本文關(guān)鍵詞：新型水面高速無人艇性能綜合優(yōu)化初步研究

  更多相關(guān)文章： 新型水面高速無人艇 數(shù)值模擬 優(yōu)化算法 性能綜合優(yōu)化 優(yōu)化軟件

【摘要】：水面無人艇作為一種水面自航載體,具有體積小、航速高、智能控制等優(yōu)點,并配有雷達、聲納、攝像機以及一些小型武器等設(shè)備,可以完成收集和傳播信息、監(jiān)視海洋情況、地形勘察、搜救、探測、導(dǎo)航和作戰(zhàn)等多種任務(wù),隨著無人艇功能的增加,它已經(jīng)被廣泛應(yīng)用于軍事和民用領(lǐng)域。研究水面無人艇的快速性、耐波性、操縱性以及抗傾覆性對艇型設(shè)計和艇體的流體動力學(xué)性能分析都顯得十分重要,而水面無人艇性能綜合優(yōu)化設(shè)計對無人艇的設(shè)計與研究有著不可替代的作用,國內(nèi)外也越來越重視對該領(lǐng)域的研究。本文以一種新型水面高速無人艇艇型為研究對象,兼顧快速性、操縱性、耐波性和抗傾覆性能建立此類水面高速無人艇性能綜合優(yōu)化數(shù)學(xué)模型。將數(shù)學(xué)模型與優(yōu)化算法接口,設(shè)計并編制出符合該水面高速無人艇的基于多種優(yōu)化算法的綜合優(yōu)化軟件。具體研究步驟總結(jié)如下:1.選取一種具有防飛濺條和水翼的滑行艇作為研究對象,根據(jù)防飛濺條尺寸、水翼尺寸、水翼位置和不同的艇型參數(shù)建立幾何模型,并使用FINE/Marine軟件進行網(wǎng)格劃分和阻力計算,進而建立該類艇體的阻力數(shù)據(jù)庫,并對不同艇體參數(shù)的水動力性能做對比分析。研究表明,加水翼或者防飛濺條都可以增加艇體的升力,使艇體更快的進入滑行狀態(tài),而同時加水翼和防飛濺條的艇體更能改善滑行艇的阻力性能。2.使用多項式響應(yīng)面法,根據(jù)CFD阻力數(shù)據(jù)對該類艇體的總阻力、摩擦阻力、升力、靜濕面積和靜排水量進行多項式響應(yīng)面公式擬合,從而為建立快速性優(yōu)化數(shù)學(xué)模型提供基礎(chǔ)。選取快速性優(yōu)化設(shè)計變量,將海軍系數(shù)作為快速性優(yōu)化的評價函數(shù),并構(gòu)造其約束條件,最終建立快速性優(yōu)化數(shù)學(xué)模型。3.基于系統(tǒng)辨識理論和多種優(yōu)化算法的程序設(shè)計思想,完成該類艇體的回轉(zhuǎn)運動、Z形運動和橫搖運動的辨識軟件設(shè)計,并結(jié)合該類艇體操縱性實驗數(shù)據(jù),進行辨識計算獲得操縱性優(yōu)化目標函數(shù)。選取操縱性優(yōu)化設(shè)計變量,并選取直線穩(wěn)定性衡準數(shù)、最小相對回轉(zhuǎn)直徑和轉(zhuǎn)首指數(shù)共三個評價函數(shù)作為操縱性優(yōu)化的目標函數(shù),并構(gòu)造其約束條件,建立操縱性優(yōu)化數(shù)學(xué)模型。4.對該類艇體進行橫搖運動試驗,然后使用辨識軟件對試驗數(shù)據(jù)進行橫搖辨識計算和分析,一方面得到了較佳的橫搖運動方程,同時也驗證了橫搖辨識軟件中算法的可靠性。使用響應(yīng)面方法對縱搖有義值和垂蕩有義值進行計算公式的擬合,進而實現(xiàn)對無人艇的縱搖有義值和垂蕩有義值的預(yù)報�？紤]到縱搖、垂蕩和橫搖的影響,選取無因次衰減系數(shù)、縱搖有義值和垂蕩有義值作為耐波性系統(tǒng)的三個性能優(yōu)化目標函數(shù),并建立耐波性優(yōu)化數(shù)學(xué)模型。研究了該艇體的穩(wěn)性,分析了其傾覆后的受力情況,估算其傾覆后的初穩(wěn)性高公式,最終選取正浮的初穩(wěn)性高和翻轉(zhuǎn)后的初穩(wěn)性高作為抗傾覆性的優(yōu)化目標函數(shù),并建立抗傾覆性優(yōu)化數(shù)學(xué)模型。5.綜合船舶的快速性、操縱性、耐波性和抗傾覆性的優(yōu)化數(shù)學(xué)模型,構(gòu)造該類水面高速無人艇性能綜合優(yōu)化目標函數(shù),根據(jù)約束條件設(shè)計其懲罰函數(shù),最終構(gòu)造出此類水面高速無人艇性能綜合優(yōu)化數(shù)學(xué)模型。分析各種智能優(yōu)化算法的特征,用C#語言編制遺傳算法、混沌算法、粒子群算法和復(fù)合形算法,并結(jié)合并行和分層策略來提高算法的優(yōu)化性能,同時通過不同的改進策略,構(gòu)造更優(yōu)的算法設(shè)計方案,最終設(shè)計并編制出符合該類水面高速無人艇,基于多種優(yōu)化算法的綜合優(yōu)化軟件。通過使用設(shè)計完成的優(yōu)化軟件,進行優(yōu)化計算,最終通過設(shè)計不同優(yōu)化方案來研究不同算法的優(yōu)劣性。研究表明,成長機制遺傳算法優(yōu)于復(fù)合形算法優(yōu)于粒子群算法優(yōu)于混沌算法,且成長機制的遺傳算法較輪盤機制的遺傳算法更好,分層策略和并行策略可以有效的提高算法的搜索性能。通過大量的計算,最終得到較優(yōu)的優(yōu)化結(jié)果以及適合該優(yōu)化系統(tǒng)的最優(yōu)優(yōu)化算法。
【關(guān)鍵詞】：新型水面高速無人艇 數(shù)值模擬 優(yōu)化算法 性能綜合優(yōu)化 優(yōu)化軟件
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U674.91;U674.77
【目錄】：

