法、系统以及存储介质与流程

1.本技术涉及船舶结构优化技术领域，特别涉及一种船体结构优化方法、系统以及存储介质。


背景技术：

2.船舶作为一种水上运输工具，其在设计建造过程中需要考虑较多因素，例如船体的刚性、承载量、噪声以及船体本身的重量等等，船舶的轻量化设计是当下重要的一个设计方向，然而设计完成的船体零部件可能在满足其中一个因素后无法满足另一些因素，这样就需要较长的设计周期来统一这些影响因素，进而输出一套较为均衡的设计方案，导致整个船体的建造周期较长。


技术实现要素：

3.本技术旨在至少解决现有技术中存在的技术问题之一。为此，本技术提出一种基于稀疏网格模型的船体结构优化方法，能够实现船体的轻量化设计，缩短船舶建造周期。
4.第一方面，本技术提出了一种基于稀疏网格模型的船体结构优化方法，包括：
5.获取待优化的船体结构信息以及所述船体结构信息对应的力学信息；
6.根据所述力学信息对所述船体结构信息的各部件做灵敏度分析，输出分析数据；其中，所述灵敏度分析包括质量分析、等效应力分析和剪应力分析；
7.根据所述分析数据，确定若干个设计变量；
8.获取所述设计变量的取值范围，并根据所述设计变量和所述设计变量的取值范围，建立自适应稀疏网格模型；
9.采用多目标遗传算法对所述自适应稀疏网格模型进行优化求解，并将所述力学信息作为约束条件，在优化求解得到的多组所述设计变量的优化参数中确定出最优的优化参数。
10.根据本技术第一方面实施例的基于稀疏网格模型的船体结构优化方法，至少具有如下有益效果：通过对船体结构数据做有限元分析，根据船体结构有限元结果，对船体优化参数进行筛选，最终选出对船体结构轻量化和强度影响较大的设计变量作为优化对象，节约计算成本的同时可以满足对船体结构轻量化设计的要求，而采用自适应稀疏网格建立船体优化变量与船体重量之间的优化模型，在样本点较少的情况下仍然有较好的拟合度的同时降低了计算量，多目标优化算法采用带有精英保留策略可以实现了在多个约束条件下对目标函数的响应，其收敛速度快，收敛性好，最终能够输出综合性能较好的轻量化船舶结构优化方案。因此，通过灵敏度分析预处理确定设计变量，并将自适应稀疏网格模型与多目标优化算法结合，能够实现船体的轻量化设计，缩短船舶建造周期。
11.根据本技术的一些实施例，所述获取船体结构信息以及所述船体结构信息对应的力学信息，包括：
12.获取待优化的船体结构信息，根据所述待优化的船体结构信息建立船体结构模
型；
13.对所述船体结构模型进行网格划分，形成若干个单元；
14.对所述单元中的节点施加载荷和约束，进行静力学分析，得到力学信息。
15.根据本技术的一些实施例，所述力学信息包括等效应力值、剪应力值，其中所述等效应力值小于或等于183mpa，剪应力值小于或等于103mpa。
16.根据本技术的一些实施例，若干个所述设计变量包括船底板、水密舱壁板、甲板、上层建筑壁板、肋板。
17.根据本技术的一些实施例，所述根据所述设计变量和所述设计变量的取值范围，得到自适应稀疏网格模型，包括：
18.根据所述设计变量和所述设计变量的取值范围，进行自适应稀疏网格模型的初始化，自动化生成初始样本点；
19.设置自适应稀疏网格模型的约束参数；其中，所述约束参数包括：最大相对误差值、给定方向细化深度以及最大细化点数；
20.根据所述初始样本点和所述约束参数，进行稀疏网格响应面的拟合处理并建立初步稀疏网格响应面模型；
21.对所述初步稀疏网格响应面模型迭代处理直至符合预设的约束参数，生成得到所述自适应稀疏网格模型。
22.根据本技术的一些实施例，所述最大相对误差值的取值为5％、给定方向细化深度的取值为5以及最大细化点数的取值为1000。
23.根据本技术的一些实施例，采用多目标遗传算法对所述自适应稀疏网格模型进行优化求解，并将所述力学信息作为约束条件，在优化求解得到的多组所述设计变量的优化参数中确定出最优的优化参数，包括：
24.通过多目标遗传算法对所述自适应稀疏网格模型进行优化求解，得到初始方案信息；
25.将所述初始方案信息中满足所述收敛条件信息的若干组所述设计变量的优化参数输出；其中，所述收敛条件信息包括收敛稳定性比率、最大允许帕累托值的百分比；
26.在所述若干组所述设计变量的优化参数中，选出满足约束条件且船体质量最轻的一组优化参数作为最终结果输出；其中，所述约束条件是根据所述力学信息得到的。
