基于粒子群算法的螺旋槳側(cè)斜分布優(yōu)化

黃斌，熊鷹，王波

1海軍工程大學(xué)，艦船工程系，湖北武漢430033

2上海船舶工藝研究所，上海200032

基于粒子群算法的螺旋槳側(cè)斜分布優(yōu)化

黃斌1，熊鷹1，王波2

1海軍工程大學(xué)，艦船工程系，湖北武漢430033

2上海船舶工藝研究所，上海200032

為了降低螺旋槳激振力，減小螺旋槳對船體的誘導(dǎo)振動，采用粒子群優(yōu)化算法，結(jié)合螺旋槳非定常面元法預(yù)報程序，對螺旋槳的側(cè)斜分布進(jìn)行優(yōu)化設(shè)計。給出側(cè)斜分布的數(shù)學(xué)表達(dá)形式以及粒子群優(yōu)化算法的數(shù)學(xué)模型，并以Seiun-Maru HSP螺旋槳為母型槳進(jìn)行優(yōu)化設(shè)計，得到3種優(yōu)化方案。其中，最優(yōu)方案在不損失螺旋槳推力和扭矩的情況下，軸向一倍葉頻、二倍葉頻推力系數(shù)和扭矩系數(shù)明顯降低，達(dá)到了優(yōu)化目的，即通過改變螺旋槳側(cè)斜分布形式，能夠有效改善非均勻流場中螺旋槳的性能，驗證了粒子群優(yōu)化算法用于螺旋槳側(cè)斜分布優(yōu)化的可行性，可以實現(xiàn)工程化應(yīng)用。

側(cè)斜螺旋槳；面元法；粒子群優(yōu)化算法；優(yōu)化設(shè)計

0 引 言

船舶螺旋槳在船后非均勻的三向流場［1-2］中旋轉(zhuǎn)一周，槳葉各半徑剖面的來流攻角因各角度伴流的不同而隨時改變，從而導(dǎo)致槳葉上承受周期性變化的螺旋槳激振力。目前，通常采用側(cè)斜

螺旋槳來減小螺旋槳對船體的誘導(dǎo)振動，合理的側(cè)斜分布形式使得螺旋槳各半徑處葉剖面依次進(jìn)入高伴流區(qū)［3-5］，各槳葉沿周向分布的排水體積分布更均勻，從而有效降低螺旋槳運(yùn)轉(zhuǎn)于非均勻流場中所產(chǎn)生的激振力［6］，降低船艉振動及輻射噪聲。

以往對于螺旋槳側(cè)斜分布的選擇往往是根據(jù)經(jīng)驗公式或者參考母型，存在很大的局限性。在工程應(yīng)用中，側(cè)斜分布的選擇還必須考慮到船后伴流的各階諧調(diào)分量［7-8］，不同的伴流場需配合適當(dāng)?shù)膫?cè)斜分布形式，如果配合不當(dāng)，會產(chǎn)生相反的效果。在螺旋槳初步設(shè)計階段，通過對船后伴流場進(jìn)行諧頻分析，初步選擇螺旋槳側(cè)斜分布形式，最后再根據(jù)設(shè)計經(jīng)驗，通過多次人工調(diào)整來確定最終的側(cè)斜分布形式。這種人工試探的設(shè)計方式十分繁瑣，而且需要設(shè)計者擁有豐富的經(jīng)驗，同時使用該方法并不能確定最終的側(cè)斜分布形式能在該非均勻流場中達(dá)到最佳的減振效果。

本文將利用粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法，結(jié)合螺旋槳非定常水動力性能面元法預(yù)報程序，在給定的非均勻伴流場中，以降低非定常軸承力脈動幅值為優(yōu)化目標(biāo)對螺旋槳的側(cè)斜分布進(jìn)行優(yōu)化設(shè)計，并與母型槳的水動力性能進(jìn)行對比。

1 粒子群優(yōu)化算法

粒子群優(yōu)化算法是通過個體間的協(xié)作與競爭，在復(fù)雜空間中搜索最優(yōu)解［9］。PSO算法在可行解空間中隨機(jī)初始化一群粒子，通過目標(biāo)函數(shù)為每個粒子確定一個適應(yīng)值（Fitness value）。每個粒子在解空間中運(yùn)動，并根據(jù)一個速度確定其方向和距離。通常粒子將追隨當(dāng)前的最優(yōu)粒子而動，經(jīng)過逐代搜索，最后得到最優(yōu)解。在每一次迭代過程中，粒子將跟蹤2個極值，一個為粒子本身迄今找到的最優(yōu)解 pbest，另一個為全種群迄今找到的最優(yōu)解gbest。

