鋼質(zhì)海洋漁船中剖面結(jié)構(gòu)優(yōu)化設(shè)計(jì).docx

1、DOI：10.3969/j.issn.1007-9580.2019.01.011鋼質(zhì)海洋漁船中剖面結(jié)構(gòu)優(yōu)化設(shè)計(jì)隋江華微，閻冰'(1大連海洋大學(xué)航海與船舶工程學(xué)院，遼寧大連116023；2大連市漁船安全技術(shù)工程技術(shù)研究中心，遼寧大連116023)摘要：綠色漁船是漁船未來發(fā)展必經(jīng)之路，對漁船進(jìn)行中剖面結(jié)構(gòu)優(yōu)化達(dá)到節(jié)能減排的目的可使其符合漁船發(fā)展趨勢。采用改進(jìn)蟻群算法對海洋漁船中剖面結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)，選取縱向構(gòu)件的板厚、剖面積、件間距等18個(gè)構(gòu)件尺寸作為設(shè)計(jì)變量，建立以單位長度中剖面縱向構(gòu)件質(zhì)量輕量化的目標(biāo)函教，根據(jù)鋼質(zhì)海洋漁船建造規(guī)范(2015)>提取總縱強(qiáng)度等8個(gè)約束條件，從而建立

2、海洋漁船中割面結(jié)構(gòu)優(yōu)化數(shù)學(xué)模型。改進(jìn)的蟻群算法對該模型進(jìn)行優(yōu)化計(jì)算，結(jié)果顯示：43m流刺網(wǎng)漁船的中剖面縱向結(jié)構(gòu)船段長度的質(zhì)量共減輕12.43%,且改進(jìn)后的蟻群算法更為適用于漁船結(jié)構(gòu)優(yōu)化設(shè)計(jì)。經(jīng)過中剖面結(jié)構(gòu)優(yōu)化的漁船自重明顯變輕，栽貨量增加，漁船經(jīng)濟(jì)性得到改善，漁船的能效水平得到了提高。關(guān)鍵詞：蟻群算法；姑構(gòu)優(yōu)化；漁船；中剖面中圖分類號:U663.89文獻(xiàn)標(biāo)志碼:A文章編號：1007-9580(2019)01-067-07收稿日期：2018-10-01基金項(xiàng)目：遼寧省海洋與漁業(yè)廳項(xiàng)目“遼寧省標(biāo)準(zhǔn)化漁船選型工作(042217021)"；農(nóng)業(yè)部漁船檢驗(yàn)局項(xiàng)目“漁業(yè)船舶較船師教學(xué)虛擬平臺(tái)建設(shè)

3、(070517020)"作者簡介:隋江華(1976-),女，教授，博士，研究方向：船型優(yōu)化oE-mail：9jh<S>2017年中國漁船總數(shù)址已達(dá)101.11萬®JJ，其中大量的“老舊木”漁船及不斷增長的海運(yùn)需求對環(huán)境的污染日漸顯著，發(fā)展綠色漁船是漁船未來必經(jīng)之路。相比于其他綠色漁船優(yōu)化的方法，本文的結(jié)構(gòu)優(yōu)化設(shè)計(jì),其優(yōu)勢在于不需要對漁船型線和漁船布置進(jìn)行改變，可直接減少造船時(shí)所用鋼材及減小船舶自重，從而達(dá)到優(yōu)化船舶的目的。20世紀(jì)60年代中期，Moe等印發(fā)表了關(guān)于汽車運(yùn)輸船甲板優(yōu)化的論文，首次把數(shù)學(xué)規(guī)劃論應(yīng)用于船舶結(jié)構(gòu)領(lǐng)域。根據(jù)各國相應(yīng)的設(shè)計(jì)規(guī)范要求不同，國外部

