基于计算流体力学和全局优化方法的水面战舰多目标优化外文翻译资料

 2022-09-04 20:08:32

基于计算流体力学和全局优化方法的水面战舰多目标优化

收稿日期：2007年5月12日/接收时间：2007年11月14日

摘 要

本文的主要目的是描述两个先进的多目标优化方法的基础上衍生的技术和复杂的计算流体动力学（CFD）发展分析。还描述了几何和网格处理技术方案。重点是对计算机资源密集的CFD求解器在优化过程中利用先进的策略：事实上，两种最新的自由曲面拟合雷诺兹平均Navier斯托克斯方程求解器作为分析工具来评估目标函数和约束功能。这两种优化方法的实现和实际设计问题的论证：对水面舰艇的优化整个船体，戴维泰勒模型的流域模型5415。现实的功能和几何约束，以防止不可行的结果，获得最终的有意义的设计执行和讨论。最后，最近提出的验证方法是用于评估基于仿真的优化中的不确定性和误差，基于数值预测改善的目标函数和一个专门的实验活动的实际改善测量的差异。优化模型演示了改进特性以外的数值模拟和实验的不确定性，确定基于仿真的设计框架的有效性。

关键词：基于仿真的设计 形状优化 多目标优化 无导数的优化 验证和确认

符号列表

n次贝塞尔曲线

实验母值和设计优化

测量与预期改进的误差

适应度函数

多目标函数

弗劳德数

g 平均适应度

h,g 重力加速度

平等与不平等约束函数

M 船长

m 设计变量的数

n 处理器台数

N 整体规模

多目标数函数

p,q 等级为p，q的标样基本函数

P,Q,R 平均和不平均约束函数

网格集群与延伸函数B样条非均匀

有理位置向量

原件和位移向量位置

r 罚参数

雷诺数

帕累托排名

总阻力

S(u,v) 通过NURBS三维曲面定义

S,D 模拟值，日期值

母值数值模拟值和优化的设计

U 船速

U,v NURBS参数

不确定性

速度分量，由船速U确定

权重

X,Y,Z 非三维直角坐标系，由船长LPP确定

设计变量

多目标函数空间的点

初始和新贝塞尔面

T代B型频率

设计变量的上限和下限

N维实空间RM的C集

整体和优化的设计之间的差异值

无量纲波长

v 运动粘度

p 水密度

计算坐标

升沉和俯仰头部海洋响应振幅算子峰

为lambda;*ge;0.4

1引 言

本文介绍了两种不同的多目标优化方法的发展，其对水面舰船[戴维泰勒池模型优化中的应用（DTMB）模型5415 ]，和实验验证来评估优化的成功。本文的工作是基于IIHR水沙科学与爱荷华工程大学之间的密切互动，意大利船池模型（insean），和大阪府立大学（OPU）在各自的海军研究办公室（ONR）具有海军国际合作的机会，科技计划（NICOP）研究项目（2002–2005 2005–2008）。工作由坎帕纳等人从之前到目前研究报道；目的是为一个单目标优化结果进行方法验证从而成功。

虽然使用的可靠和有效的计算流体力学求解器正在迅速成为一种常见的做法，在先进的船舶设计过程中，这些分析方法通常采用作为一种快捷方式，以减少标准的活动，在拖曳设施，这被认为是既太长，太贵，要完全包括在设计过程中。然而，成熟的CFD分析可以用在有效的方法，和下一个目标是探索设计在模拟它的用处（SBD）。这种方法已在努力应对复杂的创造，现实生活中的设计问题和制约因素，包括结果通过模型试验验证了严峻的评估。在上述研究中，许多新应用CFD优化证明形状优化设计是在船舶流体力学界越来越多的考虑是最后开始密切与其他领域的差距（汽车和航空工程，例如），SBD框架是一个真正的工具被应用在复杂系统的设计。

典型的船舶设计问题涉及多个目标。例如，在设计过程的目标包括阻力减少，降低水动力噪音，最小船首波高度和减少幅度和特定的运动的加速度。此外，船舶设计者可能也有兴趣加强一定数量相关的发动机功率或者维护成本。不幸的是，全球设计的特定方面的改善通常会导致不良结果，而最好的方法是不把所有目标合并成一个单一的目标（所谓的标量化），但保持了问题的多标准性质和依靠帕累托最优概念。

此外，船舶设计现实生活中的问题是非线性和非凸。事实上，非线性约束的执行通常会导致一个非凸优化问题，即可行解集可能是一个非凸区域，通常由断开的非凸子集的进行总和，因此不包括使用局部优化算法的可能性。相反，一个正确的解决方案的方法必须采用全局优化方案，因为当地的优化算法不能跨越差距创造的非线性约束，以达到更有前途的可行区域的设计空间。此外，局部优化也可以很容易地被最理想的解决方案可能更接近出发点（即初始设计）。

