一种海洋拖曳系统多目标优化方法及装置

1.本发明属于海洋拖曳系统优化技术领域，尤其涉及一种海洋拖曳系统多目标优化方法及装置。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.海洋拖曳系统广泛应用于海洋物理和海洋地质探测等任务。海洋拖曳系统主要由母船、拖曳缆、拖体、阵列缆及稳定装置组成。母船是整个系统的动力来源，拖曳着系统实施作业。拖曳缆连接着母船和拖体。拖体根据作业任务不同搭载不同科学仪器。阵列缆上布置多种信号接收器，能够及时获取海底信息。稳定装置多为对称结构，给阵列缆提供向后的拖曳力，保持其平直状态，进而提高其接收信息的质量。
4.拖曳系统的拖曳速度与工作效率密切相关。拖曳速度过小，单位时间探测区域过小，工作效率低；拖曳速度过大，系统受到水阻力增加，拖体上浮，拖深又不能满足探测需求。因此，确定系统拖曳速度时需结合多个因素综合考虑。另外，当海床高度变化时，需通过收放拖曳缆长度调整拖体拖深，以保证拖体与海床保持安全距离。例如，当海床高度升高时，需收缆使拖体上浮；降低时，放缆使拖体下沉。为及时调整拖体深度，应尽量缩短拖曳缆长度。然而，若拖曳缆长度过短，拖深过小，又无法满足探测需求。因此，确定拖曳缆长度时同样要考虑多个因素。由于系统拖曳速度、拖曳缆长度及拖深三者间复杂作用关系，深拖系统的设计必然是一个多目标优化设计问题。系统的力学建模是多目标优化设计的重要环节。对于系统中的规则结构物，常用集中质量法、有限差分法对其建模。然而，即使是选择在三种方法中计算量较小的集中质量法，在对长达数千米的拖曳缆建模时，其控制方程数量仍会随着结构物尺寸增加骤增，由此导致解算拖曳缆形态耗时增加，大大降低优化模型的计算效率；对于系统中的不规则结构物，如拖体，对其力学建模时必须要计算其水动力载荷。计算流体力学方法(cfd)是计算不规则结构物水动力载荷的常用方法。然而，利用cfd获取水动力载荷需要消耗较大计算资源，同样使优化模型难以求解。
5.综上所述，发明人发现，目前海洋拖曳系统优化模型计算效率较低，降低了海洋拖曳系统的设计效率。


技术实现要素：

6.为了解决上述背景技术中存在技术问题，本发明提供一种海洋拖曳系统多目标优化方法及装置，其采用代理模型-解析模型相结合的方式，简化了海洋拖曳系统的优化模型，最终提高了海洋拖曳系统完成海洋作业的效率。
7.为了实现上述目的，本发明采用如下技术方案：本发明的第一个方面提供一种海洋拖曳系统多目标优化方法。
8.一种海洋拖曳系统多目标优化方法，其包括：
获取拖曳系统相关参数；基于海洋拖曳系统的多目标优化模型及拖曳系统相关参数，得到海洋拖曳系统的所有目标参数优化解，以指导海洋拖曳系统完成海上任务；其中，所述多目标优化模型是基于拖曳系统模型而构建的；所述拖曳系统模型包括规则细长结构模型和非规则结构模型；所述规则细长结构模型是采用理论解析模型而构建的，且基于准静态迭代算法求解得到相应力学参数；所述非规则结构模型为利用人工神经网络而建立的非规则结构的运动状态与拖曳粘滞阻力的代理模型，或者为利用数据拟合方法而建立的非规则结构的运动状态与拖曳粘滞阻力的解析模型。
9.作为一种实施方式，所述多目标优化模型的优化目标为拖曳速度、拖曳缆长度、拖深、拖体悬挂位置、拖曳缆张力、拖体的俯仰角度和拖曳缆与拖体悬挂点位置、阵列缆与拖体悬挂位置这些参数中至少两个参数的任意组合。
10.作为一种实施方式，所述规则细长结构模型包括拖曳缆模型、脐带缆模型、声学或光学阵列缆模型。
11.作为一种实施方式，在构建拖曳缆模型的过程中，利用准静态模型，确定拖深，拖曳缆最大张力与设计变量的关系，母船被简化成以运动质点，为系统提供位置或速度约束；拖体被简化成作用在拖曳缆尾端的作用力和力矩。
12.作为一种实施方式，在构建阵列缆模型的过程中，缆被看作水平放置的细长圆柱，利用数值解析法求解其拖曳粘滞阻力。
13.本发明的第二个方面提供一种海洋拖曳系统多目标优化装置。