4、分學(xué)者采用模擬退火法對船舶中橫剖面結(jié)構(gòu)進(jìn)行結(jié)構(gòu)優(yōu)化設(shè)計(jì)，Sekulski等選取板厚度、縱向加勁肋和橫向框架的尺寸和間距作為設(shè)計(jì)變量:，應(yīng)用遺傳算法對某高速雙體客船中剖面結(jié)構(gòu)進(jìn)行多目標(biāo)優(yōu)化。近年來國內(nèi)多數(shù)學(xué)者采用智能算法進(jìn)行研究,如遺傳算法、粒子群算法、蟻群算法等。欽倫洋應(yīng)用控制算法與有限元計(jì)算和規(guī)范約束對某三體船進(jìn)行拓?fù)鋬?yōu)化設(shè)計(jì)，達(dá)到了船舶結(jié)構(gòu)輕量化設(shè)計(jì)研究的目的O鄧良將靈敏度分析、人工神經(jīng)網(wǎng)絡(luò)、最優(yōu)化方法和有限元法集成應(yīng)用到船舶結(jié)構(gòu)輕量化研究中，最后全船的質(zhì)量與未優(yōu)化之前相比減輕了11.8%。郭曉基于極限承載能力應(yīng)用多目標(biāo)優(yōu)化方法，對江海直達(dá)船中剖面結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)并表明結(jié)果可行?；旌险麛?shù)、

5、離散規(guī)劃、模擬退火等算法試圖解決船舶優(yōu)化中的計(jì)算速度慢、計(jì)算復(fù)雜等問題，但沒有明顯提高對整數(shù)與離散型變扯處理的有效性。針對上述問題，本研究采用高斯變異算法對蟻群算法進(jìn)行改進(jìn),達(dá)到增強(qiáng)蟻群算法尋優(yōu)速度,簡化計(jì)算過程的目的。在不影響原有漁船的靜水力穩(wěn)性、航行操作性能以及魚艙艙容及布置的前提下，將中橫剖面上主要構(gòu)件的板厚、剖面積、件間距等作為設(shè)計(jì)變量，以單位長度中剖面結(jié)構(gòu)質(zhì)量輕量:化為目標(biāo)函數(shù).根據(jù)鋼質(zhì)海洋漁船建造規(guī)范(2015)>,0提取約束條件，采用改進(jìn)蟻群算法對某海洋漁船中剖面結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)。1鋼質(zhì)海洋漁船中剖面結(jié)構(gòu)優(yōu)化設(shè)計(jì)模型11已知條件(1)漁船主尺度。已知條件主要包括以下數(shù)據(jù):船

6、長L(m);垂線間長L(m)；型寬B(m)；型深(m)；設(shè)計(jì)吃水J(m)；載重量驢(t)；設(shè)計(jì)航速U(m/s)；方形系數(shù)G,。(2)中橫剖面參數(shù)°對43m流刺網(wǎng)漁船中第4號魚艙艙段中剖面結(jié)構(gòu)進(jìn)行優(yōu)化。中剖面參數(shù)包括中剖面各構(gòu)件的尺寸、間距等，代號及名稱見表1，示意圖如圖1。表1中橫剖面縱向構(gòu)件參數(shù)表Tab.1Longitudinalcomponentparametersofmid-section代號名稱代號名稱Al魚艙上甲板板厚A8舷墻板板厚A2你艙外板板厚B1舷墻上球扁鋼剖面積A3魚艙中部船底板板厚B2毗部扁鋼剖面積A4中內(nèi)龍骨上的縱骨型材面板板厚B3眥部圓鋼剖面積A5魚艙內(nèi)旁內(nèi)龍

7、骨縱骨型材面板板厚C1上甲板縱桁之間間距A6魚艙內(nèi)上甲板縱桁面板板厚C2旁內(nèi)龍骨之間間距A7伯艙艙壁水平桁面板板厚D1眥部列板的半徑r*BlA2*H7(i.圖i中橫剖面結(jié)構(gòu)參數(shù)示意圖Fig.1Diagramofparametersofmid-sectionstructure12變量選取通過對船中第4號魚艙艙段中橫剖面所需滿足的總縱強(qiáng)度、局部強(qiáng)度及構(gòu)件尺寸進(jìn)行分析，在該剖面上選取單位長度的縱向板材和縱向型材的板厚、剖面積及件間距等18個(gè)設(shè)計(jì)變量，其中，構(gòu)件板厚代號及名稱、剖面積代號及名稱、件間距代號及名稱見表2,示意圖如圖2。表2中橫剖面縱向構(gòu)件設(shè)計(jì)變景代號及名稱Tab.2Codeandname