PSO算法主要計算步驟［10-11］如下：

1）初始化。設(shè)定加速常數(shù)c1和c2，最大進(jìn)化代數(shù)Tmax，將當(dāng)前進(jìn)化代數(shù)設(shè)置為t=1，在定義空間Rn中隨機(jī)產(chǎn)生m個粒子x1，x2，···，xm，組成初始種群 X(t)，隨機(jī)產(chǎn)生各粒子初始位移變化量ν1，ν2，···，νS，組成位移變化矩陣V(t)。

2）評價種群 X(t)，計算每個粒子在每一維空間的適應(yīng)值。

3）比較粒子的適應(yīng)值和自身最優(yōu)值 pbest，如果當(dāng)前值比 pbest更優(yōu)，則令當(dāng)前值為 pbest，并設(shè) pbest位置為n維空間中的當(dāng)前位置。

4）比較粒子的適應(yīng)值和種群最優(yōu)值 gbest，如果當(dāng)前值比gbest更優(yōu)，則令當(dāng)前值為gbest，并設(shè)gbest為當(dāng)前粒子的矩陣下標(biāo)和適應(yīng)值。

5）根據(jù)式（1）和式（2）更新粒子的位移方向與步長，產(chǎn)生新種群X(t+1)。

式中：d=1，2，···，n；i=1，2，···，m，其中m表示種群規(guī)模；t為當(dāng)前進(jìn)化代數(shù)；r1和r2為分布于[0，1]之間的隨機(jī)數(shù)；c1和c2為加速常數(shù)。式（1）中：右邊第1項為粒子先前的速度；第2項為“認(rèn)知”（Cognition）部分，表示粒子自身的思考；第3項為“社會”（Social）部分，表示粒子間的信息共享與相互合作。

6）檢查結(jié)束條件，若滿足，則結(jié)束尋優(yōu)；否則，t=t+1，轉(zhuǎn)至第2）步。結(jié)束條件為尋優(yōu)達(dá)到最大進(jìn)化代數(shù)Tmax，或評價值小于給定精度ε。

2 側(cè)斜分布的數(shù)學(xué)表達(dá)

1962年，法國雷諾汽車公司的工程師Bezier提出了貝塞爾曲線模型，該模型是為設(shè)計汽車零部件而提出的理論。利用貝塞爾曲線模型，可以在計算機(jī)上直接設(shè)計出各種形狀。目前，其已成為CAD軟件的基本模型之一，廣泛應(yīng)用于機(jī)械、汽車設(shè)計、字體設(shè)計等領(lǐng)域。

與傳統(tǒng)的插值樣條曲線不同，貝塞爾曲線是逼近擬合曲線［12］，曲線的形狀比較容易控制，且直觀形象。一條貝塞爾曲線的形狀是由控制多邊形確定的。本文采用貝塞爾曲線擬合螺旋槳的側(cè)斜分布曲線，通過改變控制點(diǎn)的位置來實現(xiàn)拱度分布和厚度分布的重構(gòu)，進(jìn)而構(gòu)造新的樣本。通常用貝塞爾多項式作為貝塞爾曲線的基函數(shù)，一條n次貝塞爾曲線描述如下：

式中：bi（i=0，1，2，…，n）為特征多邊形的頂點(diǎn)；Bi，n(u)（i=0，1，2，…，n）為貝塞爾多項式。

貝塞爾曲線具有良好的凸包性，擬合曲線能完全被包絡(luò)在由特征多邊形構(gòu)成的凸包內(nèi)。貝塞爾曲線的走勢由特征多邊形的形狀決定，并且能夠通過選擇控制點(diǎn)的個數(shù)控制曲線拐點(diǎn)的數(shù)量。

因此，可以通過貝塞爾曲線的階次控制貝塞爾曲線的形狀，這對于擬合螺旋槳的徑向參數(shù)分布非常有利，采用較低階次的貝塞爾曲線擬合螺旋槳的徑向參數(shù)分布能充分保證優(yōu)化后螺旋槳的徑向參數(shù)分布的合理性。

