船舶管路布局优化方法及应用研究

论文摘要

船舶管系就像人身体里的血管，有了它，才能使船上各系统的功能得以正常连接和发挥作用，它是船舶设计中重要的设计内容。同时，管系设计的好坏直接关系到一条船的经济成本。船舶管系设计由五个连续的阶段组成：初步设计、功能设计、详细设计、生产设计和系统支持信息。管路布局设计是在二维或三维布局空间内寻找满足约束准则，并连接给定起点和终点的管道路径。占有管系详细设计50％的管路布局设计是管系详细设计阶段的重要组成部分。由于船舶管子数量庞大，约束繁杂及布局空间较大，目前在实践中，还主要依靠经验丰富的专家去完成。所以，管路布局设计优化非常困难、耗时，与整个船舶在利用先进技术方面相比严重滞后，并已成为制约船舶设计周期的瓶颈，是一项亟待解决的技术难题。为此，管路布局设计的自动化和优化对船舶设计质量，缩短造船周期有重要意义。 自二十世纪70年代起，国内外学者就开始对管路布局设计问题进行研究，先后经历了从二维空间的简单约束发展到在三维空间内的多目标、多约束，提出了许多解决问题的方法或算法，为管路布局设计的进一步深入研究作了大量的有价值的研究工作，但到目前为止，还没有形成一套成熟的理论和理想的方法。 管路布局设计类似于三维空间内的机器人路径寻优，从理论上讲属于组合优化NP-hard问题。传统优化算法很难在确定的时间内取得满意的优化效果，因此，对于这类问题，最有力的工具是那些可以在较短的时间内发现质量较高解的启发式算法。遗传算法即是一种借鉴生物界自然选择和进化机制而发展的后启发式优化算法，是目前影响最广泛最具代表性的进化计算方法之一，由于它的鲁棒性、强有力的随机性和并行性，被广泛而成功地应用到很多复杂的工程优化问题上。本文根据船舶管路布局的特点，构建了用以解决船舶三维管路布局设计的遗传算法，在算法中提出基因间相互链接的变长度的编码方式，及与该编码方式相适应的遗传算子，经仿真验证，取得了较目前用于管路布局优化的遗传算法更好的收敛性能。针对遗传算法的固有缺陷，分析造成其早熟和收敛速度慢的根本原因，应用自适应遗传算法的改进措施对杂交率和变异率进行自适应调整，尤其让变异率不但能随个体适应值的不同而改变，而且能随算法进化状态的变化而变化，并对适应函数及接受算子进行退火处理，以最终形成的自适应模拟退火遗传算法进行管路的布局设计，比所构建的遗传算法在搜索性能上有较大的提高。 自然界一直是人类创造力的丰富源泉，近些年来，一些与传统优化算法不同，试图通过模拟自然生态系统机制以求解复杂优化问题的仿生算法相继出现，除遗传算法以外，还有蚁群算法、粒子群算法、人工鱼群算法等，丰富了现代优化算法，为那些传统

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题科学依据与意义
• 1.1.1 选题必要性
• 1.1.2 选题可行性
• 1.2 管路布局优化设计国内外研究概况
• 1.2.1 迷宫法
• 1.2.2 逃逸法
• 1.2.3 网络优化算法
• 1.2.4 Zhu算法
• 1.2.5 遗传算法
• 1.2.6 专家系统和模糊集理论
• 1.2.7 单元生成法
• 1.3 需要解决的问题
• 1.4 论文研究目的及范围
• 1.5 论文研究策略
• 1.6 论文内容安排
• 2 基于遗传算法的船舶管路布局优化研究
• 2.1 遗传算法
• 2.1.1 生物进化及遗传算法的产生和发展
• 2.1.2 遗传算法的基本思想和体系结构
• 2.1.2 遗传算法的计算步骤和基本流程
• 2.1.3 遗传算法的主要特点
• 2.1.4 遗传算法在管路布置相关领域中的应用
• 2.2 应用于船舶管路三维布局优化的遗传算法
• 2.2.1 算法操作与关键参数设计
• 2.2.2 计算仿真
• 2.3 改进的遗传算法
• 2.3.1 遗传算法的局限性
• 2.3.2 自适应遗传算法
• 2.3.3 模拟退伙遗传算法
• 2.4 自适应退火遗传算法的船舶管路布局优化方法
• 2.4.1 算法改进措施
• 2.4.2 算法计算步骤
• 2.4.3 仿真实验
• 2.5 本章小结
• 3 蚁群管路敷设系统及其参数的敏感性分析
• 3.1 蚁群优化算法
• 3.1.1 蚂蚁的觅食行为
• 3.1.2 蚁群算法的产生及其研究进展
• 3.1.3 基本蚁群优化算法及其改进算法
• 3.1.4 一般蚁群算法的组织结构
• 3.1.5 蚁群算法的应用
• 3.2 基于全局信息素迭代更新的蚁群管路敷设系统
• 3.2.1 算法构成及实现
• 3.2.2 仿真计算一
• 3.2.3 仿真计算二
• 3.3 迭代更新蚁群管路敷设系统参数的敏感性分析
• 3.3.1 局部信息素残留系数γ对算法性能的影响
• 3.3.2 全局信息素残留系数ρ对算法性能的影响
• 3.3.3 信息素权重α和启发式信息权重β对算法性能的影响
• 3.3.4 蚁群总数m对算法性能的影响
• 3.3.5 结论
• 3.4 本章小结
• 4 模糊集合理论在管路布局中的应用
• 4.1 模糊子集和隶属函数
• 4.2 存在于船舶管路布局中的模糊问题及其隶属函数的建立
• 4.3 基于模糊的蚁群管路敷设系统
• 4.4 计算仿真
• 4.5 本章小结
• 5 多管路并行敷设的多蚁群协同进化算法
• 5.1 协同进化算法
• 5.1.1 生物的竞争、协同及协同进化
• 5.1.2 协同进化算法的模型及其发展
• 5.1.3 协同进化算法的基本特征和类型
• 5.2 多种群互利共生类协同进化算法
• 5.3 多蚁群协作式协同进化算法
• 5.3.1 多蚁群协作式协同进化算法模型
• 5.3.2 多蚁群协作式协同进化算法流程及其实现
• 5.3.3 计算仿真
• 5.4 本章小结
• 6 结论与展望
• 6.1 全文工作总结
• 6.2 未来展望
• 参考文献
• 攻读博士学位期间发表学术论文情况
• 攻读博士学位期间参与的科研项目
• 创新点摘要
• 致谢
• 大连理工大学学位论文版权使用授权书