14.一种海洋拖曳系统多目标优化装置，其包括：参数获取模块，其用于获取拖曳系统相关参数；目标优化模块，其用于基于海洋拖曳系统的多目标优化模型及拖曳系统相关参数，得到海洋拖曳系统的所有目标参数优化解，以指导海洋拖曳系统完成海上任务；其中，所述多目标优化模型是基于拖曳系统模型而构建的；所述拖曳系统模型包括规则细长结构模型和非规则结构模型；所述规则细长结构模型是采用理论解析模型而构建的，且基于准静态迭代算法求解得到相应力学参数；所述非规则结构模型为利用人工神经网络而建立的非规则结构的运动状态与拖曳粘滞阻力的代理模型，或者为利用数据拟合方法而建立的非规则结构的运动状态与拖曳粘滞阻力的解析模型。
15.作为一种实施方式，所述多目标优化模型的优化目标为拖曳速度、拖曳缆长度、拖深、拖体悬挂位置、拖曳缆张力、拖体的俯仰角度和拖曳缆与拖体悬挂点位置、阵列缆与拖体悬挂位置这些参数中至少两个参数的任意组合。
16.作为一种实施方式，所述规则细长结构模型包括拖曳缆模型、脐带缆模型、声学或光学阵列缆模型。
17.作为一种实施方式，在构建拖曳缆模型的过程中，利用准静态模型，确定拖深，拖曳缆最大张力与设计变量的关系，母船被简化成以运动质点，为系统提供位置或速度约束；
拖体被简化成作用在拖曳缆尾端的作用力和力矩。
18.作为一种实施方式，在构建阵列缆模型的过程中，缆被看作水平放置的细长圆柱，利用数值解析法求解其拖曳粘滞阻力。
19.与现有技术相比，本发明的有益效果是：本发明提出优化海洋拖曳系统的方法，即采用代理模型-解析模型相结合的方式，简化系统的优化模型，针对拖曳系统中的复杂结构，本发明借助数学代理模型高效表达输入变量和输出变量间的关系，大大缩短系统优化迭代计算时，计算复杂结构的非线性水动力载荷的时间；针对拖曳系统中的大尺寸、形状规则的拖曳缆，本发明提出水下缆索准静态迭代算法，大大缩短计算拖曳缆形态的时间。
20.本发明附加方面的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，或通过本发明的实践了解到。
附图说明
21.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
22.图1是本发明实施例的海洋拖曳系统示意图；图2（a）是本发明实施例的节点；图2（b）是本发明实施例的节点与其对应的集中质量法单元；图3是本发明实施例的拖体作用力及其作用位置；图4是本发明实施例的节点n受力分析；图5是本发明实施例的准静态迭代算法；图6是本发明实施例的proteusds与准静态迭代法结果对比；图7是本发明实施例的拖体代理模型；图8是本发明实施例的拖体受力分析；图9是本发明实施例的优化结果与帕累托前沿。
具体实施方式
23.下面结合附图与实施例对本发明作进一步说明。
24.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
25.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
26.实施例一在本实施例中对深拖系统优化设计时，有以下假设：(1)拖曳系统作业时，为保证探测质量，拖曳速度应尽量平稳。本实施例仅考虑系统匀速运动时的优化问题。系统各部分受到的水动力载荷仅为拖曳粘滞阻力，忽略由加速
度引起的附加质量惯性力。
27.(2)拖曳系统仅在海况平稳时开展作业，系统拖曳速度即为其与海水的相对运动速度。
28.为实现拖曳速度和拖曳缆长度的最优选择，本实施例在拖曳系统模型的基础上，建立以拖曳速度、拖曳缆长度为目标函数；拖深，拖曳缆张力，拖体悬挂位置等作为约束条件的多目标优化模型。
29.本实施例提供了一种海洋拖曳系统多目标优化方法，其具体包括如下步骤：步骤1：获取拖曳系统相关参数步骤2：基于海洋拖曳系统的多目标优化模型及拖曳系统相关参数，得到海洋拖曳系统的所有目标参数优化解，以指导海洋拖曳系统完成海上任务。
30.其中，所述拖曳系统模型包括规则细长结构模型和非规则结构模型；所述规则细长结构模型是采用理论解析模型而构建的，且基于准静态迭代算法求解得到相应力学参数；所述非规则结构模型为利用人工神经网络而建立的非规则结构的运动状态与拖曳粘滞阻力的代理模型，或者为利用数据拟合方法而建立的非规则结构的运动状态与拖曳粘滞阻力的解析模型。