貝塞爾曲線形狀只與控制點(diǎn)Vi的位置有關(guān)，圖1所示為一條三次貝塞爾曲線和它的控制多邊形。圖中，p0，p1，p2，p3代表曲線的控制點(diǎn)。如圖所示，它能夠以較少的控制點(diǎn)位置的變化獲得較大的螺旋槳設(shè)計空間，且能夠滿足光順性要求。本文采用三次貝塞爾曲線擬合Seiun-Maru HSP螺旋槳的側(cè)斜分布形式［13-15］，擬合前、后的側(cè)斜分布曲線如圖2所示。圖中，r/R為相對半徑，其中r為各剖面處半徑，R為螺旋槳半徑。

圖1 三次Bezier曲線Fig.1 A three cubed Bezier curve

圖2 三次貝塞爾擬合側(cè)斜分布Fig.2 Skew distribution fitting by three times Bezier curve

3 優(yōu)化模型

本文以Seiun-Maru HSP螺旋槳為母型槳，其主要參數(shù)及伴流分布參見文獻(xiàn)［16］，采用螺旋槳非定常水動力性能面元法預(yù)報程序結(jié)合傅里葉分析方法進(jìn)行計算。以軸承力的脈動幅值作為螺旋槳側(cè)斜分布優(yōu)良性的評價標(biāo)準(zhǔn)。在保證螺旋槳推力的情況下，以降低螺旋槳一倍葉頻、二倍葉頻軸向非定常力和力矩作為優(yōu)化目標(biāo)，通過調(diào)整側(cè)斜分布來滿足使目標(biāo)函數(shù)最小的條件，從而達(dá)到優(yōu)化螺旋槳側(cè)斜分布的目的。圖3是螺旋槳旋轉(zhuǎn)一周過程中主槳葉處于0°，90°，180°和270°時0.7R處的表面壓力分布與試驗數(shù)值的對比圖［17］。圖中：縱坐標(biāo)Cp為壓力系數(shù)；x/c為相對弦長，其中x為葉剖面上的點(diǎn)沿弦長方向到導(dǎo)邊的距離，c為葉剖面處弦長。圖4所示為主槳葉在旋轉(zhuǎn)一周的過程中軸向推力系數(shù)和扭矩系數(shù)的變化值及其與Hoshino計算結(jié)果［18］的對比。由圖可見，本文采用的螺旋槳非定常水動力性能面元法預(yù)報程序計算精度高且穩(wěn)定性好，可用于螺旋槳優(yōu)化設(shè)計研究。

圖3 0.7R處葉剖面非定常壓力分布Fig.3 Chordwise pressure distribution of 0.7R section

圖4 主槳葉旋轉(zhuǎn)一周的推力和扭矩系數(shù)Fig.4 Thrust and torque fluctuation of main blade as the propeller rotating

側(cè)斜優(yōu)化數(shù)學(xué)模型表述如下：

優(yōu)化目標(biāo)：Min σf

優(yōu)化變量：SL≤Si≤SU

式中：i為葉頻倍數(shù)；ωi為函數(shù)的權(quán)重系數(shù)；Ki為螺旋槳葉頻、倍葉頻軸向非定常力和力矩。在本文計算過程中，為了簡化計算，只取一倍、二倍葉頻的軸向力及力矩。限制條件中：σT表示優(yōu)化前、后螺旋槳推力的誤差；εT為可接受的推力損失限度；KT0為原始槳推力系數(shù)；KT為優(yōu)化后的推力系數(shù)。通過此限制條件，在保證螺旋槳推力損失在設(shè)計者可接受范圍內(nèi)的前提下，優(yōu)化得到目標(biāo)函數(shù)最小的最優(yōu)方案。優(yōu)化變量Si表示螺旋槳各半徑處側(cè)斜角度，通過SL和SU來控制其上、下限，控制優(yōu)化方案在合理的側(cè)斜范圍內(nèi)。

本文采用貝塞爾曲線擬合螺旋槳側(cè)斜分布曲線，優(yōu)化變量Si表示的是貝塞爾曲線控制點(diǎn)的位置。在進(jìn)行螺旋槳幾何重構(gòu)時，為了保證螺旋槳側(cè)斜分布形式滿足實際工程使用要求，側(cè)斜值不能過大。因此，本研究對不同半徑剖面的側(cè)斜角給出相同的取值范圍，即各半徑剖面的側(cè)斜角均在各側(cè)斜角初始值附近20%的范圍內(nèi)變動。該優(yōu)化變量的變化范圍較大，可以保證其包含符合實際工程要求的最佳方案。