由于这些原因，我们的重点是在全球船舶设计的多目标优化程序的开发，一个类似于坎帕纳等人提出的策略方法，单目标问题。两SBD环境最后开发，涉及流动模拟，结合几何建模和优化的方案，为复杂系统的设计要求。所有的功能部件需要支持SBD的描述。CFD分析工具是两大网络情况，自由表面雷诺兹平均Navier–斯托克斯（RANS）方程求解器，即CFDShip和mgship，分类在哥德堡2000车间作为最好的两个代码的DTMB 5415测试用例模型。事实上，在目前的设计问题的RANS方程求解的使用是必不可少的，在特定的流动特征，声纳罩涡和湿方艉相关必须准确地预测。两SBD在多目标优化策略方面也有所不同：一对并行计算能力为基础的多目标遗传算法（MOGA），而另一种是基于无导数均匀覆盖（独联体）的方法，再加上一个可变的保真技术。几何建模和改进的方法也在两SBD环境不同。为了评估的方法和结果的有效性的相关性能，对水面舰艇DTMB模型5415进行优化，使整个船体被修改。实际情况中的限制，在优化过程中执行，从而提供逼真的优化设计。

实验数据采用坎帕纳等人最近提出的基于被最小化的目标函数的趋势分析的验证程序。本程序是一个由Stern等人和Wilson等人提出了一种扩展和单一数值模拟建立在趋势的验证方法通过添加验证的考虑。事实上，由于在模拟实验中固有的不确定性，一个过程的成功更多的是基于趋势比绝对值。下面报告显示成功的SBD环境的结果。

2 基于CFD多目标优化方法

基于CFD优化方法形状设计包括三个主要部分组成（图1），即一个求解非线性规划方法（NLP）问题，几何建模方法和CFD求解器作为返回值的目标函数的分析工具和功能限制。在本研究中，对每一个组件的方法进行了研究。这些都是多目标遗传算法与可变保真度接近自由导数法，计算机辅助设计（CAD）基础与CAD曲面建模的方法，和两个RANS代码在哥德堡2000车间，即讨论MGship CFDShip。最后，这些元素，实现了多目标优化方法不同。成分基本上都是那些用于坎帕纳等人的多目标优化目前的应用扩展版。其中一些细节已经被坎帕纳等人介绍过，所以只有概述和新功能介绍。

2.1 优化器

形状设计优化通常配制成NLP问题的框架。对于船舶的N目标函数优化问题的一般表达是流体力学和数学公式组装所有的设计变量点X1，X2，...... ，XM在一个矢量X =（X1，X2，...，XM）属于子集c中的N维实空间R的，即，Xisin; isin;R（上部Xiu，下部Xil边界通常执行到设计变量）优化的目的是F =（F1，F2，...，FN）T和等式和不等式约束H和g分别设计变量x的功能和系统的状态的U（X）。那么对于约束NLP问题的一般形式是用来连接第二特定矢量x，那么在C集合上解决了以下内容：

其中，Fn和Rn分别弗劳德数和勒安的子数。该系统的物理状态进行了数值求解,一般形式的偏微分方程的系统评估A（X，U（X））= 0。例如，雷诺平均方程在本研究中。在下面的分析中，两种替代解决上述NLP问题进行说明。

优化A：多目标遗传算法（MOGA）途径

采用的方案是一个扩展的遗传算法（GA）的多目标优化问题，即多目标遗传算法。基本过程如下图2，如图所示，（一）一个随机的方式产生的个体的初始集群，（二）解码和评价一些预定义的质量标准，简称为适应度函数；（三）选择个体的基础上的概率成比例的相对适应度函数；（四）交叉和转变。通过第二步的步骤，重复指定数量的代码。对于交叉和转变操作，必须给出的比例作为系统参数。

扩展遗传算法方法简单。主要目标是检测一个均匀分布的全局帕累托最优前集，这是这样定义的：非支配集整个可行的搜索空间的是全局帕累托最优集，为了使帕累托最优条件具有严格的数学条件，我们指出：向量x小于向量y，象征性地点xlt;PY，当下列条件成立：（X lt;PY）hArr;（forall;i）（xile;yi）and;（exist;i）（xilt;yi）。在这种情况下，我们说点x支配点y。如果一个点是不受任何其他控制，我们说它非支配或相反。基本定义是用来在目前研究中与帕累托的排名技术协会MOGA找到非劣点。在每一代中，更高的适应度函数f0给高帕累托RP个人排名（见图3中的两个目标函数的情况下），即F<su

剩余内容已隐藏，支付完成后下载完整资料</su

英语原文共 22 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[147340]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章