27.根据本技术的一些实施例，所述收敛条件信息包括收敛稳定性比率为3％、最大允许帕累托值的百分比为70％。
28.第二方面，本技术提出了一种船体结构优化系统，包括：至少一个存储器、至少一个处理器、至少一个程序，所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现如权利要求1至8任一项所述的船体结构优化方法。
29.根据本技术第二方面实施例的船体结构优化系统，至少具有如下有益效果：通过对船体结构数据做有限元分析，根据船体结构有限元结果，对船体优化参数进行筛选，最终选出对船体结构轻量化和强度影响较大的设计变量作为优化对象，节约计算成本的同时可以满足对船体结构轻量化设计的要求，而采用自适应稀疏网格建立船体优化变量与船体重量之间的优化模型，在样本点较少的情况下仍然有较好的拟合度的同时降低了计算量，多目标优化算法采用带有精英保留策略可以实现了在多个约束条件下对目标函数的响应，其
收敛速度快，收敛性好，最终能够输出综合性能较好的轻量化船舶结构优化方案。因此，通过灵敏度分析预处理确定设计变量，并将自适应稀疏网格模型与多目标优化算法结合，能够实现船体的轻量化设计，缩短船舶建造周期。
30.第三方面，本技术提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行如权利要求1至8任一项所述的船体结构优化方法。
31.根据本技术第三方面实施例的计算机可读存储介质，至少具有如下有益效果：通过对船体结构数据做有限元分析，根据船体结构有限元结果，对船体优化参数进行筛选，最终选出对船体结构轻量化和强度影响较大的设计变量作为优化对象，节约计算成本的同时可以满足对船体结构轻量化设计的要求，而采用自适应稀疏网格建立船体优化变量与船体重量之间的优化模型，在样本点较少的情况下仍然有较好的拟合度的同时降低了计算量，多目标优化算法采用带有精英保留策略可以实现了在多个约束条件下对目标函数的响应，其收敛速度快，收敛性好，最终能够输出综合性能较好的轻量化船舶结构优化方案。因此，通过灵敏度分析预处理确定设计变量，并将自适应稀疏网格模型与多目标优化算法结合，能够实现船体的轻量化设计，缩短船舶建造周期。
32.本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
33.本技术的附加方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：
34.图1是本技术一个实施例提供的一种船体结构优化方法的流程图；
35.图2是本技术另一个实施例提供的一种船体结构优化方法的流程图；
36.图3是本技术另一个实施例提供了一种船体结构优化方法的流程图；
37.图4是本技术另一个实施例提供了一种船体结构优化方法的流程图；
38.图5是本技术的船体结构优化系统的结构示意图。
具体实施方式
39.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本技术。
40.参照图1,第一方面，本技术提供了一种船体结构优化方法，包括但不限于步骤s100、步骤s200、步骤s300、步骤s400和步骤s500。
41.步骤s100，获取待优化的船体结构信息以及所述船体结构信息对应的力学信息。
42.在一些实施例中，待优化的船体结构信息以及对应的力学信息可以通过将待优化的船体三维模型导入到ansys(有限元分析软件)进行有限元前处理，并根据输出的有限元分析结果而得到。
43.步骤s200，根据所述力学信息对所述船体结构信息的各部件做灵敏度分析，输出分析结果。
44.在一些实施例中，灵敏度分析包括对上述船体结构信息中的各个船体结构部件做厚度参数的增减，其中各个船体结构部件包括甲板、防撞舱板、尾舱舱壁、艉肋板、舱壁板、艏肋板、上层建筑壁板、艇底板、水密横舱壁板、非水密舱壁板、肋板、各类平台甲板，例如：2080平台甲板、1446平台甲板等，需要说明的是，2080和1446只是为了区分不同的平台甲板，甲板和平台甲板只是船体的两个不同的部件，不存在包含关系。通过对船体结构部件中上述某些部件做参数变化，输出其关于船体质量、等效应力和剪应力的灵敏度变化曲线；根据所有灵敏度变化曲线，综合考虑船体质量、等效应力和剪应力选出若干个部件作为设计变量。