31.此处需要说明的是，本领域技术人员可以根据实际需求在包含但不局限于拖曳速度、拖曳缆长度、拖深、拖体悬挂位置、拖曳缆张力、拖体的俯仰角度和拖曳缆与拖体悬挂点位置，阵列缆与拖体悬挂位置这些参数中选择目标函数及对应约束条件。
32.下面以多目标优化模型的优化目标变量为拖曳速度、拖曳缆长度及拖体俯仰角；以拖曳缆长度最小且拖曳速度最大为目标函数，以拖曳速度、拖曳缆长度、拖深、拖体悬挂位置、拖曳缆张力和拖体的俯仰角度的约束作为约束条件来详细说明本实施例的具体实施过程：在本实施例中，采用集中质量法对规则结构进行构建模型，并采用准静态迭代算法，求解得到相应力学参数。
33.此处可以理解的是，也可以使用有限差分法或者有限元法对规则结构进行构建模型，本领域技术人员可根据实际情况来具体选择，此处不再详述。
34.具体地，所述规则细长结构模型包括但不限于拖曳缆（光电复合缆）模型、脐带缆模型、声学或光学阵列缆模型在构建拖曳缆模型的过程中，如图2（a）和图2（b），利用集中质量法与莫里森公式，确定拖深，拖曳缆最大张力与设计变量的关系，母船被简化成以拖曳速度运动的质点；拖体被简化成作用在拖曳缆尾端的作用力。
35.在构建阵列缆模型的过程中，阵列缆被看作细长圆柱，利用莫里森公式求解其拖曳粘滞阻力。
36.在具体实施过程中，以所述非规则结构包括拖体和锥形稳定装置，利用人工神经网络建立拖体的运动状态与拖曳粘滞阻力的代理模型，利用数据拟合方法建立锥形稳定装置运动状态与拖曳粘滞阻力的解析模型；值得说明的是，同样可以利用人工神经网络建立阻力伞代理模型，利用数据拟合方法建立拖体解析模型。由于建模过程类似，此处仅以一种情况说明建模过程。
37.通常情况下，选择对目标函数影响较大，且容易调整的变量为设计变量。在本实施
例中，如图1所示，初设拖曳速度，拖曳缆长度和拖体悬挂点位置为设计变量。其中，在图1中，x-y坐标系是全局坐标系，x-y坐标是拖体坐标系。在对多目标优化模型进行优化计算的过程中，将其中涉及的所有向量均统一在同一个坐标系（x-y坐标系）下进行计算。
38.在假设(1)(2)下，所述多目标优化模型如表1所示。
39.表1 多目标优化数学模型其中，分别是系统的拖曳速度模长，拖曳速度模长下边界和拖曳速度模长上边界，分别是拖曳缆长度，拖曳缆长度下边界和拖曳缆长度上边界，是连接位置在拖体坐标系（x-y坐标系）下横坐标的绝对值，是其上边界，分别是拖体的俯仰角度、拖体的俯仰角度下边界和俯仰角度上边界, 分别是拖深，拖深下边界和拖深上边界，是拖曳缆最大张力，是拖曳缆张力许用值。
40.优化模型能够被求解的前提是所有目标函数和约束条件都能由设计变量计算得出。因此，有必要对系统内各部分做力学建模，求解水下结构物的水动力载荷是对其力学建
模的关键环节。求解水动力载荷一般有两种方法。一种是根据半经验莫里森公式求解细长结构水动力载荷，其优点是计算量小，但仅适用于细长圆柱类结构，无法用来计算非规则结构的水动力载荷；另一种是根据计算流体力学方法，通过求解离散的纳维斯托克斯方程，计算水动力载荷，与半经验公式法相比，此种方法计算量较大，优点是可以计算任意结构的水动力载荷。
41.接下来介绍系统中规则细长结构的建模方法。系统中的规则细长结构包括：拖曳缆（光电复合缆），阵列缆。由于其均为细长结构，可以利用莫里森公式求解其水动力载荷。
42.集中质量法是对缆绳类结构力学建模的有效方法。在对拖曳缆力学建模时，利用集中质量法与莫里森公式，确定拖深，拖曳缆最大张力与设计变量的关系。母船被简化成以拖曳速度运动的质点；拖体被简化成作用在拖曳缆尾端的作用力。
43.如图2（a）和图2（b）所示，根据集中质量法，将拖曳缆划分为n个质点和n-1段单元，质点间存在弹性力。
44.在全局坐标系（x-y坐标系）下：作用在单元上的惯性力和拖曳粘滞阻力分配给与单元相邻的两个节点上，其关系如式1所示，
ꢀꢀꢀ
（1）其中，是节点i的质量，是单元i的质量， 是节点i的重力，是单元i在水中的重力，是作用在节点i法向上的拖曳粘滞阻力，是作用在单元i法向上的拖曳粘滞阻力，是作用在节点i切向上的拖曳粘滞阻力，是作用在单元i切向上的拖曳粘滞阻力。