• 摘要6-8
• Abstract8-19
• 第1章 緒論19-27
• 1.1 選題的理論意義和實用價值19-20
• 1.2 水面高速無人艇研究現(xiàn)狀20-23
• 1.2.1 USV國外研究現(xiàn)狀20-22
• 1.2.2 USV國內(nèi)研究現(xiàn)狀22-23
• 1.3 多學(xué)科設(shè)計優(yōu)化23-26
• 1.3.1 多學(xué)科設(shè)計優(yōu)化基本思想23-24
• 1.3.2 船型多學(xué)科設(shè)計優(yōu)化關(guān)鍵問題24-25
• 1.3.3 多學(xué)科設(shè)計優(yōu)化研究現(xiàn)狀25-26
• 1.4 本論文研究內(nèi)容26-27
• 第2章 多學(xué)科設(shè)計優(yōu)化算法27-39
• 2.1 引言27
• 2.2 傳統(tǒng)的優(yōu)化方法27-29
• 2.2.1 無約束優(yōu)化算法27
• 2.2.2 有約束優(yōu)化方法27
• 2.2.3 罰函數(shù)法27-28
• 2.2.4 多目標優(yōu)化方法28-29
• 2.3 現(xiàn)代優(yōu)化方法29-38
• 2.3.1 遺傳算法29-30
• 2.3.2 粒子群算法30-33
• 2.3.3 混沌算法33-34
• 2.3.4 復(fù)合形算法34
• 2.3.5 分層策略改進遺傳算法34-37
• 2.3.6 并行策略改進優(yōu)化算法37-38
• 2.4 本章小結(jié)38-39
• 第3章 新型水面無人艇幾何建模39-48
• 3.1 引言39
• 3.2 滑行艇特性39-40
• 3.3 防飛濺條設(shè)計40-42
• 3.4 水翼設(shè)計42-46
• 3.4.1 水翼幾何和水動力特征42-43
• 3.4.2 水翼幾何形狀設(shè)計43-46
• 3.5 新型水面無人艇設(shè)計46-47
• 3.6 本章小結(jié)47-48
• 第4章 CFD數(shù)值模擬及分析48-64
• 4.1 引言48
• 4.2 數(shù)值模擬簡介48
• 4.3 軟件介紹48-53
• 4.3.1 FINE/Marine簡介49
• 4.3.2 HEXPRESS的網(wǎng)格制作流程49-50
• 4.3.3 FINE/Marine求解過程50-51
• 4.3.4 后處理51-53
• 4.4 滑行艇阻力分析53-55
• 4.5 具有防飛濺條滑行艇阻力分析55-57
• 4.6 新型水面無人艇阻力分析57-62
• 4.6.1 比較不同防飛濺條57-58
• 4.6.2 比較不同長寬比的艇體58-59
• 4.6.3 比較不同吃水型深比的艇體59
• 4.6.4 比較不同船長型深比的艇體59-60
• 4.6.5 綜合比較四種船型60-62
• 4.7 數(shù)值模擬的可靠性對比分析62-63
• 4.8 本章小結(jié)63-64
• 第5章 快速性優(yōu)化數(shù)學(xué)模型64-73
• 5.1 引言64
• 5.2 近似方法64-69
• 5.2.1 響應(yīng)面法64-66
• 5.2.2 阻力響應(yīng)面構(gòu)造66-69
• 5.3 快速性優(yōu)化數(shù)學(xué)模型69-71
• 5.3.1 快速性設(shè)計變量69
• 5.3.2 快速性目標函數(shù)69-71
• 5.3.3 快速性約束條件71
• 5.4 本章小結(jié)71-73
• 第6章 操縱性優(yōu)化數(shù)學(xué)模型73-92