8、ofdesignvariablesforlongitudinalcomponentsofmid-section代號名稱代號名稱X,主甲板1板厚，板寬X.0上甲板縱桁2板厚.板寬X2主甲板2板厚，板寬Xn魚艙艙壁水平桁板厚，板寬X,舷側(cè)外板板厚，板寬X12舷墻板厚，板寬X4敝部外板板厚，板寬X13舷墻球扁鋼剖面積，數(shù)量X,船底部外板1板厚，板寬X“眥部刷鋼1剖面積，數(shù)量船底板外板2板厚，板寬X.5眥部扁鋼2剖面積，數(shù)量X,中內(nèi)龍骨板厚，板寬XI6眥部圓鋼剖面積，數(shù)信X,伯艙旁內(nèi)龍骨板厚.板寬X.,上甲板縱桁之間的距離A上甲板縱桁1板厚，板寬X.»旁內(nèi)龍骨之間的距離圖2中橫剖面設(shè)計(jì)變量示

9、意圖Fig.2Designvariablesformid-section1.3初始質(zhì)量計(jì)算船中第4號魚艙肋骨間距為500mm(半個(gè)橫剖面，包含眥龍骨)。初始質(zhì)量計(jì)算公式：W=W.+W2(1)Wx=PxL4x葺叩,X10-3(2)W2=PxLx葺加X10-4(3)式中：此一艙段初始質(zhì)量,kg；虬一板材質(zhì)量,kg；吃一骨材質(zhì)量Mg；P鋼材密度，"=7.85xIO3kg/m3；A4-第4號魚艙艙段長度入=4.5m；a,對應(yīng)板材寬度，m；Xi對應(yīng)板材厚度，mm；號一對應(yīng)型材個(gè)數(shù)巧一對應(yīng)型材面積,cm2o將上述數(shù)據(jù)代入計(jì)算得：中=3.38t。14約束條件對漁船中剖面進(jìn)行結(jié)構(gòu)優(yōu)化還需要使?jié)O船的總

10、縱強(qiáng)度、局部強(qiáng)度及彎曲強(qiáng)度等得到保證，因此，在鋼質(zhì)海洋漁船建造規(guī)范(2O15)>,OJ提取8個(gè)約束條件,g(X)j為約束條件公式。以下列舉四個(gè)較為重要的約束條件公式：(1) 中橫剖面慣性矩約束條件(根據(jù)鋼質(zhì)海洋漁船建造規(guī)范(2015),0選取)。船中橫剖面對水平中和軸的剖面模數(shù)應(yīng)滿足：Wo=ClB(Cb+0.7)(4)式中：船中橫剖面對水平中和軸最小的剖面模數(shù),cm'C-系數(shù)，取值為C=5.77通一船長,m；8-型寬,m；C，一方形系數(shù)。船中橫剖面對水平中和軸的慣性矩應(yīng)滿足：=上即g(X)|=(5)式中:/一船中橫剖面水平中和軸的慣性矩,cm'上.一船中橫剖面對水平中和軸

11、的最小慣性矩,cm。船中橫剖面對水平中和軸最小的剖面模數(shù),cn?；!；-船長,m。(2) 應(yīng)力約束條件(根據(jù)鋼質(zhì)海洋漁船建造規(guī)范(2015)°)：g("=1-缶(6)/mid式中:Anid-該組設(shè)計(jì)變址所決定的中橫剖面慣性矩,cm4；g(X)3=1(7)式中一橫剖面上最大的正應(yīng)力值，N/mm2,具體求解方法如式(6)所示;許用彎曲應(yīng)力=224.36N/mm2o式中:彎矩分布系數(shù)；/一中橫剖面慣性矩,cm4；Z-中和軸到強(qiáng)力甲板邊線的垂直距離加上縱向構(gòu)件的高度,mm；N一靜水切力，N；4剖面面積,cm2og(X),=l-嚀件(9)LtJ式中:丁一橫剖面內(nèi)各構(gòu)件的剪應(yīng)力值,N/

