详情

原文传递航行数据驱动下船舶性能不确定性优化设计研究

论文题名：	航行数据驱动下船舶性能不确定性优化设计研究
关键词：	船舶设计;不确定性优化;数据驱动;航行性能;云模型
摘要：	目前船舶总体设计中确定性思想占主流，然而在实际工程问题中，优化设计方案会受到不确定性因素影响，例如风、流、浪等外界环境不确定性因素和船员操作误差等。往往这些不确定性因素的存在会导致设计变量和约束条件越出边界，导致无法得到设计方案最优解，使设计方案对外界不确定性因素的免疫能力降低，因此优化设计方案需要考虑不确定性因素。6sigma质量设计优化方法是制造业的一种重要的优化方法，既考虑了不确定性因素，又提升了设计约束的质量水平，提升设计方案的可靠性，将其应用于船舶总体设计中可提升设计方案的质量水平。然而对不确定性信息的数值提取是一项重点工作，目前航运界存在大量的航行数据，这些看似杂乱无章的大数据实则存在一定规律，数据挖掘理论作为一种先进的获取知识的方法，能从数据库中发现规律，将其中的时间序列理论应用于实船航行数据中，从中发现规律并提取不确定性信息可解决这一问题。因此为了实现船舶总体设计阶段航行性能的提升，致力于航行性能目标函数值的最大化，本文开展了以下研究：　　1、对已获取的实船航行数据进行船速不确定性信息提取。对有多种时间间距的船速时间序列进行等间距化处理，为方便研究，使用小波分析理论对时间序列进行降噪。为精准获取时间序列中的不确定性信息，使用差分法和极值法进行急剧变化分段和平稳变化分段，重点研究平稳变化时间序列分段；为精确获取船速不确定性，使用云模型理论建立正态云模型，使用正向、逆向云发生器扩充数据量得到更可靠的数据基础。并用正态检验假设验证其是否满足正态分布。　　2、构建无人艇航行性能数学模型，对目标函数进行确定性优化与灵敏度分析。建立包括操纵性、耐波性、快速性在内的航行性能数学模型，约束条件考虑浮性、稳性、耐波性和船舶推进。搭建确定性优化平台，优化方法选择有代表性的多岛遗传算法、自适应模拟退火算法、粒子群算法，并进行目标函数最优值的横向对比。为了分析目标函数对设计变量的敏感度，应用蒙特卡洛模拟方法将设计变量划分为对目标函数的正、负相关贡献。　　3、考虑船速不确定性因素的6sigma质量设计。为提升约束条件满足设定阈值的概率，使用均值法对设计约束进行可靠性分析，追求设计约束全体达到6sigma的质量水平，对不满足要求的约束条件进行不确定性优化。　　综上，船速时间序列的平稳变化段经过云模型进行数据扩充后方差虽有所降低，但数据更完备，且经正态检验假设后严格满足正态分布，可以作为不确定性因素引入到6sigma不确定性优化设计中，结果表明考虑了不确定性的航行性能优化目标函数值相比确定性航行性能优化目标函数值有所降低，但整体方案的可靠性相比前者大大提升。
作者：	康凯
专业：	船舶与海洋工程
导师：	侯远杭
授予学位：	硕士
授予学位单位：	大连海事大学
学位年度：	2021