基于代理面模型的船舶阻力快速优化技术研究.pdf

1、基于代理面模型的船舶阻力快速基于代理面模型的船舶阻力快速优化技术研究优化技术研究上海船舶运输科学研究所目录一 研究概况二 参数化建模及样本数据生成三 代理面模型构建 Minsheng Ro.600 200135 +86-21-58852760 ji.shengcoscoshipping.xomCFD Resistance&Propulsion Propeller&Cavitation Seakeeping Manoeuvring offshore 四 船型优化测试应用一 研究概况研究背景：船型优化设计一直以来都是人们研究的重点内容。引入近似模型预估船舶性能以减轻数值计算的负担、提高效率。研究目

2、标：通过船型特征分析构建参数化模型，结合CFD技术实现大量船型样本及性能数据生成；通过机器学习算法构建船型性能代理模型，实现船型性能快速预报及船型快速优化设计。输入变量：输入变量：船舶首尾、全局变型参数船舶首尾、全局变型参数输出目标值：输出目标值：船舶水动力性能目标函数船舶水动力性能目标函数1.1 1.1 研究目标基石：母型几何+变形技术+专家经验=数字化母型能够100%还原母型，同时固化专家设计流程和经验数字化母型智能认知来源：基于数字化母型，通过搭建船体变形和CFD求解的自动化平台，计算用于代理训练的船型样本数据集船型样本数据集智能手段：定制研发高效的机器学习算法，能够基于较小数据规模构建

3、较高精度的代理模型代理面模型代理模型应用的前置步骤：通过优化算法实现逆向参数化逼近目标几何，以最贴近的参数化船型“取代”目标船型船型几何特征自动识别应用：替代CFD，快速得到目标船型的性能和优化几何评估&优化1.3 1.3 研究技术路线母型几何参数化建模工具参数化母型船型样本生成输出设计参数CFD 计算水动力性能参数输入输出应用目标船型几何特征自动识别船舶性能预报与优化代理模型输出代理模型训练目标船的设计参数CFD 工具定制优化算法输入输出测试应用验证优化后的设计参数值变形量转换目标船优化几何代理面模型训练1.3 1.3 研究技术路线-输入与输出船型数据集输出二船型参数化建模二、船型参数化建模

4、参数类别序号参数名称变型区域全局变型参数1Lpp/B长宽比2B/T宽度吃水比3Delta_Cp菱形系数变换4Delta_LCB浮心纵向位置艏部变型参数5Delta_Y首部丰满度整体变换6DeltaUV_1首部UV度变换近船中7DeltaUV_2首部UV度变换近入水段8FBDZ船首舭部变换9DeltaUV_X首部水线形状变换艉部变型参数10SternUV尾部型线UV度变换11Stern_SAC尾部整体丰满度变换12SternDZ艉轴附近线型变换13TransomW艉封板宽度变换14TransomH艉封板高度变换二、船型参数化建模10二、船型参数化建模船型样本采样平台船型样本采样平台智能化采样引擎

5、智能化采样引擎船型样本数据船型样本数据基于基于CAESESCAESES实现变型与实现变型与CFDCFD计算集成计算集成11二、船型参数化建模初代数据集初代数据集1轮补点轮补点2轮补点轮补点 通过智能采样算法对设计空间进行分析通过智能采样算法对设计空间进行分析 采用过程是经过船型数据采集、数据分析采用过程是经过船型数据采集、数据分析迭代进行，迭代进行，进行多轮样本采集；进行多轮样本采集；总计总计500500组船型样本数据组船型样本数据三代理面模型构建三、代理模型构建代理模型构建步骤：样本数据质量检查：样本数据特征工程分析：代理模型训练精度分析与补点迭代升级输入变量：输入变量：船舶首尾、全局变型参

6、数船舶首尾、全局变型参数输出目标值：输出目标值：船舶阻力系数、排水体船舶阻力系数、排水体积、湿表面积等积、湿表面积等3.13.1 数据质量检查Fig.初代训练样本集pointwise risk一致性校验：数据质量一致性较高，基本可以排除存在CFD计算结果无效或人为数据统计失误的问题。这一操作将极大加速工作人员在前期快速排除计算流程配置错误、数据传递不一致、CFD计算设置不合理等“深藏”的隐患。Fig.初代训练样本集2D分布可视化展示Fig.初代训练样本集3D分布，数据点聚拢情况良好，但对于设计空间当前195组数据采样点对于空间的探索是稀疏的三、代理模型构建3.2 3.2 特征工程分析Fig.针