對螺旋槳非定常水動力性能產(chǎn)生主要影響的是前三階非定常力和力矩，更高階數(shù)的非定常力和力矩的量級非常小，可忽略不計。由于一階、二階的推力系數(shù)和扭矩系數(shù)都是影響螺旋槳性能的主要因數(shù)，其中軸承力和力矩一階脈動幅值占主要部分，因此，本文在研究過程中同時設(shè)置一階、二階的軸向推力系數(shù) KTX1，KTX2和扭矩系數(shù)KQX1，KQX2作為優(yōu)化目標(biāo)進(jìn)行多目標(biāo)優(yōu)化設(shè)計，其中KTX1，KQX1的權(quán)重設(shè)置為1.0，KTX2，KQX2的權(quán)重設(shè)置為0.5。

4 優(yōu)化結(jié)果分析

本文采用PSO算法對Seiun-Maru HSP螺旋槳的側(cè)斜分布進(jìn)行多目標(biāo)全局優(yōu)化。從最終的優(yōu)化結(jié)果中，選取3個代表性的方案進(jìn)行具體分析。在所選的3個方案中，方案A是綜合效果最優(yōu)的方案，方案B是一倍葉頻脈動幅值最優(yōu)的方案，方案C是二倍葉頻脈動幅值最優(yōu)的方案。優(yōu)化方案的控制點(diǎn)如表1所示，優(yōu)化前、后的側(cè)斜分布形式對比如圖5所示。

表1 控制點(diǎn)的坐標(biāo)Tab.1 Coordinate of the control points

優(yōu)化結(jié)果匯總?cè)绫?所示。分析發(fā)現(xiàn)：一倍葉頻力與力矩脈動幅值具有相同的變化趨勢，即同時增加、同時減??；二倍葉頻力與力矩脈動幅值也具有同增同減的變化規(guī)律。

圖5 優(yōu)化前后側(cè)斜分布Fig.5 Comparison of the skew distribution before and after optimization

各方案軸向推力系數(shù)及扭矩系數(shù)如圖6和圖7所示。從圖中可以發(fā)現(xiàn)，軸向推力系數(shù)的平均值幾乎保持沒變，最高點(diǎn)和最低點(diǎn)往中間靠近，可見一階脈動幅值有明顯的減小。優(yōu)化前后軸向推力系數(shù)及軸向扭矩系數(shù)的平均值分別如圖8和圖9所示。從圖中可以發(fā)現(xiàn)，優(yōu)化前后軸向推力系數(shù)和扭矩系數(shù)的變化非常微小。

表2 優(yōu)化結(jié)果匯總Tab.2 Optimization results summary

圖6 優(yōu)化前后軸向推力系數(shù)Fig.6 Comparison ofKTXbefore and after optimization

圖7 優(yōu)化前后軸向扭矩系數(shù)Fig.7 Comparison ofKQXbefore and after optimization

優(yōu)化前后各方案軸向一階葉頻推力系數(shù)和扭矩系數(shù)的對比如圖10和圖11所示。從圖中可以看出，方案A和方案B的軸向一倍葉頻推力系數(shù)和扭矩系數(shù)較母型槳明顯降低，方案C的軸向一倍葉頻推力系數(shù)和扭矩系數(shù)大大增加。優(yōu)化前后各方案軸向二階葉頻推力系數(shù)和扭矩系數(shù)的對比如圖12和圖13所示。從圖中可以看出，方案A的軸向二倍葉頻推力系數(shù)和扭矩系數(shù)均較母型槳有明顯降低。方案B也有所降低，但是降低幅度較小。方案C的軸向二倍葉頻推力系數(shù)和扭矩系數(shù)較母型槳降低的幅度最大。

圖8 優(yōu)化前后軸向推力系數(shù)KTX平均值對比Fig.8 Comparison of the average ofKTXbefore and after optimization

圖9 優(yōu)化前后軸向扭矩系數(shù)KQX平均值對比Fig.9 Comparison of the average ofKQXbefore and after optimization

圖10 優(yōu)化前后軸向一倍葉頻推力系數(shù)對比Fig.10 Comparison of 1stthrust coefficient before and after optimization

圖11 優(yōu)化前后軸向一倍葉頻扭矩系數(shù)對比Fig.11 The comparison of 1sttorque coefficient before and after optimization

圖12 優(yōu)化前后軸向二倍葉頻推力系數(shù)對比Fig.12 The comparison of 2ndthrust coefficient before and after optimization

