船型優化
關注創建者：天洑軟件 創建時間：2019-05-08
船型優化的實例教程
（a）CAESES軟件
（b）Silverbullet算法
圖7 CAESES軟件和Silverbullet算法優化歷程對比
5. 不同優化策略的優化結果分析
圖8所示為不同優化策略優化船型的船體表面壓力系數分布。由圖8(a) 可知，Silverbullet優化船型的球鼻艏表面負壓區范圍明顯縮小，興波阻力降低，對中高速船來說，可以有效地降低總阻力。由圖8(b) 可知，在相同的優化次數下，Silverbullet算法開啟bound break后的優化船型在船首區域的壓力系數減小，艏肩處負壓區范圍縮小，艉部區域壓力梯度有所減緩，船體阻力進一步降低。圖9所示為自由液面波切圖，圖中W為波高。從圖中可以看出，Silverbullet算法優化船型的自由液面波高較Sobol+Tsearch優化船型有所降低，開啟bound break后優化船型的波高降幅更大。
（a）Sobol+Tsearch和Silverbullet
（b）Silverbullet和Silverbullet with bound break(100)
圖8 不同優化船型的船體表面壓力系數分布
圖9 自由液面波切圖
將Silverbullet with bound break (100) 優化策略的優化船型與原始船型進行對比，優化船型的設計變量數值如表4所示。由表可知，優化船型的部分設計變量數值是在設計空間邊界外的，優化線型的光順性滿足設計要求。優化線型較原始線型在球鼻艏處長度有所增加，略微上翹，艉部線型也有所削瘦，如圖10所示。圖中，虛線為原始線型，實線為優化線型。
展開 船型優化過程
船型優化過程涉及根據所需的穩定性和效率分析船舶的運行參數。這包括評估船體周圍的流體流動模式和流體動力阻力，以確定最佳船體設計特征。CFD 是通過有效模擬簡化船體形狀優化過程的有效工具。它涉及以下步驟：
創建船體幾何模型。
將幾何體劃分為有限的較小單元格，以便捕獲所有流動特征。
定義邊界條件——指定作用在船體表面的流體的速度、壓力和其他屬性。
執行模擬。使用Navier-Stokes 方程，可以確定船體周圍的流場。可視化進一步促進了流動模式的探索以及阻力和推進力的計算。
根據模擬結果，可以優化船體形狀以獲得更好的性能和效率。可以重新運行模擬，直到確定船體設計的最佳變化。為了進一步提高性能，CFD 模擬還可以用于分析不同的螺旋槳設計 - 它們的形狀和位置。
船型優化的計算分析
用于分析流體-結構相互作用的船體形式模擬
CFD 求解器（如 Fidelity 和 Fidelity Pointwise）支持虛擬設計和優化船舶設計，但假設是真實世界的操作環境。海洋工程師還可以使用Cadence Fine Marine Solver等專用工具來計算船舶所面臨的不同流體動力學和空氣動力學參數。
CFD工具的精細網格劃分和仿真能力可用于分析船體與流體之間的流固耦合。推進力、阻力等的結果值可用于優化船體形狀，即通過改變船體形狀設計來減少阻力和提高效率。
訂閱我們的時事通訊以獲取最新的 CFD 更新或瀏覽 Cadence 的CFD 軟件套件，包括Fidelity和Fidelity Pointwise，以了解有關 Cadence 如何為您提供解決方案的更多信息。
展開 在日常的船型優化項目中，通常需要對排水體積進行約束。如需在保證總排水體積不變的前提下變化船型，CAESES軟件中通過內置Nelder-Mead Simplex算法能夠很好地實現這一目標。
下面以KCS船的優化為例，對所采用的優化方法進行介紹：
參數化變形
以KCS船為參數化變形的對象，在球鼻艏及艉封板采用Delta shift方法，在船體的入流段和去流段采用FFD方法進行變形。
設計變量
共選定七個設計變量，其中bulb_dx，bulb_dz，ffd_DY1以及DY1_factor四個變量用于控制船體前部變形，余下的三個變量ffd_DY2，DY2_factor和transom_p2_Z用于控制船體后部變形。
排水體積的相關參數
參數Volume_new和Volume_old(52000m3)分別代表變形后的排水體積以及需要保持的目標排水體積，Volume_delta則代表兩者差值的絕對值。
優化設置
將優化分為兩個部分執行，首先通過Sobol算法，對控制船體后部變形的設計變量進行修改，然后通過Nelder-Mead Simplex算法對控制船體前部變形的設計變量進行自動取值（以排水體積變化最小為目標尋優），以確保排水體積不變。
展開 船型優化
船型優化是目前CFD技術在船舶行業內的一項主要應用，所謂的船型優化只指通過改變船體線型以改進船體周圍流場以及尾部伴流場，最終實現船舶航行時的阻力降低和推進效率的提升。
