一种船型性能预报与优化方法及系统技术方案

本发明专利技术提供了一种船型性能预报与优化方法及系统，该方法基于多个样本船型的三维几何模型，采用特定的船型特征提取方法、船型曲面特征变形方法和船型性能预报模型生成方法，训练得到多个船舶性能预报模型，并采用特定的计算方式构建三维几何模型的目标船型与样本船型特征对比分析目标函数，基于遗传算法开展目标船型与样本船型几何模型贴近，直至几何贴近达标，获取几何模型贴近达标时的船型曲面变形控制参数值，做为船型性能预报模型的输入参数，得到目标船型的水动力性能数据，实现目标船型性能预报，最后构建目标船型预报与优化设计，能够有效扩展船舶性能预报模型所能涵盖的船型范围，实现基于目标船型三维几何模型的预报和优化，提高预报模型的适用范围和应用效果。果。果。

【技术实现步骤摘要】
一种船型性能预报与优化方法及系统


[0001]本专利技术涉及计算机仿真设计
，具体涉及一种船型性能预报与优化方法及系统。

技术介绍

[0002]船型优化设计是船舶总体设计的核心环节，近年来一种面向知识化、智能化的船型设计模式——基于仿真的设计(Simulation Based Design，SBD)技术悄然兴起，将传统的“先提方案后做评估”的正向设计模式转变为新型的“以设计目标驱动方案生成”的逆向设计模式，大幅提升了船型智能设计能力。船型优化设计的核心是找到性能较优的船体外形，同时由于船体外形复杂多变，为能更加精确和丰富地表达船体外形，需要采用众多参数来控制船体外形，实现船体外形的连续型变化。船型优化问题的设计变量即为控制船体外形变形的参数，控制船体变形的参数越多，意味着船型优化问题的维度越大，需要启动大量的船型特征变化和水动力性能CFD计算工作，对计算资源消耗较大。为此，引入机器学习和人工智能技术，探索船型智能化优化设计技术，正逐步成为船型设计技术的新发展方向。
[0003]但目前的船型优化技术方案，缺乏对船型特征逆向识别的技术开发，且主要是基于单一样本船型变形生成新的船型样本点，并通过训练得到船舶性能预报模型，能够适用的船型覆盖面较窄，适用的船型会局限在与样本船型几何特征差别较小的同类特征船型，难以涵盖千差万别的船型特征，同时利用样本船型训练获得船舶性能预报模型，在应用过程中同类技术往往需要在船型预报与优化应用时进行船型三维模型预处理，提取型值点，导入预报模型进行预报优化并输出新的型值点，而船舶水动力研究后续流程常需要开展模型试验，模型加工是基于船体三维几何模型进行数控切削，预报模型导出的型值点，需要再绘制型线图，并基于三维建模软件建立船体优化后船体三维模型，流程繁琐且需要技术人员手动计算目标船型特征参数，导入到系统中进行评估和优化，而无法通过导入三维模型(如IGES格式文件)的方式实现自动化性能分析与船型优化设计，人工成本高、时间消耗大且船型评估和优化效率也比较低下。