圖13 優(yōu)化前后軸向二倍葉頻扭矩系數(shù)對比Fig.13 The comparison of 2ndtorque coefficient before and after optimization

5 結(jié) 語

本文采用PSO算法，結(jié)合螺旋槳非定常水動力性能的面元法預(yù)報方法和傅里葉諧頻分析方法進(jìn)行螺旋槳側(cè)斜分布多目標(biāo)優(yōu)化設(shè)計。優(yōu)化結(jié)果表明，在不損失螺旋槳推力的情況下，優(yōu)化得到的螺旋槳的一倍葉頻、二倍葉頻軸向非定常力和力矩明顯降低。通過分析可知，在優(yōu)化得到的可行性方案中，存在一倍葉頻軸向非定常力和力矩減小，但二倍葉頻軸向非定常力和力矩增大的情況。在利用粒子群算法進(jìn)行側(cè)斜分布優(yōu)化設(shè)計的時候，需要全面考慮螺旋槳的運(yùn)轉(zhuǎn)工況，設(shè)置合理的權(quán)重系數(shù)以及控制點(diǎn)坐標(biāo)。本文提供了一種新的螺旋槳側(cè)斜分布優(yōu)化的技術(shù)途徑，并驗證了該方法的可行性，實現(xiàn)了螺旋槳側(cè)斜分布優(yōu)化設(shè)計的工程化。

［1］ 王超.螺旋槳水動力性能、空泡及噪聲性能的數(shù)值預(yù)報研究［D］.哈爾濱：哈爾濱工程大學(xué)，2010. WANG Chao.The research on performance of propeller's hydrodynamics，cavitation and noise［D］.Har-

bin：Harbin Engineering University，2010.

［2］ 葉永興，楊昌培，劉紹宗.大型集裝箱船上大側(cè)斜螺旋槳模型脈動壓力的比較試驗研究［J］.水動力學(xué)研究與進(jìn)展，1996，11（5）：535-540. YE Yongxing，YANG Changpei，LIU Shaozong.Comparative experimental study on fluctuating pressure induced by highly-skewed propeller models for a container［J］.Journal of Hydrodynamics，1996，11（5）：535-540.

［3］ YAMASAKI S，ITO M，YANAGIDA M.The effect of skew angle on the propeller induced pressure fluctuations［J］.The Japan Society of Naval Architects and Ocean Engineers，1985，70：1-13.

［4］ 葉金銘.推進(jìn)器水動力性能及空泡預(yù)報的數(shù)值方法和模型試驗研究［D］.武漢：海軍工程大學(xué)，2008. YE Jinming.Numerical and experimental studies on hydrodynamic performance and cavitation prediction of propulsions［D］.Wuhan：Naval University of Engineering，2008.

［5］ 董世湯，王國強(qiáng)，唐登海，等.船舶推進(jìn)器水動力學(xué)［M］.北京：國防工業(yè)出版社，2009. DONG Shitang，WANG Guoqiang，TANG Denghai，et al.Hydrodynamic of ship propulsors［M］.Beijing：National Defense Industry Press，2009.

［6］ 何友聲，王國強(qiáng).螺旋槳激振力［M］.上海：上海交通大學(xué)出版社，1987. HE Yousheng，WANG Guoqiang.Propeller exciting force［M］.Shanghai：Shanghai Jiao Tong University Press，1987.

［7］ HAYATI A N，HASHEMI S M，SHAMS M.A study on the effect of the rake angle on the performance of marine propellers［J］.Proceedings of the Institution of Mechanical Engineers：Part C：Journal of Mechanical Engineering Science，2012，226（4）：940-955.

［8］ 葉金銘，熊鷹，賁友穩(wěn).螺旋槳軸承力預(yù)報方法分析［J］.船舶工程，2003，25（3）：16-18. YE Jinming，XIONG Ying，BEN Youwen.Analysis of prediction method of forces exerted on propeller bearing［J］.Ship Engineering，2003，25（3）：16-18.

［9］ 徐鶴鳴.多目標(biāo)粒子群優(yōu)化算法的研究［D］.上海：上海交通大學(xué)，2013. XU Heming.Research on multiobjective particle swarm optimization algorithms［D］.Shanghai：Shanghai Jiao Tong University，2013.

［10］ 李寧.粒子群優(yōu)化算法的理論分析與應(yīng)用研究［D］.武漢：華中科技大學(xué)，2006. LI Ning.Analysis and application of particle swarm optimization［D］.Wuhan：Huazhong University of Science and Technology，2006.