12、mm2；許用剪應(yīng)力丁=141.03N/mm2o15目標(biāo)函數(shù)建立本文采用高斯變異算法對蟻群算法進(jìn)行改進(jìn),適用于解決無約束目標(biāo)函數(shù)，因此將有約束的目標(biāo)函數(shù)/(X)應(yīng)用罰函數(shù)法，把約束條件函數(shù)g(X)作為罰函數(shù)項(xiàng)加入/'(X)目標(biāo)函數(shù)中,轉(zhuǎn)換為無約束的目標(biāo)函數(shù)9(X)：8甲孩)=/(X)l-Cp£min0,g(X)J(10)1216fW=PxLx(£a莒+£妃/10)乂10°(11)t=1;=13式中頂X)有約束的目標(biāo)函數(shù);g(X)L約束條件函數(shù)，Cp罰函數(shù)中的罰因子，本文取值為0.05；P鋼材密度,P=7.85xio3kg/m)%對應(yīng)板材寬度,m；豹

13、一對應(yīng)板材厚度,mm；bj對應(yīng)型材個(gè)數(shù)巧一對應(yīng)型材面積,cn?。2改進(jìn)蟻群算法2.1蟻群算法的基本模型1992年意大利學(xué)者通過模擬自然界中螞蟻集體尋找食物而得出最短路徑的行為中提出了蟻群算法蟻群算法被喬東平等L稱為是一種群體智能仿生啟發(fā)式算法。蟻群算法中人工螞蟻模仿真實(shí)螞蟻的自然行為,人工螞蟻之間通過路徑上殘留的信息素進(jìn)行交流，并由蟻群完成對陌生路徑進(jìn)行探索并尋找出最短路徑。如圖3所示，開始對路徑搜索時(shí)每個(gè)路徑被螞蟻選擇概率相同，經(jīng)過一個(gè)單位時(shí)間后，由于BCD的長度是BHD的1/2,且假設(shè)每只螞蟻在路徑上釋放的信息素等量，則BCD路徑上的信息素濃度將是BHD路徑上的兩倍。隨著時(shí)間的推移,螞蟻將

14、會(huì)以越來越大的概率選擇BCD,直至最終完全選擇BCD路徑,從而找到最優(yōu)的覓食路徑。對適用于漁船中剖面結(jié)構(gòu)優(yōu)化設(shè)計(jì)的蟻群算法基礎(chǔ)數(shù)學(xué)模型進(jìn)行分析。（1）初始時(shí)刻人工螞蟻將以任意一構(gòu)件為起始點(diǎn)隨機(jī)選擇訪問下一構(gòu)件，且每個(gè)構(gòu)件只會(huì)被選擇一次，最終回到初始構(gòu)件，并在最后所有路徑中選擇出最短路徑。人工螞蟻在尋找最優(yōu)路徑中將依據(jù)路徑上的信息素及期望信息進(jìn)行轉(zhuǎn)移概率計(jì)算如式（10）：尸也）=七（£）a（，）0'_£以（，）"孔（。胃（12）"（£）=0式中:P：（D在時(shí)刻為，的時(shí)候螞蚊A由構(gòu)件，向構(gòu)件，轉(zhuǎn)移的概率;。一信息素對路徑轉(zhuǎn)移的影響程度;&#

15、163;一期望信息對路徑轉(zhuǎn)移的影響程度;七（£）一£時(shí)刻城市，與城市，路徑上的信息量;外（£）-啟發(fā)函數(shù)，外=1/%；%兩相鄰城市之間的距離；/蕓M螞蟻k下一步允許選擇的城市。（2）當(dāng)螞蟻在游歷過所有構(gòu)件后需要為下次迭代提供有效信息，因此，需要對上次所殘留信息進(jìn)行更新處理，按照式（13），7進(jìn)行更新。Tt+H）=（1-p）-Tv（t）+At”£）m（13）饑（。=£*（，）式中:P信息素蒸發(fā)系數(shù);（1-p）為信息素殘留量;七（£）一本次循環(huán)中i至，設(shè)計(jì)變量之間的信息素殘量;（£）一第k只螞蟻在本次循環(huán)中由構(gòu)件i到構(gòu)件j之間的