45.步骤s300，根据所述分析数据，确定若干个设计变量。
46.示例性的，本技术根据灵敏度分析数据，确定出船底板、水密舱壁板、甲板、上层建筑壁板、2080平台甲板、肋板等部件作为设计变量，后续建模以及设计变量优化可以针对上述部件进行的。
47.步骤s400，获取所述设计变量的取值范围，并根据所述设计变量和所述设计变量的取值范围，建立自适应稀疏网格模型；
48.需要说明的是，设计变量的取值范围可以参考ccs(中国船级社)相关规范，根据规范的设计要求计算出上述设计变量的厚度下限，同时结合有限元分析结果确定其上限。进一步地，考虑到设计变量部件密度一致，所对应的总质量与各结构板厚为线性关系，可直接对设计变量部件厚度进行优化，从而建立起关于总质量的目标函数f,其表达式为minf＝(x1、x2、
…
、x6)，优化目标为船体总质量最小，同时其目标函数的约束条件参考有限元分析结果确定。
49.示例性的，根据上述实施例的灵敏度曲线图，选出的待优化设计变量包括：船底板、水密舱壁板、甲板、上层建筑壁板、2080平台甲板、肋板，并将它们的厚度分别定义为：x1、x2、x3、x4、x5、x6，其对应的设计变量取值范围如下表1所示：
50.表1设计变量取值
[0051][0052]
在一些实施例中，利用稀疏网格插值自动生成设计变量的取值范围内的13个初始样本点并建立自适应稀疏网格模型，建模过程中会根据初始样本点完成自适应稀疏网格响应面的拟合，得到自适应稀疏网格模型。
[0053]
步骤s500，采用多目标遗传算法对所述自适应稀疏网格模型进行优化求解，并将所述力学信息作为约束条件，在优化求解得到的多组所述设计变量的优化参数中确定出最优的优化参数。
[0054]
根据本技术第一方面的实施例，至少具有如下有益效果：通过对船体结构数据做
有限元分析，根据船体结构有限元结果，对船体优化参数进行筛选，最终选出对船体结构轻量化和强度影响较大的设计变量作为优化对象，节约计算成本的同时可以满足对船体结构轻量化设计的要求，而采用自适应稀疏网格建立船体优化变量与船体重量之间的优化模型，在样本点较少的情况下仍然有较好的拟合度的同时降低了计算量，多目标优化算法采用带有精英保留策略可以实现了在多个约束条件下对目标函数的响应，其收敛速度快，收敛性好，最终能够输出综合性能较好的轻量化船舶结构优化方案。因此，通过灵敏度分析预处理确定设计变量，并将自适应稀疏网格模型与多目标优化算法结合，能够实现船体的轻量化设计，缩短船舶建造周期。
[0055]
可以理解的是，参照图2，其中图2是图1中步骤s100的细化流程的一个实施例的示意图，该步骤s100包括：
[0056]
步骤s110，获取待优化的船体结构信息，根据所述待优化的船体结构信息建立船体结构模型。
[0057]
在一些实施例中，船体结构信息包括组成船舶的各个部件，根据各个部件可以搭建出船体的结构模型。
[0058]
步骤s120,对所述船体结构模型进行网格划分，形成若干个单元。
[0059]
在一些实施例中，船体结构模型以三维图纸或者二维数据呈现，通过将船体结构的三维模型或者二维数据导入到ansys软件中并进行网格划分，共划分出846691个单元，其中节点数为802707，其中若干个单元包括三角形单元和四边形单元，三角形单元内均设置有有限个节点，四边形单元内均设置有有限个节点，多个节点相互连接形成船体结构的三维模型。
[0060]
步骤s130，对所述单元中的节点施加载荷和约束，进行静力学分析，得到力学信息。
[0061]
需说明的是，步骤s100包括但不限于步骤s110、步骤s120和步骤s130。
[0062]
可以理解的是，上述根据船体结构信息获得的力学信息包括等效应力值、剪应力值，其中等效应力值δ
max
≤183mpa，剪应力值τ
max
≤103mpa。
[0063]
可以理解的是，若干个设计变量可以包括船底板、水密舱壁板、甲板、上层建筑壁板、肋板。
[0064]
可以理解的是，参照图3，其中图3是图1中步骤s400的细化流程的一个实施例的示意图，该步骤s400包括但不限于步骤s410、步骤s420和步骤s430。
[0065]
步骤s410，根据所述约束参数、所述设计变量和所述取值范围，进行自适应稀疏网格模型的初始化，建立初步稀疏网格响应面模型。
