论文部分内容阅读
作为国际海事界公认的节能减排技术措施之一的轻量化技术,有助于降低造船成本、提升船舶在航行中的各种操纵性能,有效提升船舶综合经济性能。在工程实施轻量化技术的过程中,常用操作便捷的代理模型代替耗时的有限元仿真模型进行分析,但是对于船舶结构来说,优化过程中面临参数众多、非线性程度高的问题,因此兼具高精度和高计算效率的代理模型技术是船舶轻量化技术领域亟需突破的。目前,实船领域的轻量化设计仍较多集中在确定性优化,忽略了几何尺寸、载荷波动、材料属性和人为操作等不确定性因素,这必然导致结构的工作质量降低,考虑可靠性的优化设计可为结构可靠性提供一定保障。因此,有必要在船舶结构优化设计中考虑结构可靠性要求。本文在前人的研究基础上,进一步研究了代理模型技术,并成功将动态代理模型技术应用于船舶结构轻量化技术中,同时在船舶结构优化过程中考虑结构可靠性要求,以保障船舶结构的工作性能。在代理模型和试验设计技术的理论研究基础上,通过四类非线性数学函数算例,对比分析响应面模型、Kriging模型、径向基函数模型和BP(Back Propagation)神经网络模型的样本点数量对其预测精度的影响。针对静态代理模型由于全局近似精度不够而导致的收敛性不足与优化效率低下的问题,将信赖域策略和主效应分析相结合,提出一种基于信赖域和主效应分析的动态代理模型优化策略(Dynamic surrogate model based on trust region and main effect analysis,ME-TR)。该优化策略每次更新的采样空间由信赖域方法和主效应分析共同确定,其中:通过信赖域方法,对采样空间进行缩减与更新,提高了代理模型的局部精度;通过主效应分析,得到每个参数的主效应图,并根据主效应图信息确定重点关注区域,改善了信赖域策略容易遗漏全局最优解的缺点。代理模型选择全局近似精度较高的Kriging代理模型;优化算法选择全局收敛的启发式算法粒子群算法(Particle Swarm Optimization,PSO)。最后通过经典数学测试算例,验证所提方法的有效性与优越性,并将其应用于船舶舱段结构的优化设计中。考虑到结构的可靠性要求,将可靠性优化引入船舶结构设计过程中,并针对常规船舶结构可靠性优化设计由高度非线性带来的计算效率低、收敛困难的问题,提出了基于SMOTE(Synthetic Minority Oversampling Technique)算法的船舶结构可靠性优化设计方法。利用SMOTE算法建立了改进的BP神经网络模型,以较少的样本点完成了极限状态函数的高度近似,克服了以往代理模型不能同时满足精度和效率要求的缺点,并使用数学算例验证了使用SMOTE算法建立BP神经网络模型的可行性和有效性。进而将改进的BP神经网络模型和模拟退火法嵌入单循环优化策略,并用于船舶舱段的可靠性优化设计,验证了所提出的可靠性优化设计方法的求解效率和精度,为大型工程结构的可靠性优化设计提供了思路。