16、信息素殘量。2.2蟻群算法的改進(jìn)所需進(jìn)行的鋼質(zhì)海洋漁船中剖面結(jié)構(gòu)優(yōu)化問題是離散優(yōu)化問題,需要對上述算法進(jìn)行相對應(yīng)的改進(jìn)。文中的設(shè)計(jì)變量之間的路徑距離即是應(yīng)用單位長度質(zhì)量等其實(shí)參數(shù)代替所虛設(shè)的距離%。對蚊群算法改進(jìn)部分主要體現(xiàn)在螞蟻選擇新路徑時(shí)，采用高斯變異算法對蟻群算法中的重點(diǎn)區(qū)域進(jìn)行局部搜索。各個(gè)螞蟻對高斯函數(shù)的中值和標(biāo)準(zhǔn)差進(jìn)行動(dòng)態(tài)調(diào)整睇，將原有變量數(shù)應(yīng)用一個(gè)符合正態(tài)分布的隨機(jī)數(shù)來替代,從而使搜索路徑的多樣性得到保證，避免算法早熟收斂。具體實(shí)現(xiàn)高斯變異算法步驟如下:將符合正態(tài)分布的隨機(jī)數(shù)q用一些符合均勻分布的隨機(jī)數(shù)禪=1,2,3,12）進(jìn)行表示，當(dāng)隨機(jī)數(shù)qN（m/）時(shí)，可求得：12q=m+s

17、X（£&_6）（14）式中:隊(duì)一服從正態(tài)分布的隨機(jī)數(shù)q的期望;s一服從正態(tài)分布的隨機(jī)數(shù)q的方差E符合均勻分布的隨機(jī)數(shù)。設(shè)X為各個(gè)構(gòu)件=1/U）集合，則在蟻群進(jìn)行局部搜索X=Xi9X29X39A9Xk9A9x向乂=Xl,X2fX3fA9Xk9AfXlt進(jìn)行高斯變異時(shí)，如果構(gòu)件凡的定義域?yàn)槭?，打，同時(shí)，假設(shè)m=（兒+兒）/2,s=（0。）/6,則可計(jì)算出隨機(jī)被選擇的構(gòu)件£：xk=2-+-&-x（Z七-6）（15）式中:。一隨機(jī)被選擇的構(gòu)件樵的左邊界；兒一隨機(jī)被選擇的構(gòu)件X.右邊界E一符合均勻分布的隨機(jī)數(shù)。3優(yōu)化算例3.1基于改進(jìn)蚊群算法的中橫剖面結(jié)構(gòu)優(yōu)化方法計(jì)算

18、步驟采用改進(jìn)蟻群算法對某43m流刺網(wǎng)漁船的中橫剖面結(jié)構(gòu)進(jìn)行結(jié)構(gòu)優(yōu)化設(shè)計(jì)計(jì)算,具體計(jì)算步驟如下。步驟1:輸入目標(biāo)函數(shù)公式（10）,對程序進(jìn)行初始設(shè)置；步驟2：設(shè)置初始迭代次數(shù)N=0,最大迭代次數(shù)為X=50,蟻群規(guī)模為K=30,信息素蒸發(fā)系數(shù)取值為R=0.9,信息素增加強(qiáng)度取值為。=1,進(jìn)行輸出變量初始化；步驟3：將m只螞蟻置于第一級，每只螞蟻按照相同概率進(jìn)行轉(zhuǎn)移后，應(yīng)用高斯變異對重點(diǎn)區(qū)域進(jìn)行局部搜索后產(chǎn)生新的解，直至每只螞蟻完成對設(shè)計(jì)變量的搜索后計(jì)算本次目標(biāo)函數(shù)值f;步驟4：按照信息素更新公式（13）朝著信息最大的地方進(jìn)行轉(zhuǎn)移.得出一條目標(biāo)函數(shù)最小的路徑所對應(yīng)的信息素矩陣元素,M-N+1；步驟5