[0066]
在一些实施例中，根据设计变量及其范围，进行自适应稀疏网格模型的初始化采样，自动生成了13个初始样本点，并根据初始样本点建立了初步稀疏网格响应面模型。
[0067]
步骤s420,设置自适应稀疏网格模型的约束参数。
[0068]
在一些实施例中，针对上述设计变量进行建模时，需要对自适应稀疏网格设置相关的约束参数，包括输出参数所允许的最大相对误差值为5％、给定方向细化深度取5以及最大细化点数取1000。需要说明的是，这些参数的设定可以根据需要建立的模类型合理改变，本技术不对此做出限定。
[0069]
步骤s430,根据所述初始样本点和所述约束参数，进行稀疏网格响应面的拟合处
理并建立初步稀疏网格响应面模型。
[0070]
需要说明的是，拟合处理可以将选取的若干个离散的设计变量建立与优化目标之间的函数关系，并以自适应稀疏网格响应面的形式表现出来。
[0071]
步骤s440，对所述初步稀疏网格响应面模型迭代处理直至符合预设的约束参数，生成得到所述自适应稀疏网格模型。
[0072]
在一些实施例中，在拟合过程中，发现最大剪应力值在建模拟合中收敛速度最快，当细化点数取到60之后，其相对误差均小于设定的5％，提前达到收敛要求，当细化点数取到70时，所有输出参数误差小于最大误差设定值，结束细化过程，则可以将建立的模型输出，用于后续利用多目标遗传算法进行计算。需要说明的是，输出参数包括等效应力、剪应力以及质量，通过将它们与设定的误差值做判断，从而输出较为精确的模型。因此，自适应稀疏网格模型通过自适应细化初始样本点以及输出参数误差控制，使得在建模过程中使用较少的样本点就能得到精度较高的模型，使得船体结构优化建模时，效率更高、速度更快。
[0073]
同时在一些实施例中，当所有输出参数中有一个或一个以上不满足所允许的最大相对误差值时，需要把这些误差较大的点进行细化处理，并更新自适应稀疏网格响应面模型，之后再对该模型所有输出参数系统误差进行判断，从而确定是否还需要细化样本点，最终输出符合约束参数的模型。
[0074]
可以理解的是，上述约束参数中的最大相对误差值的取值为5％、给定方向细化深度的取值为5以及最大细化点数的取值为1000。
[0075]
可以理解的是，参照图4，其中图4是图1中步骤s500的细化流程的一个实施例的示意图，该步骤s500包括但不限于步骤s510、步骤s520、步骤s530和步骤s540。
[0076]
步骤s510,通过多目标遗传算法对所述自适应稀疏网格模型进行优化求解，得到初始方案信息。
[0077]
在一些实施例中，采用nsga
‑ⅱ
(第二代非支配排序遗传算法)对上述建立的自适应稀疏网格模型进行迭代求解。需要说明的是，nsga
‑ⅱ
就是在第一代非支配排序遗传算法的基础上改进而来，也是多目标遗传算法的一种，其提出了快速非支配排序算法，一方面降低了计算的复杂度，另一方面它将父代种群跟子代种群进行合并，使得下一代的种群从双倍的空间中进行选取，进而保留了最为优秀的所有个体；其次nsga
‑ⅱ
引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度；同时采用拥挤度和拥挤度比较算子，不但克服了nsga中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准pareto域中的个体能均匀地扩展到整个pareto域，保证了种群的多样性。
[0078]
步骤s520,将所述初始方案信息中满足所述收敛条件信息的若干组所述设计变量的优化参数输出。
[0079]
需要说明的是，上述收敛条件信息包括收敛稳定性比率为3％、最大允许帕累托值的百分比为70％，同时需要对多目标遗传算法进行初始参数的设定，包括将初始样本数设为100，每次迭代的样本数为100，最大迭代次数设为20，当多目标遗传算法在20次迭代后没有收敛的情况下，将停止计算。
[0080]
在一些实施例中，当收敛稳定性比率小于3％，且帕累托值大于或等于70％时，设置每一个设计变量的三个候选点作为输出，从而组成3组关于所有设计设计变量的优化参
数方案，如表2所示：
[0081]
表2优化结果表
[0082][0083]