技术实现思路

[0004]为解决现有船型优化过程中存在的人工成本高、时间消耗大、对船型的评估和优化效率低下以及船型适用方面有较大局限性等问题，本专利技术提供了一种船型性能预报与优化方法，基于多样本船型，采用特定的船型特征提取方法、船型曲面特征变形方法和船型性能预报模型生成方法，训练生成与所选样本船型相对应的多个船舶性能预报模型，并基于船型三维几何模型建立船型特征比较分析目标函数，从众多样本船型中筛选出与目标船型相匹配的母型船，通过船型比较分析确定预报模型输入参数，构建基于目标船型三维几何模型的预报与优化设计方法，能够有效扩展船舶性能预报模型所能涵盖的船型范围，提高预报模型的适用范围和应用效果。本专利技术还涉及一种船型性能预报与优化系统。
[0005]本专利技术的技术方案如下：
[0006]一种船型性能预报与优化方法，其特征在于，包括以下步骤：
[0007]船型特征提取步骤：获取多个母型船为样本船型的三维几何模型，基于三维几何模型提取各样本船型的尺度特征参数，并对三维几何模型和尺度特征参数进行标准化处理；基于标准化处理后的三维几何模型，提取各样本船型的船型特征线，根据船型特征线获取各样本船型的船型特征拐点三维坐标和型值点三维坐标；
[0008]船型曲面特征变形步骤：根据标准化处理后的尺度特征参数、船型特征线、船型特征拐点三维坐标和型值点三维坐标，计算出各样本船型曲面不同特征区域的特征长度和位置坐标；基于特征长度、位置坐标和船型特征线，利用曲面变形技术对各样本船型曲面构建三维几何变形控制体，得到各样本船型的曲面变形控制参数及其变化范围，并采用拉丁超立方算法对样本船型的曲面变形控制参数变化范围内的多个样本点进行采集，基于采集的多个样本点，利用曲面变形技术对各样本船型进行三维几何变形，得到与曲面变形控制参数一一对应的多个船型样本点三维几何模型；
[0009]性能预报模型生成步骤：基于多个船型样本点三维几何模型，采用船舶CFD技术计算出船舶水动力性能特征参数，将变形后的样本船型各样本点对应的尺度特征参数和曲面变形控制参数作为输入，船舶水动力性能特征参数作为输出，基于BP神经网络方法进行模型训练，得到多个样本船型的性能预报模型；
[0010]目标函数构建步骤：获取目标船型的三维几何模型，并根据船型特征提取步骤和船型曲面特征变形步骤获得目标船型的型值点三维坐标和曲面变形控制参数，根据目标船型和样本船型的型值点三维坐标计算出目标船型与样本船型的型值点平均间距和间距最大值，在给定船型特征的限制条件下，根据型值点平均间距和间距最大值，构建目标船型与样本船型特征对比分析的目标函数；
[0011]参数值获取步骤：以目标船型的曲面变形控制参数作为输入，目标函数作为输出，基于遗传算法迭代计算出目标函数的最小值，以筛选出与目标船型相匹配的样本船型，并获取目标函数最小值时的船型曲面变形控制参数值，将船型曲面变形控制参数值输入与目标船型相匹配的样本船型的性能预报模型中，得到目标船型的水动力性能数据；
[0012]船型优化步骤：以目标船型的曲面变形控制参数作为输入，以性能预报模型输出的水动力性能数据为目标函数作为输出，基于遗传算法对目标船型进行分析和优化，得到目标船型的性能优化方案以及对应的船型曲面变形控制参数组，根据船型曲面变形控制参数组，重复船型曲面特征变形步骤，对目标船型进行三维几何变形，完成目标船型的三维几何模型优化。
[0013]优选地，所述船型特征提取步骤中，所述尺度特征参数包括船型基本尺度参数和船型全局特征参数，所述船型基本尺度参数包括船舶垂线间长、船舶设计水线长、船舶型宽、船舶设计吃水、螺旋桨轴高和螺旋桨盘面距艉垂线的距离的任意组合，所述船型全局特征参数包括船舶长宽比、船舶宽度吃水比、方形系数、船舶湿表面积和浮心纵向位置的任意组合。
[0014]优选地，所述船型特征提取步骤中，所述船型特征线包括船体横剖线、船体纵剖线、水线、中纵剖线、首尾轮廓线、平边线、平底线和船舶横剖面积分布曲线的任意组合。
[0015]优选地，所述目标函数构建步骤中，根据方形系数和浮心纵向位置计算出目标船型与样本船型的方形系数残差和浮心纵向位置残差，以构建出船型特征限制条件。
[0016]优选地，所述参数值获取步骤中，在计算目标函数的最小值时，还根据目标船型与样本船型的方形系数残差和浮心纵向位置残差与预设阈值的比对结果判断计算的目标函数的最小值是否有效，若方形系数残差小于第一预设阈值，且浮心纵向位置残差小于第二预设阈值，则计算的目标函数的最小值有效。