19、：若Ng”則停止運(yùn)行，根據(jù)信息素矩陣選擇節(jié)點(diǎn)，否則轉(zhuǎn)向步驟3；步驟6：得出最優(yōu)解及最優(yōu)函數(shù)值。所設(shè)計(jì)編程程序的具體計(jì)算流程如圖4所示。NN圖4基于改進(jìn)蟻群算法的中橫剖面結(jié)構(gòu)優(yōu)化計(jì)算流程圖Fig.4Optimizationcalculationofmid-sectionstructurebasedonimprovedantcolonyalgorithm3.2優(yōu)化計(jì)算后結(jié)果分析經(jīng)過以上步驟迭代過后得出如表3所示結(jié)果。中橫剖面上主要構(gòu)件的板厚、剖面積、件間距等均不同程度得到優(yōu)化。將表3結(jié)果代入原中橫剖面再次計(jì)算其質(zhì)雖，即原始艙段質(zhì)址為3.38t,優(yōu)化后艙段質(zhì)量為2.96t,進(jìn)行結(jié)構(gòu)優(yōu)化設(shè)計(jì)的中橫剖面

20、艙段結(jié)構(gòu)共減輕質(zhì)量12.43%。劉宏亮應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對船舶結(jié)構(gòu)輕量化進(jìn)行研究,最后得到全船質(zhì)量比未優(yōu)化前減少11.8%?？梢?應(yīng)用改進(jìn)后蟻群算法對船舶結(jié)構(gòu)輕量化的效果明顯更為適用,所得出的結(jié)果更有利于漁船結(jié)構(gòu)輕址化研究。在對漁船進(jìn)行中橫剖面結(jié)構(gòu)優(yōu)化計(jì)算的過程中，發(fā)現(xiàn)蟻群算法較易于改進(jìn)，能夠適應(yīng)漁船結(jié)構(gòu)優(yōu)化設(shè)計(jì)。優(yōu)化過程中，通過高斯變異算法對重點(diǎn)區(qū)域的局部搜索，選擇出最為合適的路徑變量,從而能夠快速尋找到最優(yōu)解和最優(yōu)路徑。改進(jìn)后的蟻群算法所具有的高效性及正反饋機(jī)制表現(xiàn)很突出,在改動(dòng)一些參數(shù)和對該算法進(jìn)行修改時(shí)也優(yōu)化設(shè)計(jì)這種多元、離散問題，證明了改進(jìn)后的蟻依然能維持原先的功能，同時(shí)能夠解決漁船結(jié)

21、構(gòu)群算法依舊具有較強(qiáng)的魯棒性。表3中橫剖面結(jié)構(gòu)設(shè)計(jì)變量優(yōu)化后的結(jié)果Tab.3Resultsofdesignvariablesformid-sectionstructureafteroptimization設(shè)計(jì)變量名稱變量原設(shè)計(jì)值起始值終值步長蟻群優(yōu)化結(jié)果主甲板1板厚/mmX,851517主甲板2板厚/mmX2851517舷側(cè)外板板厚/mmX851517敝部外板板厚/mmX4851517船底部外板板厚/mmX,851517船底板外板板厚/mmX61051519中內(nèi)龍骨板厚/mmX7131020112魚艙旁內(nèi)龍骨板厚/mmX8951518上甲板縱絢1板厚/mmX9951518上甲板縱第2板厚/mm