［11］ 張麗平.粒子群優(yōu)化算法的理論及實踐［D］.杭州：浙江大學(xué)，2005. ZHANG Liping.The theorem and practice upon the particle swarm optimization algorithm［D］.Hangzhou：Zhejiang University，2005.

［12］ 朱心雄.自由曲線曲面造型技術(shù)［M］.北京：科學(xué)出版社，2000. ZHU Xinxiong.Free curve and surface modeling technology［M］.Beijing：Science Press，2000.

［13］ 蔡昊鵬，馬騁，陳科，等.確定螺旋槳側(cè)斜分布的一種數(shù)值優(yōu)化方法［J］.船舶力學(xué)，2014，18（7）：771-777. CAI Haopeng，MA Cheng，CHEN Ke，et al.A numerical optimization method to determine propeller skew distribution［J］.Journal of Ship Mechanics，2014，18（7）：771-777.

［14］ 曾志波.螺旋槳葉剖面優(yōu)化設(shè)計比較研究［J］.船舶力學(xué)，2011，15（12）：1344-1352. ZENG Zhibo.A comparative investigation on optimization of propeller blade section design［J］.Journal of Ship Mechanics，2011，15（12）：1344-1352.

［15］ SEARLE S，VEITCH B，BOSE N.Experimental investigation of a highly skewed propeller in ice［J］. Journal of Offshore Mechanics and Arctic Engineering，2001，123（4）：191-197.

［16］ CARLTON J S.Marine propellers and propulsion［M］.3rd ed.Oxford：Butterworth-Heinemann Ltd，2012.

［17］ 熊鷹.非均勻流中螺旋槳空泡及脈動壓力的數(shù)值和試驗研究［D］.武漢：武漢理工大學(xué)，2002. XIONG Ying.Numerical and experimental research on propeller-induced pressure fluctuations and cavitation in non-uniform flow［D］.Wuhan：Wuhan University of Technology，2002.

［18］ 王國強(qiáng)，董世湯.船舶螺旋槳理論與應(yīng)用［M］.哈爾濱：哈爾濱工程大學(xué)出版社，2007. WANG Guoqiang，DONG Shitang.The theory and application of propellers［M］.Harbin：Harbin Engineering University Press，2007.

Application of particle swarm optimization theory in skew distribution of propeller

HUANG Bin1，XIONG Ying1，WANG Bo2

1 Department of Naval Architecture Engineering，Naval University of Engineering，Wuhan 430033，China

2 Shanghai Shipbuilding Technology Research Institute，Shanghai 200032，China

In order to reduce the excitation force of the propeller on a ship's hull surface,a hybrid method of the Particle Swarm Optimization(PSO)algorithm of the intelligent optimized field and panel method is adopted to optimize the propeller's skew distribution.The mathematical model and main process of the PSO algorithm in the optimization design of the skew distribution is given,and a Seiun-Maru HSP propeller is taken as the prototype.Three different skew distributions are obtained through calculations.The results show that the axial coefficients of thrust and torque for the optimal scheme are reduced significantly at Blade Passing Frequency(BPF)and 2 BPF,while the thrust and torque of the propeller show no such reduction.In brief,optimizing the skew distribution of the blades effectively improves the propeller's performance in unsteady fields,and the PSO algorithm is proven to optimize skew distribution for propeller engineering.

skewed propeller；panel method；particle swarm optimization；optimization design

U664.33

A

10.3969/j.issn.1673-3185.2016.06.013

2016-05-18

時間：2016-11-18 15:19

國家自然科學(xué)基金資助項目（51479207）

黃斌，男，1991年生，碩士生。研究方向：艦船流體動力性能。E-mail：284663679@qq.com熊鷹（通信作者），男，1958年生，博士，教授。研究方向：艦船流體動力性能。E-mail：xiongying0920@163.com

http://www.cnki.net/kcms/detail/42.1755.tj.20161118.1519.026.html 期刊網(wǎng)址：www.ship-research.com

黃斌，熊鷹，王波.基于粒子群算法的螺旋槳側(cè)斜分布優(yōu)化［J］.中國艦船研究，2016，11（6）：83-89. HUANG Bin，XIONG Ying，WANG Bo.Application of particle swarm optimization theory in skew distribution of propelle［rJ］.Chinese Journal of Ship Research，2016，11（6）：83-89.