基于遺傳算法的VLCC貨油艙分艙優(yōu)化

王志剛，周 旭

(南通中遠(yuǎn)海運(yùn)川崎船舶工程有限公司，江蘇 南通 226005)

0 引 言

船舶的優(yōu)化設(shè)計(jì)理論及技術(shù)在降低船舶建造成本和提高船舶整體性能方面已經(jīng)卓有成效，其研究成果已經(jīng)廣泛地應(yīng)用到散貨、集裝箱及油輪等船型的優(yōu)化設(shè)計(jì)中。船體結(jié)構(gòu)重量是關(guān)乎船舶經(jīng)濟(jì)性和環(huán)保性的重要因素，是衡量船舶設(shè)計(jì)方案優(yōu)劣的重要指標(biāo)。對(duì)于超大型油船，船體所受的靜水彎矩是影響船體結(jié)構(gòu)重量的重要因素，而貨油艙分艙方案直接決定了靜水載荷的大小和分布情況，從而影響靜水彎矩的大小。因此，以較小靜水彎矩為目標(biāo)的分艙優(yōu)化已成為船舶優(yōu)化設(shè)計(jì)的重要研究方向。

尚寶國(guó)[1]重點(diǎn)研究超大型油船壓載艙的分艙優(yōu)化，考慮到超大型油船最大的中拱彎矩通常發(fā)生在壓載出港時(shí)所有壓載艙全滿的URS11校核工況，針對(duì)性地提出一種壓載艙分艙優(yōu)化方案，實(shí)現(xiàn)降低船體最大靜水中拱彎矩的目標(biāo)。張建波等[2]針對(duì)變邊艙分艙對(duì)降低總縱彎矩的影響進(jìn)行了研究，通過(guò)對(duì)比篩選，得到一型可同時(shí)降低航行中拱與中垂彎矩、在港中拱彎矩的變邊艙分艙方案。顧柳婷等[3]以船型、主尺度以及貨油艙總艙容確定為前提條件，以靜水彎矩最小為優(yōu)化目標(biāo)，并以滿足意外溢油量和假定溢油量、破損穩(wěn)性、完整穩(wěn)性以及浮態(tài)等要求為限制條件，利用“窮舉法”進(jìn)行貨油艙橫艙壁位置的優(yōu)化。袁永生等[4]針對(duì)散貨船型，在NAPA中進(jìn)行二次開(kāi)發(fā)，程序?qū)崿F(xiàn)以各貨艙長(zhǎng)度為變量快速生成分艙方案，以此建立22種分艙方案，通過(guò)比較各分艙方案的彎矩剪力極值，選定最優(yōu)方案。

遺傳算法是一種通過(guò)模仿自然界的選擇與遺傳的機(jī)理來(lái)搜索最優(yōu)解的方法，目前逐步在船舶工程各領(lǐng)域獲得應(yīng)用。該方法在航線優(yōu)化、壓載水交換、主尺度確定、艙室布置、浮態(tài)和穩(wěn)性計(jì)算以及結(jié)構(gòu)優(yōu)化等方面均獲得良好應(yīng)用[5]。本文將探索以NAPA三維設(shè)計(jì)軟件為平臺(tái)，通過(guò)二次開(kāi)發(fā)實(shí)現(xiàn)分艙方案的參數(shù)化建模以及裝載工況的自動(dòng)計(jì)算。在此基礎(chǔ)上，利用遺傳算法進(jìn)行以橫艙壁位置為變量的靜水彎矩最小為目標(biāo)的分艙優(yōu)化。

1 參數(shù)化分艙

目前船舶設(shè)計(jì)中，設(shè)計(jì)者通常是在TRINBON或者NAPA等三維設(shè)計(jì)軟件中，通過(guò)可視化手動(dòng)建?；蛘呃脤?xiě)命令的方式進(jìn)行分艙建模。這種方式建模周期較長(zhǎng)，效率低，并且由于建模過(guò)程較為復(fù)雜，容易出錯(cuò)。因此，無(wú)法通過(guò)該方式實(shí)現(xiàn)大量的分艙方案研究。

本文應(yīng)用NAPA的二次開(kāi)發(fā)功能[6]，實(shí)現(xiàn)以貨艙區(qū)域橫艙壁位置為變量的參數(shù)化分艙建模。若某VLCC貨油艙區(qū)域分成n個(gè)貨油艙段，則貨艙區(qū)域各橫艙壁位置為x(bh1),x(bh2),x(bh3), ……,x(bh(n-1))。在貨油艙區(qū)域以外的其他艙室定義完成之后，給定各橫艙壁位置數(shù)值，運(yùn)行便可生成分艙模型。若修改橫艙壁位置數(shù)值，運(yùn)行后便可生成一個(gè)新的分艙模型。