45.如图3所示，将拖体对拖曳缆的影响简化为其间相互作用力。
46.节点n的受力分析如图4所示。为方便准静态迭代算法求解，将分解为沿水平方向的力和沿竖直方向的力对节点n 做受力分析。
47.ꢀꢀ
(2)其中，是单元n-1内部张力。
48.在式(2)中，粘滞拖曳阻力可以通过莫里森方程计算。列出式(2)在切向与法向的平衡方程，结合莫里森公式并做适当整理，得节点n的平衡方程如式（3）
ꢀꢀ
（3）其中，是单元n-1的旋转角度，和分别是沿水平和竖直方向的分力，分别是切向和法向拖曳粘滞阻力系数，是海水密度， 是拖曳缆在水中的湿密度，是拖曳缆直径。
49.在式（3）中，当拖曳速度，拖曳缆长度，相互作用力和拖曳缆相关参数已知时，可以通过第一个方程计算得出。其中，可通过后文介绍的拖体代理模型计算得出。此外，单元张力可以由式（3）中第二个方程计算得出。
50.对于其他节点i，其平衡方程与节点n类似。
51.ꢀꢀ
（4）其中， 和分别是沿水平和竖直方向的分力。
52.由式(3)和式(4)，所有与 均可由，和得出。拖深和拖曳缆最大张力可由式（5）计算，
ꢀꢀ
(5)其中，是单元i的轴向伸长量，e 是杨氏模量。
53.图5给出了，和 和，的关系。
54.在以上讨论中，均满足式(3)。然而，有两个问题需要解决。(1) 解的个数(2)如果方程中解大于一个，应如何确定。因此，有必要讨论式（3）解的分布。
55.假设,
ꢀꢀ
(6)则式（3）中第一个方程可化为，
ꢀꢀ
(7)令,
ꢀꢀ
(8)则有，
ꢀꢀ
(9)根据零点定理，式（7）在定义域内必有根,式（7）根的存在性已经证明，接下来讨论根的唯一性。
56.对求导，判断其单调性，
ꢀꢀ
(10)则其在定义域内单调递增，式（3）有且只有一个关于的根。类似地，方程（4）也仅有一个关于的根，证明过程类似。
57.为了验证准静态迭代算法的准确性，给定相同拖曳缆参数，利用仿真软件proteusds计算拖曳缆的稳定形态并与准静态迭代算法结果进行对比，对比结果如图6所示，二者节点差距在0.5m以内，可以说明准静态迭代法是具有较好准确性。
58.表2拖曳缆参数及拖曳速度
由于稳定装置的存在，阵列缆大部分时间保持平直状态。因此，可以把阵列缆看做细长圆柱，利用莫里森公式求解其拖曳粘滞阻力。
59.（11）其中，为阵列缆直径，是阵列缆切向拖曳粘滞阻力系数，是阵列缆长度，是阵列缆受到的拖曳粘滞阻力。
60.在拖曳系统中，非规则结构物主要有拖体3和稳定装置5。特殊地，本实施例以某系统中的拖体和锥形稳定装置为例，说明拖曳系统中非规则结构物的建模方法。由于二者结构复杂，一般用计算流体力学方法计算其水动力载荷，然而，利用计算流体力学方法获取单一工况下结构物的水动力载荷需要消耗较大计算资源，而优化设计需要迭代计算成千上万种工况下水动力载荷，显然，计算流体力学方法是无法适用于本优化问题的。针对不规则结构，人工神经网络与数据拟合方法均适用与建立其运动状态与拖曳粘滞阻力的映射关系；此处仅以拖体代理模型与锥形稳定装置解析模型为例说明非规则结构物建模过程。
61.接下来介绍拖体代理模型建立过程。
62.如图6所示，为计算，，仅需已知和。因此，有必要对分析。拖体受到的粘滞拖曳阻力是的重要组成部分，本部分介绍拖体建模过程。本部分利用仿真软件recurdyn-particleworks建立数据库，之后结合人工神经网络建立拖体代理模型，反映拖体运动状态与其粘滞拖曳阻力间关系。如图7所示，代理模型以拖曳速度和俯仰角为输入变量，以拖曳阻力为输出变量。
63.接下来介绍稳定装置模型建立过程。
64.利用拟合方法获得锥形稳定装置的解析模型。假设，锥形稳定装置受到的拖曳粘滞阻力与速度关系如式(12)所示。
65.ꢀꢀ
(12)
其中，是拖曳粘滞阻力系数，是锥形稳定装置的大径，是锥形稳定装置受到的拖曳粘滞阻力。
66.为确定拖曳粘滞阻力系数，利用前文所述联合仿真方法获得不同速度对应的拖曳粘滞阻力。之后再通过数据拟合得出拖曳粘滞阻力系数，则在优化迭代计算时，可以利用式（12）计算其他速度下稳定装置受到的拖曳粘滞阻力。