22、X1O951518魚艙艙壁水平桁板厚/mmXu951518舷墻板厚/mmX12751516舷墻球扁鋼剖面積/cm，X”22.361525118.35敝部扁鋼1剖面積/cm'X,44.8110I4.8敝部扁鋼2剖面積/cm：X”161525116觥部圓鋼剖面Sl/cm2Xl67.0711014.9上甲板縱桁之間的距離/mmX“908595190旁內(nèi)龍骨之間的距離/mmX181501451551150突出,在改動(dòng)一些參數(shù)和對該算法進(jìn)行修改時(shí)也優(yōu)化設(shè)計(jì)這種多元、離散問題，證明了改進(jìn)后的蟻依然能維持原先的功能，同時(shí)能夠解決漁船結(jié)構(gòu)群算法依舊具有較強(qiáng)的魯棒性。表3中橫剖面結(jié)構(gòu)設(shè)計(jì)變量優(yōu)化后的結(jié)果

23、Tab.3Resultsofdesignvariablesformid-sectionstructureafteroptimization設(shè)計(jì)變量名稱變量原設(shè)計(jì)值起始值終值步長蟻群優(yōu)化結(jié)果主甲板1板厚/mmX,851517主甲板2板厚/mmX2851517舷側(cè)外板板厚/mmX851517敝部外板板厚/mmX4851517船底部外板板厚/mmX,851517船底板外板板厚/mmX61051519中內(nèi)龍骨板厚/mmX7131020112魚艙旁內(nèi)龍骨板厚/mmX8951518上甲板縱絢1板厚/mmX9951518上甲板縱第2板厚/mmX1O951518魚艙艙壁水平桁板厚/mmXu951518舷墻板厚

24、/mmX12751516舷墻球扁鋼剖面積/cm，X”22.361525118.35敝部扁鋼1剖面積/cm'X,44.8110I4.8敝部扁鋼2剖面積/cm：X”161525116觥部圓鋼剖面Sl/cm2Xl67.0711014.9上甲板縱桁之間的距離/mmX“908595190旁內(nèi)龍骨之間的距離/mmX1815014515511504結(jié)論根據(jù)鋼質(zhì)海洋漁船建造規(guī)范(2015)建立了鋼質(zhì)海洋漁船中橫剖面縱向結(jié)構(gòu)優(yōu)化設(shè)計(jì)模型，選取該剖面上主要構(gòu)件的對應(yīng)尺寸作為設(shè)計(jì)變量,對漁船中橫剖面結(jié)構(gòu)進(jìn)行漁船結(jié)構(gòu)輕量化研究。在設(shè)計(jì)優(yōu)化算法的過程中，為適應(yīng)文中所研究的問題,對蟻群算法局部重點(diǎn)搜索采用高斯變異

25、法進(jìn)行局部搜索，保證搜索路徑的多樣性，同時(shí)避免算法局部收斂，最終得到更為理想的優(yōu)化結(jié)構(gòu)。改進(jìn)后的蟻群算法在鋼質(zhì)海洋漁船中橫剖面結(jié)構(gòu)優(yōu)化問題上更為適用且可行，結(jié)構(gòu)輕量化的優(yōu)化結(jié)果更為適用于漁船結(jié)構(gòu)輕量化研究。采用改進(jìn)蚊群算法對鋼質(zhì)海洋漁船進(jìn)行結(jié)構(gòu)優(yōu)化設(shè)計(jì)，使其質(zhì)量得到明顯減輕。經(jīng)過船舶結(jié)構(gòu)優(yōu)化后的漁船可達(dá)到節(jié)能減排、提高經(jīng)濟(jì)性、改善漁船能效水平等效果,符合綠色漁船發(fā)展的趨勢。口參考文獻(xiàn)1農(nóng)業(yè)部漁業(yè)漁政管理局.中國漁業(yè)統(tǒng)計(jì)年«(2017)M.北京:中國農(nóng)業(yè)出版社,2017:62-63.2 賈濤寧.結(jié)構(gòu)輕糧化對船舶能效設(shè)計(jì)指數(shù)的影響研究I).大連:大連理工大學(xué),2016.3 王艷艷.蚊群算