2 基于遺傳算法的優(yōu)化模型

2.1 設(shè)計(jì)變量

本文的重點(diǎn)是VLCC貨油艙的分艙優(yōu)化設(shè)計(jì)。船舶主尺度、總布置、貨艙數(shù)量及分艙型式是設(shè)計(jì)前提條件。當(dāng)首尾防撞艙壁確定以后，貨油艙長(zhǎng)度由機(jī)艙長(zhǎng)度決定，而機(jī)艙長(zhǎng)度取決于機(jī)艙的布置需求。因此，可假設(shè)貨油艙區(qū)域最前端艙壁和最后端艙壁的位置固定，只有貨油艙區(qū)域內(nèi)橫艙壁位置可變。假設(shè)貨油艙區(qū)域分成n個(gè)貨油艙段，則優(yōu)化參數(shù)為中間各橫艙壁位置x(bh1),x(bh2),x(bh3), ……x(bh(n-1))，具體優(yōu)化參數(shù)如圖1所示。

圖1 優(yōu)化參數(shù)示意圖Fig.1 Optimization variable diagram

2.2 優(yōu)化目標(biāo)

相比靜水剪力，靜水彎矩是決定船體結(jié)構(gòu)重量的主導(dǎo)因素，因此選擇船體梁所受的靜水彎矩最小作為優(yōu)化目標(biāo)。在一定的裝載工況下，船體梁靜水彎矩的大小主要取決于貨物重量分布、船體結(jié)構(gòu)自身重量分布以及船體所受浮力分布等因素的影響[3]。VLCC貨油艙區(qū)域橫艙壁位置的移動(dòng)，主要是導(dǎo)致貨艙區(qū)域貨油以及壓載水重量分布的變化，進(jìn)而使得船體梁受到的靜水彎矩變化。

通常VLCC需要考慮60多種裝載工況，如果對(duì)所有工況都進(jìn)行配載計(jì)算，將花費(fèi)較長(zhǎng)時(shí)間，遺傳算法優(yōu)化工程花費(fèi)時(shí)間較長(zhǎng)，不實(shí)用。而一般靜水彎矩較大的極端工況主要是幾種典型的裝載工況。因此，為了提高優(yōu)化效率，選擇容易產(chǎn)生靜水彎矩極值的幾種典型裝載工況進(jìn)行配載計(jì)算。本文考慮的典型工況有：

1）夏季吃水均值滿載出港、中途、到港狀態(tài)；

2）設(shè)計(jì)吃水均值裝載出港、中途、到港狀態(tài)；

3）正常壓載出港、中途、到港狀態(tài)；

4）重壓載出港、中途、到港狀態(tài)；

5）H-CSR要求的針對(duì)部分壓載的空滿校核（URS11要求）。

船體梁受到的靜水彎矩包括中拱彎矩和中垂彎矩。在NAPA中完成工況配載后，計(jì)算可得到沿船長(zhǎng)各截面處所受到的彎矩值，負(fù)值的為中垂彎矩，正值的為中拱彎矩。中拱彎矩和中垂彎矩同時(shí)影響船體重量，因此，本文同時(shí)考慮中拱彎矩和中垂彎矩的優(yōu)化。最終選擇中拱彎矩和中垂彎矩極大值的絕對(duì)值，然后取二者的平均值BMave，作為優(yōu)化目標(biāo)。

2.3 優(yōu)化流程

遺傳算法是模擬自然界生物遺傳和進(jìn)化過(guò)程而形成的一種全局優(yōu)化搜索算法。首先經(jīng)過(guò)種群初始化能得到一組初始種群，在種群中搜索局部最優(yōu)解保存作為全局最優(yōu)解，并對(duì)種群個(gè)體作選擇、交叉、變異等操作得到下一代的種群。下一代種群中的局部最優(yōu)解比較全局最優(yōu)解并取代之，如此循環(huán)進(jìn)化得到最終的最優(yōu)解的個(gè)體。

首先根據(jù)設(shè)計(jì)經(jīng)驗(yàn)或參考母型船設(shè)定橫艙壁初始位置，并根據(jù)規(guī)范要求及生產(chǎn)工藝限制設(shè)定變量的上下限。初始化是根據(jù)初始橫艙壁位置生成初始分艙模型，并進(jìn)行工況配載，計(jì)算得到初始BMave。遺傳算法通過(guò)評(píng)估BMave進(jìn)行設(shè)計(jì)變量的選擇、交叉、變異，從而修改橫艙壁位置，進(jìn)而重新建模計(jì)算。如此循環(huán)迭代，直到優(yōu)化得到滿足條件的最優(yōu)解或者達(dá)到迭代代數(shù)限制。遺傳算法分艙優(yōu)化流程如圖2所示。

通過(guò)遺傳算法優(yōu)化，可得到關(guān)于橫艙壁位置的一組最優(yōu)解序列。但是根據(jù)有關(guān)規(guī)范公約規(guī)定，VLCC分艙還必須滿足意外溢油量和假定溢油量、完整穩(wěn)性以及破損穩(wěn)性等方面的要求。最后對(duì)最優(yōu)解序列按照倒序進(jìn)行上述規(guī)范校核，剔除不滿足要求的解，便可以得到優(yōu)化結(jié)果。