• 6.1 引言73
• 6.2 船舶操縱性73-74
• 6.3 航向穩(wěn)定性74
• 6.4 船舶的回轉(zhuǎn)運動74-75
• 6.5 船舶的轉(zhuǎn)首性75-76
• 6.6 系統(tǒng)辨識76-90
• 6.6.1 系統(tǒng)辨識基本原理77
• 6.6.2 系統(tǒng)辨識軟件設(shè)計77-83
• 6.6.3 回轉(zhuǎn)直徑辨識83-86
• 6.6.4 回轉(zhuǎn)性指數(shù)和應(yīng)舵指數(shù)辨識86-90
• 6.6.5 轉(zhuǎn)首指數(shù)90
• 6.7 操縱性優(yōu)化數(shù)學(xué)模型90-91
• 6.7.1 操縱性設(shè)計變量90
• 6.7.2 操縱性目標函數(shù)90
• 6.7.3 操縱性約束條件90-91
• 6.8 本章小結(jié)91-92
• 第7章 船舶搖蕩和橫穩(wěn)性92-105
• 7.1 引言92
• 7.2 靜水橫搖試驗92-96
• 7.2.1 橫搖受力分析92-93
• 7.2.2 靜水橫搖試驗93-94
• 7.2.3 橫搖辨識數(shù)學(xué)模型94
• 7.2.4 橫搖運動辨識計算94-96
• 7.3 升沉和縱搖值估算96-99
• 7.4 無因次衰減系數(shù)估算99-100
• 7.5 耐波性優(yōu)化數(shù)學(xué)模型100
• 7.5.1 設(shè)計變量100
• 7.5.2 目標函數(shù)100
• 7.6 初穩(wěn)性高100-101
• 7.7 橫搖周期101
• 7.8 無人艇傾覆后初穩(wěn)性高101-103
• 7.9 抗傾覆性優(yōu)化數(shù)學(xué)模型103-104
• 7.9.1 設(shè)計變量103
• 7.9.2 目標函數(shù)103
• 7.9.3 約束條件103-104
• 7.10 本章小結(jié)104-105
• 第8章 水面無人艇性能綜合優(yōu)化軟件105-118
• 8.1 引言105
• 8.2 優(yōu)化數(shù)學(xué)模型105-109
• 8.2.1 設(shè)計變量105-106
• 8.2.2 目標函數(shù)106-107
• 8.2.3 懲罰函數(shù)107-109
• 8.3 優(yōu)化算法設(shè)計109-111
• 8.4 無人艇性能綜合優(yōu)化軟件111-117
• 8.5 本章小結(jié)117-118
• 第9章 水面無人艇性能綜合優(yōu)化分析118-128
• 9.1 引言118
• 9.2 無人艇綜合優(yōu)化計算118-127
• 9.2.1 遺傳算法優(yōu)化計算118-122
• 9.2.2 混沌算法優(yōu)化計算122
• 9.2.3 粒子群算法優(yōu)化計算122-123
• 9.2.4 復(fù)合形算法優(yōu)化計算123-124
• 9.2.5 加入并行策略優(yōu)化計算124-125
• 9.2.6 混合算法優(yōu)化計算125-127
• 9.3 本章小結(jié)127-128
• 結(jié)論與展望128-130
• 參考文獻130-135
• 附錄135-142
• 附錄1 成長機制遺傳算法的核心代碼135-138
• 附錄2 復(fù)合形優(yōu)化算法代碼138-142
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文和取得的科研成果142-144
• 致謝144

，

本文編號：924159