需要说明的是，上述表格的三个方案并不是对本技术优化方案的限定，其只是本技术优化方案的一个例子。可以理解的是，对于算法在20次迭代以内时，当算法结果没有满足收敛条件时，即收敛稳定性比率大于或等于3％，或者帕累托值小于或等于70％，多目标遗传算法将继续进行迭代求解，直到输出较为准确的优化方案及其优化参数。
[0084]
步骤s530,在所述若干组所述设计变量的优化参数中，选出满足约束条件且船体质量最轻的一组优化参数作为最终结果输出
[0085]
在一些实施例中，通过对上述三个方案进行有限元分析，以质量最小为优化目标，在满足约束条件的前提下，选出一组优化参数作为最终的优化结果，最终选择方案三作为最终优化方案。经过分析，优化后最大等效应力为159.11mpa，最大剪应力为65.70mpa，符合约束条件的等效应力值δ
max
≤183mpa，剪应力值τ
max
≤103mpa，船体结构优化前总质量15949kg，优化后船体总质量为13468kg，对比初始设定值整体质量减少了15.6％，其整体强度要求达标。
[0086]
第二方面，本技术还提供了一种船体结构优化系统，包括至少一个存储器、至少一个处理器和至少一个程序，程序被存储在存储器中，处理器执行一个或多个程序以实现上述船体结构优化方法。
[0087]
通过该船体结构优化系统，使用其中的优化方法，通过对船体结构数据做有限元分析，根据船体结构有限元结果，对船体优化参数进行筛选，最终选出对船体结构轻量化和强度影响较大的设计变量作为优化对象，避免参数过多增加计算成本，采用自适应稀疏网格建立船体优化变量与船体重量之间的优化模型，通过自动初始化以及自适应细化使得样本点较少的情况下仍然有较好的拟合度的同时降低了计算量，采用带有精英保留策略的快速非支配多目标优化算法，实现了在多个约束条件下对目标函数的响应，最终能够输出综合性能较好的轻量化船舶结构优化方案，其收敛速度快，收敛性好，因此，通过灵敏度分析预处理确定设计变量，将自适应稀疏网格模型与多目标遗传算法结合，将大大缩短了船舶设计优化周期。
[0088]
处理器和存储器可以通过总线或其他方式连接，图5以一个处理器为例，通过总线连接为例。
[0089]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及信号，如本技术实施例中的处理模块对应的程序指令/信号。处理器通过运行存储在存储器中的非暂态软件程序、指令以及信号，从而执行各种功能应用以及数据处理，即实现上述方法实施例的船体结构优化方法。
[0090]
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储上述汽车行驶转向安全预警方法的相关数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0091]
一个或者多个信号存储在存储器中，当被一个或者多个处理器执行时，执行上述任意方法实施例中的船体结构优化方法。例如，执行以上描述的图1中的方法步骤s100至s500、图2中的方法步骤s110至s130、图3中的方法步骤s410至s440、和图4的方法步骤s510至步骤s530。
[0092]
第三方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，可使得上述一个或多个处理器执行上述方法实施例中的船体结构优化方法。例如，执行以上描述的图1中的方法步骤s100至s500、图2中的方法步骤s110至s130、图3中的方法步骤s410至s440、和图4的方法步骤s510至步骤s530。
[0093]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0094]
通过以上的实施方式的描述，本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读信号、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读信号、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
[0095]
上面结合附图对本技术实施例作了详细说明，但是本技术不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本技术宗旨的前提下，作出各种变化。