圖2 優(yōu)化流程Fig.2 The process of optimization

3 VLCC優(yōu)化計(jì)算實(shí)例

3.1 優(yōu)化船型

以32萬(wàn)噸VLCC為研究對(duì)象，進(jìn)行分艙優(yōu)化，其主參數(shù)見(jiàn)表1。

表1 船型主參數(shù)表Tab.1 Main dimensions of the ship

該型VLCC采用雙底雙殼結(jié)構(gòu)，整個(gè)貨油艙區(qū)域通過(guò)4道中間橫艙壁、2道內(nèi)殼縱艙壁以及2道中間縱艙壁，分成5個(gè)中貨油艙和5對(duì)邊貨油艙。該型VLCC貨油艙分布如圖3所示。

圖3 某32萬(wàn)噸VLCC貨油艙分布示意圖Fig.3 Subdivision diagram of 320 K VLCC

3.2 遺傳算法設(shè)定

其中遺傳算法的主要控制參數(shù)為群體規(guī)模、交叉概率、變異概率，研究表明合理參數(shù)范圍為：種群規(guī)模M，20～100；交叉概率Pc，0.4～0.9；變異概率Pm，0.001～0.01[7]。本文遺傳算法主要控制參數(shù)群體規(guī)模、交叉概率、變異概率，分別取值為20，0.9，0.01。

考慮實(shí)例船型裝卸貨操作便利性要求，限制2號(hào)、3號(hào)和4號(hào)貨油艙艙長(zhǎng)相同，僅1號(hào)和5號(hào)貨油艙艙長(zhǎng)可各不相同。因此，該實(shí)例優(yōu)化設(shè)計(jì)變量簡(jiǎn)化為x（bh1）和x（bh4）。合理的設(shè)計(jì)變量取值范圍可以提高遺傳算法的搜索效率，并且確保得到足夠有效的可行解。設(shè)計(jì)變量設(shè)定如表2所示。

表2 橫艙壁位置初始設(shè)定Tab.2 Initial setting of transverse bulkheads

3.3 優(yōu)化結(jié)果

針對(duì)上述優(yōu)化模型，利用遺傳算法搜索最優(yōu)解，優(yōu)化目標(biāo)隨迭代過(guò)程變化如圖4所示。

圖4 遺傳算法優(yōu)化過(guò)程Fig.4 Genetic algorithm optimization process

隨遺傳迭代前進(jìn)，優(yōu)化目標(biāo)呈減小趨勢(shì)，并且最后趨于穩(wěn)定。經(jīng)校核，優(yōu)化結(jié)果滿足浮態(tài)、完整穩(wěn)性、破損穩(wěn)性、意外溢油量和假定溢油量等方面的要求。優(yōu)化結(jié)果與初始值對(duì)比如表3所示，靜水彎矩BMave經(jīng)過(guò)優(yōu)化，減小2.3%。

對(duì)比優(yōu)化前后各典型工況彎矩極值包絡(luò)線，如圖5所示。

表3 優(yōu)化結(jié)果對(duì)比表Tab.3 Comparison of the optimized result

圖5 優(yōu)化前后彎矩包絡(luò)線對(duì)比圖Fig.5 The bending moment envelop before and after optimization

從圖5可以看出，橫艙壁位置優(yōu)化對(duì)于各工況中拱彎矩極值包絡(luò)線影響非常小，理論分析是因?yàn)橹泄皬澗匕j(luò)線由貨艙區(qū)域所有壓載艙均滿的壓載工況決定，而橫艙壁位置的變化對(duì)該典型工況的靜水彎矩幾乎無(wú)影響；通過(guò)遺傳算法優(yōu)化，各典型工況中垂彎矩極值包絡(luò)線整體明顯減小。

4 結(jié) 語(yǔ)

針對(duì)超大型油船，本文建立了以橫艙壁位置為變量的參數(shù)化分艙建模方法，大大提高了建模效率，降低了人為差錯(cuò)率。同時(shí)，參數(shù)化分艙建模也是引入全局優(yōu)化算法的前提條件。本文將遺傳算法應(yīng)用到超大型油船的橫艙壁位置優(yōu)化中，從而進(jìn)行全局搜索最優(yōu)解，大大提高了優(yōu)化效率以及優(yōu)化結(jié)果的質(zhì)量。目前的分艙還處于經(jīng)驗(yàn)決定或者采用局部?jī)?yōu)化策略等方式，因此，基于遺傳算法的全局優(yōu)化思路值得向分艙優(yōu)化的其他領(lǐng)域推廣應(yīng)用，如雙殼寬度優(yōu)化，艏尖艙艙容優(yōu)化等。