隨著智能化設(shè)計方法的研究成為當(dāng)今科技發(fā)展的熱點,結(jié)合智能優(yōu)化算法的浮體系泊系統(tǒng)智能化設(shè)計成為一個提高設(shè)計效率的研究對象。論文針對浮體的系泊系統(tǒng),建立了系泊系統(tǒng)智能化設(shè)計方法,開發(fā)了相應(yīng)程序。以淺水條件下大尺度、特殊構(gòu)型的圍圈防浪型平臺為工程實例,應(yīng)用智能化設(shè)計方法得出滿足工程條件的系泊方案,通過時域計算,評估方案的綜合性能,為淺水大尺度浮體的系泊系統(tǒng)智能化設(shè)計提供了解決方法與工程的應(yīng)用手段。 

【文章來源】：中國造船. 2020,61(02)北大核心EICSCD

【文章頁數(shù)】：14 頁

【部分圖文】：

淺水大尺度特殊（a）超大型浮式基地

61卷第2期（總第234期）吳波，等：淺水大尺度特殊構(gòu)型的浮體系泊系統(tǒng)智能化設(shè)計研究552.2算法開發(fā)與驗證系泊系統(tǒng)的方案設(shè)計結(jié)果類似于對多個極值的規(guī)律分析得出的最佳方案。本文對構(gòu)造復(fù)雜的多參數(shù)變量的多峰值最優(yōu)解問題，開展遺傳算法研究與驗證，目標(biāo)函數(shù)為f(x,y)x10sin(5x)7cos(4x)y12sin(4y)5cos(5y)30（8）函數(shù)曲面如圖4所示，圖5為計算的收斂性曲線，在計算100代后目標(biāo)函數(shù)基本收斂。圖4測試函數(shù)曲面圖5目標(biāo)函數(shù)收斂性曲線適應(yīng)值數(shù)值結(jié)果如表1所示，每一代種群的適應(yīng)值的平均值與最大值均隨著算法的計算代數(shù)增加而變化；當(dāng)計算達(dá)到100代，適應(yīng)值的平均值與最大值均為79.72，并至此終止代數(shù)。表1適應(yīng)值數(shù)值結(jié)果代數(shù)15102050100200適應(yīng)值平均值41.3451.9164.1677.3379.5079.7279.72最大值78.8679.2579.4479.4979.5379.7279.72圖6為不同代數(shù)的計算結(jié)果圖例，第1代種群的個體值隨機分布于解的空間，隨著算法的代數(shù)增加，每一代種群的個體值趨向目標(biāo)函數(shù)的峰值結(jié)果，通過變異算子的設(shè)置，避免算法陷入局部最優(yōu)解。通過遺傳進(jìn)化過程，得出結(jié)果當(dāng)x=7.85、y=9.91時，目標(biāo)函數(shù)值為79.72。研究表明通過遺傳算法對方案種群進(jìn)行智能進(jìn)化，能準(zhǔn)確、快速地得出不同問題的最優(yōu)解，為系泊系統(tǒng)智能化設(shè)計方法的建立及研究提供技術(shù)支撐。（a）第1代結(jié)果（b）第5代結(jié)果圖6遺傳算法過程結(jié)果Y807060504030201002468101086420XZ0020406080100120140計算代數(shù)9080706050403020100

61卷第2期（總第234期）吳波，等：淺水大尺度特殊構(gòu)型的浮體系泊系統(tǒng)智能化設(shè)計研究552.2算法開發(fā)與驗證系泊系統(tǒng)的方案設(shè)計結(jié)果類似于對多個極值的規(guī)律分析得出的最佳方案。本文對構(gòu)造復(fù)雜的多參數(shù)變量的多峰值最優(yōu)解問題，開展遺傳算法研究與驗證，目標(biāo)函數(shù)為f(x,y)x10sin(5x)7cos(4x)y12sin(4y)5cos(5y)30（8）函數(shù)曲面如圖4所示，圖5為計算的收斂性曲線，在計算100代后目標(biāo)函數(shù)基本收斂。圖4測試函數(shù)曲面圖5目標(biāo)函數(shù)收斂性曲線適應(yīng)值數(shù)值結(jié)果如表1所示，每一代種群的適應(yīng)值的平均值與最大值均隨著算法的計算代數(shù)增加而變化；當(dāng)計算達(dá)到100代，適應(yīng)值的平均值與最大值均為79.72，并至此終止代數(shù)。表1適應(yīng)值數(shù)值結(jié)果代數(shù)15102050100200適應(yīng)值平均值41.3451.9164.1677.3379.5079.7279.72最大值78.8679.2579.4479.4979.5379.7279.72圖6為不同代數(shù)的計算結(jié)果圖例，第1代種群的個體值隨機分布于解的空間，隨著算法的代數(shù)增加，每一代種群的個體值趨向目標(biāo)函數(shù)的峰值結(jié)果，通過變異算子的設(shè)置，避免算法陷入局部最優(yōu)解。通過遺傳進(jìn)化過程，得出結(jié)果當(dāng)x=7.85、y=9.91時，目標(biāo)函數(shù)值為79.72。研究表明通過遺傳算法對方案種群進(jìn)行智能進(jìn)化，能準(zhǔn)確、快速地得出不同問題的最優(yōu)解，為系泊系統(tǒng)智能化設(shè)計方法的建立及研究提供技術(shù)支撐。（a）第1代結(jié)果（b）第5代結(jié)果圖6遺傳算法過程結(jié)果Y807060504030201002468101086420XZ0020406080100120140計算代數(shù)9080706050403020100

【參考文獻(xiàn)】：
期刊論文
[1]基于準(zhǔn)靜定方法的多成分錨泊線優(yōu)化[J]. 余龍,譚家華.  海洋工程. 2005(01)
[2]深水多成分懸鏈線錨泊系統(tǒng)優(yōu)化設(shè)計及應(yīng)用研究[J]. 余龍,譚家華.  華東船舶工業(yè)學(xué)院學(xué)報(自然科學(xué)版). 2004(05)



本文編號：3591014