船體尾部優化前后的伴流場對比
可見要準確獲取船舶周圍流場信息對船型設計是非常重要的，而這正是CFD所能提供的。相較于傳統的水池模型實驗，CFD不僅能夠完成模型尺度下的計算，還可以進行全尺度的分析，避免了模型船和實船之間的尺度效應誤差。CFD技術的另外一大優勢在于它的快速響應以及經濟性，相較于耗費數周的時間且動輒數十萬元的水池實驗，一個普通的CFD船體阻力計算在個人電腦上花上幾個小時甚至幾十分鐘就可以完成，且對比大量的水池實驗表明目前成熟的CFD軟件能夠提供5%以內的阻力誤差精度，足以滿足實際需求。
水池船模實驗vs CFD數值水池
優化方法
傳統的優化方式是依賴于手動調整船體線型，這是一個反復迭代的過程，非常需要工程師的耐心和經驗，因此只能局限于對少數工況的優化，比如1-2個航速下的阻力表現。考慮到現在很多船舶需要在多種吃水及航速狀態下完成作業，完全依賴這種手動優化的方式無疑是繁瑣的，特別是還要考慮光順性以及各種限制條件（排水量，船艙布置等）。
CAESES則可以方便地統計并分析不同參數對不同工況下的船體性能的影響，并考慮到各種限制條件。
展開 天洑星人物：陳子澄
擅長領域：船舶、螺旋槳設計、流體機械、結構設計
擅長軟件：CAESES 、STAR-CCM+、UG、Solidworks
CAESES+SHIPFLOW船型優化
作者：陳子澄
隨著世界航運業對船舶節能減排的呼聲日益高漲,節能船型的研發越來越受到重視。基于CFD的船型優化方法是船舶設計人員目前最依賴的手段之一。 南京天洑軟件有限公司的兩款產品CAESES，SHIPFLOW可以很好地滿足這一設計需求，并且已經在世界范圍內得以廣泛應用。
JBC(Japan Bulk Carrier) 是一款大家熟知的好望角型散貨船，它是由日本NMRI，橫濱國立大學以及SRC 聯合開發的。以這艘船為例，我們將展示CAESES+SHIPFLOW進行耦合優化，目標是減小它的船體阻力并提高推進效率。
展開 
船型優化的相關專題、標簽、搜索
船型優化的最新內容
未來，天洑軟件將持續深化與國內外合作伙伴及行業用戶的協同創新，推動CAESES在船型優化、節能減阻等關鍵場景的深度應用，助力全球船舶工業加速向智能化、綠色化方向升級，共同構建開放共贏的船舶技術生態。
圖5 AICFD智能加速案例：簡化汽車外氣動仿真
4）優化多相流VOF算法
多相流VOF模型可以準確分析船舶航行過程中受到的阻力情況，從而指導船型設計優化，提高船舶的可用性和經濟性。
圖
21
KCS船型優化歷程圖
競品算法與AIPOD船型優化結果分別如圖22、圖23所示。
圖22 競品算法優化結果云圖
圖23 AIPOD優化結果云圖
AIPOD更多詳細介紹及軟件試用，請點擊“AIPOD - 智能優化設計平臺”，前往查閱。
break (100) 優化策略的優化船型與原始船型進行對比，優化船型的設計變量數值如表4所示。
;優化船型, 系統自動更新圖紙, 節約大量設計工時, 增強市場競爭力;
典型結構模塊化-所有項目典型結構重復利用;
參數化-前期設計的高度參數化使建模更快,修改更加便捷、高效;
標準化-自帶造船所用材質和相關標準庫, 且開孔, 穿越孔等也具有拓撲關系, 保持設計一致性;
自動化-型材段部形式和焊接坡口都可以根據用戶定義的規則自動匹配
船型優化過程
船型優化過程涉及根據所需的穩定性和效率分析船舶的運行參數。這包括評估船體周圍的流體流動模式和流體動力阻力，以確定最佳船體設計特征。CFD 是通過有效模擬簡化船體形狀優化過程的有效工具。它涉及以下步驟：
創建船體幾何模型。
將幾何體劃分為有限的較小單元格，以便捕獲所有流動特征。
（3）從具體的產品類型，短期內可以選擇對船型局部進行優化，包括首尾等，選擇某一類或幾類艦型做試驗，積累經驗后再判斷是否適合推廣。將理論分析與試驗分析組合在一起，以便能夠提高水動力設計的精準度。
本文來自：MARIC情報站
目前，船型優化主要基于SBD(Simulation Based Design)技術，如圖1所示，將CFD性能評估、幾何重構/變形技術和智能優化技術相結合，實現一定約束條件下船體性能的最優化。船型優化技術一般可實現節能2%-5%。
圖1 船型智能優化設計解決方案
1. 借助于參數化建模工具提取母型的幾何特征，并利用CFD仿真工具得到用于數據建模的仿真數據集；
2. 考慮到CFD工具的運行速度限制導致生成的數據集規模通常較小，這會影響數據模型的精度。
在船型優化過程中，以往需要通過delta shift，Free form deformation等方法實現的船體變形可以利用該功能以一種更簡單且直觀的方法實現。