26、法在油船結(jié)構(gòu)優(yōu)化設(shè)計(jì)中應(yīng)用研究D.哈爾濱:哈爾濱工程大學(xué).2009.4 PAYAI,YEPESV,GONZALEZ-VIDOSAF,ctal.MultobjeclivcoptimizationofconcreteframesbysimulatedannealingJ.Computer-AidedCivilandInfrastnictureEngineering,2008,23(8)：596-610.5'SEKULSK1Z.Multi-objectiveoptimizationofhighspeedvehicle-passengercatamaranbygeneticalgorithm:

27、PartIIComputationalsimulationsfJ.PolishMaritimeResearch,2011,18(2)：3-18.6 欽倫洋.基于拓?fù)鋬?yōu)化的船舶結(jié)構(gòu)輕量化研究D.大連:大連海事大學(xué),2016.7 鄧良.基于人工神經(jīng)網(wǎng)絡(luò)的5舶結(jié)構(gòu)輕量化研究D.濟(jì)南：濟(jì)南大學(xué),2014.8 郭曉.基于極限承栽能力的江海汽達(dá)船中剖面結(jié)構(gòu)優(yōu)化研究D.武漢:武漢理工大學(xué),2014.9 方小安，胡云昌.結(jié)構(gòu)可推性優(yōu)化設(shè)計(jì)的遺傳算法J.中國造船,1996(2):35-43.10 GB15114-2142,鋼質(zhì)海洋漁能建造規(guī)范(2015)S.11 劉宏亮.油船中削面結(jié)構(gòu)拓?fù)鋬?yōu)化研究D-上海:上海

28、交通大學(xué),2014.12 杜旭升，戴彤字.內(nèi)河船舶結(jié)構(gòu)T型材優(yōu)化設(shè)計(jì)J.黑龍江交通科技,2007,30(6):96-98.13 VIANAFA,HAFTKART.WATSONLT.EfficientglobaloptimizationalgorithmassistedbymultiplesurrogatetechniquesJ.JournalofGlobalOptimization,2013,56(2)：669-689.14 黃文超，趙新穎.洪志新.海洋漁船捕撈安全性分析J.漁業(yè)信息與故略,2015,30(1):40-44.15 喬東平，襄杰，肖艷秋，等.改進(jìn)蟻群算法及其應(yīng)用綜述J.軟件導(dǎo)刊,

29、2017(12):217-221.16DOR1GOM,CAROGD,GAMBARDELL4LM.AntAlgorithmsforDiscreteOptimizationJ.ArtiGcialLife,1999,5(2)：137-172.17 肖艷秋，焦建強(qiáng).喬東平.等蚊群算法的基本原理及應(yīng)用綜述J.輕工科技,2018,34(3)：69-72.18 周裊，葛洪偉.蘇樹智.基于信息素的自適應(yīng)連續(xù)域混合蚊群算法J.計(jì)算機(jī)工程與應(yīng)用,2017,53(6):156-161.19 高占鋒.船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法比較研究J.中國水運(yùn)，2017,38(11):38-39.20楊中秋.張延華，鄭志麗.基于改進(jìn)蚊群

30、算法對最短路徑問題的分析與仿JXJ.沈陽化工大學(xué)學(xué)報(bào),2009,23(2)：150-153.21 金嬌輝.小型雙甲板遠(yuǎn)洋拖網(wǎng)漁船結(jié)構(gòu)優(yōu)化設(shè)計(jì)J.船舶工程,2017(3).1-3.22 劉聞.蚊群算法及其應(yīng)用研究D.北京：北京郵電大學(xué),2014.Optimizationdesignofmid-sectionstructureofsteelfishingvesselSUIJianghua1,2,YANBing1(1SchoolofNavigation,andNavalArchitecture,DalianOceanUniversily,Dalian116023,Liaoning,China；2Da

31、lianFishingVesselSafetyTechnologyEngineeringResearchCenter,Dalian116023,Liaoning,China)Abstract:GreenfishingvesselistheonlywayforthefuturedevelopmentofGshingvessels.Theoptimizationofmid-sectionstructureofGshingvesselstoachievethegoalofenergysavingandemissionreductioncanmakeitinlinewiththedevelopmenttrendoffishingvessels.Theimprovedantcolonyalgorit