[0017]一种船型性能预报与优化系统，其特征在于，包括依次连接的船型特征提取模块、船型曲面特征变形模块、性能预报模型生成模块、目标函数构建模块、参数值获取模块以及船型优化模块，
[0018]船型特征提取模块，获取多个母型船为样本船型的三维几何模型，提取三维几何模型中各样本船型的尺度特征参数，并对三维几何模型中的三维几何模型和尺度特征参数进行标准化处理；基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船型性能预报与优化方法，其特征在于，包括以下步骤：船型特征提取步骤：获取多个母型船为样本船型的三维几何模型，基于三维几何模型提取各样本船型的尺度特征参数，并对三维几何模型和尺度特征参数进行标准化处理；基于标准化处理后的三维几何模型，提取各样本船型的船型特征线，根据船型特征线获取各样本船型的船型特征拐点三维坐标和型值点三维坐标；船型曲面特征变形步骤：根据标准化处理后的尺度特征参数、船型特征线、船型特征拐点三维坐标和型值点三维坐标，计算出各样本船型曲面不同特征区域的特征长度和位置坐标；基于特征长度、位置坐标和船型特征线，利用曲面变形技术对各样本船型曲面构建三维几何变形控制体，得到各样本船型的曲面变形控制参数及其变化范围，并采用拉丁超立方算法对样本船型的曲面变形控制参数变化范围内的多个样本点进行采集，基于采集的多个样本点，利用曲面变形技术对各样本船型进行三维几何变形，得到与曲面变形控制参数一一对应的多个船型样本点三维几何模型；性能预报模型生成步骤：基于多个船型样本点三维几何模型，采用船舶CFD技术计算出船舶水动力性能特征参数，将变形后的样本船型各样本点对应的尺度特征参数和曲面变形控制参数作为输入，船舶水动力性能特征参数作为输出，基于BP神经网络方法进行模型训练，得到多个样本船型的性能预报模型；目标函数构建步骤：获取目标船型的三维几何模型，并根据船型特征提取步骤和船型曲面特征变形步骤获得目标船型的型值点三维坐标和曲面变形控制参数，根据目标船型和样本船型的型值点三维坐标计算出目标船型与样本船型的型值点平均间距和间距最大值，在给定船型特征的限制条件下，根据型值点平均间距和间距最大值，构建目标船型与样本船型特征对比分析的目标函数；参数值获取步骤：以目标船型的曲面变形控制参数作为输入，目标函数作为输出，基于遗传算法迭代计算出目标函数的最小值，以筛选出与目标船型相匹配的样本船型，并获取目标函数最小值时的船型曲面变形控制参数值，将船型曲面变形控制参数值输入与目标船型相匹配的样本船型的性能预报模型中，得到目标船型的水动力性能数据；船型优化步骤：以目标船型的曲面变形控制参数作为输入，以性能预报模型输出的水动力性能数据为目标函数作为输出，基于遗传算法对目标船型进行分析和优化，得到目标船型的性能优化方案以及对应的船型曲面变形控制参数组，根据船型曲面变形控制参数组，重复船型曲面特征变形步骤，对目标船型进行三维几何变形，完成目标船型的三维几何模型优化。2.根据权利要求1所述的船型性能预报与优化方法，其特征在于，所述船型特征提取步骤中，所述尺度特征参数包括船型基本尺度参数和船型全局特征参数，所述船型基本尺度参数包括船舶垂线间长、船舶设计水线长、船舶型宽、船舶设计吃水、螺旋桨轴高和螺旋桨盘面距艉垂线的距离的任意组合，所述船型全局特征参数包括船舶长宽比、船舶宽度吃水比、方形系数、船舶湿表面积和浮心纵向位置的任意组合。3.根据权利要求1所述的船型性能预报与优化方法，其特征在于，所述船型特征提取步骤中，所述船型特征线包括船体横剖线、船体纵剖线、水线、中纵剖线、首尾轮廓线、平边线、平底线和船舶横剖面积分布曲线的任意组合。4.根据权利要求2所述的船型性能预报与优化方法，其特征在于，所述目标函数构建步
骤中，根据方形系数和浮心纵向位置计算出目标船型与样本船型的方形系数残差和浮心纵向位置残差，以构建出船型特征限制条件。5.根据权利要求4所述的船型性能预报与优化方法，其特征在于，所述参数值获取步骤中，在计算目标函数的最小值时，还根据目标船型与样本船型的方形系数残差和浮心纵向位置残差与预设阈值的比对结果判断计算的目标函数的最小值是否有效，若方形系数残差小于第一预设阈值，且浮心纵向位置残差小于第二预设阈值，则计算的目标函数的最小值有效。6.一种船型性能预报与优化系统，其特征在于，包括...

【专利技术属性】
技术研发人员：杜云龙，陈伟民，董国祥，张青山，陈昆鹏，车霖源，任海奎，
申请(专利权)人：上海船舶运输科学研究所有限公司，
类型：发明
国别省市：