67.由上所述， 和，可由和得出，由于阵列缆与稳定装置密度与水接近，不考虑二者受到的重力与浮力，则可由式（13）得出。
68.ꢀꢀ
（13）其中，是拖体受到的粘滞拖曳阻力，可以通过拖体代理模型由和计算得出。
69.为使和能够由设计变量计算得出，有必要讨论由设计变量得到的过程。
70.列出关于拖体的力、力矩平衡方程，
ꢀꢀ
（14）其中，是拖曳缆对拖体的拖曳力，与是一对相互作用力，q 是关于原点的力臂，是拖体在水中的净重力。
71.在图8中，根据全局坐标系（x-y坐标系）与拖体坐标系（x-y坐标系）的关系，所有力矢量均可由拖曳速度和拖体俯仰角得出，而一旦力矢量确定，结合力矩平衡方程与拖体几何尺寸即可确定拖体悬挂点位置。因此，悬挂点位置最终仅受拖曳速度和拖体俯仰角影响。拖体悬挂点位置与关系如式（15）所示。
72.ꢀꢀ
（15）至此，与设计变量的关系已经得出。然而，在已知设计变量时，式（15）是关于的隐式非线性方程。数值迭代是求解非线性隐式方程的有效方法。但
是，在本优化问题中应用数值迭代方法至少有两个困难。（1）初值难以确定。（2）由于代理模型的特点，式（15）的导数信息难以计算，由此导致数值迭代方法效率不高。总之，在为设计变量时，求解式（15）来计算是较为困难的，当前优化问题是不可解的。然而，若将拖体俯仰角作为设计变量之一，通过式（15）显式计算相对容易。因此，修正设计变量为拖曳速度，拖曳缆长度和俯仰角。修正后的优化模型如表3所示。
73.表3 设计变量修正后的新模型在新的优化模型中，和 可以通过式（5）由和计算得出，可以通过式（11）由设计变量中的和得出，可以通过式（15）由和得出。约束条件和目标函数中的各变量均可由设计变量、、得出，优化模型可解。
74.在优化模型各变量均可计算后，选择多目标优化算法对多目标优化模型求解。例
如：nsga-2由于其计算效率与鲁棒性，在各个领域的优化设计中广泛应用。因此，本案例中选择nsga-2求解方法，选定拖曳缆参数，结合上文所述系统力学模型，最终得出了拖曳速度和拖曳缆长度的帕累托前沿，如图9所示。
75.此处需要说明的是，本领域技术人员可根据实际情况来具体选择相应算法来对本实施例的多目标优化模型求解，此处不再详述。
76.实施例二本实施例提供了一种海洋拖曳系统多目标优化装置，其包括：参数获取模块，其用于获取拖曳系统相关参数；目标优化模块，其用于基于海洋拖曳系统的多目标优化模型及拖曳系统相关参数，得到海洋拖曳系统的所有目标参数优化解，以指导海洋拖曳系统完成海上任务；其中，所述多目标优化模型是基于拖曳系统模型而构建的；所述拖曳系统模型包括规则细长结构模型和非规则结构模型；所述规则细长结构模型是采用理论解析模型而构建的，且基于准静态迭代算法求解得到相应力学参数；所述非规则结构模型为利用人工神经网络而建立的非规则结构的运动状态与拖曳粘滞阻力的代理模型，或者为利用数据拟合方法而建立的非规则结构的运动状态与拖曳粘滞阻力的解析模型。
77.其中，所述多目标优化模型的优化目标为拖曳速度、拖曳缆长度、拖深、拖体悬挂位置、拖曳缆张力、拖体的俯仰角度和拖曳缆与拖体悬挂点位置、阵列缆与拖体悬挂位置这些参数中至少两个参数的任意组合。
78.所述规则细长结构模型包括拖曳缆模型、脐带缆模型、声学或光学阵列缆模型。
79.此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再详述。
80.实施例三本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的海洋拖曳系统多目标优化方法中的步骤。
81.实施例四本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的海洋拖曳系统多目标优化方法中的步骤。
82.本发明是参照本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
83.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。