船型優化的案例
【論文分享】小樣本規模船型優化策略的選擇研究
（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 CFD學習：船型優化
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 采用Nelder-Mead Simplex算法約束排水體積的船型優化
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 淺談CAESES與船型優化
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 
CAESES+SHIPFLOW船型優化
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 船型優化中如何選擇合適的優化策略
AIPOD算法開啟boundbreak功能后，80次優化計算結果仍然好于上述較優的Sobol Tsearch優化策略和AIPOD不開啟boundbreak功能算法。
③. 優化結果體現出一定收斂性。
由于開啟了boundbreak功能，更優方案對應的個別設計變量最終取值在原始設定的邊界外，因此有必要檢查最優設計方案的幾何光順性。經檢查，更優方案的光順性良好，船體幾何合理，如下圖：
優化船型與原始船型對比
原始船型
優化船型
六、結 論
本文基于標模KCS船型進行了多種優化策略的嘗試，優化設置中同時考慮了優化效果和優化時間。由于工業設計中單個算例需要較為昂貴的仿真成本，因此在實際項目中，工程師能接受的優化樣本規模通常在百次左右。基于這一前提，遺傳算法無法發揮其優勢，得不到較好的優化結果。如果基于CAESES平臺進行優化，更優的優化設計策略為sobol Tsearch的組合。
在國家倡導的工業軟件自主化的大背景下，南京天洑軟件公司自研AIPOD優化產品體現出了其功能性與自主性的優勢。不僅僅可以幫助客戶在有限的時間內得到更優的設計方案，并且給予客戶更大的軟件自主開發權限。
AIPOD軟件現以面向客戶提供試用，如果感興趣請與我們聯系。
展開 【AIPOD案例操作教程】KCS船型優化
圖19 新建優化任務
優化效果
AIPOD與市面上常見的優化算法對比結果如圖20所示，從圖中不難看出，AIPOD與競品算法的優化結果明顯好于傳統優化算法。
圖
20
KCS船型優化結果對比
AIPOD、競品算法與傳統算法中表現最好的Tsearch算法的優化歷程如圖21所示，結果表明，競品算法在優化效率和優化潛力表現上均落后于AIPOD，且bound-break能夠更好的輔助設計人員找到被忽略的高效設計區域。
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。試用無需申請license，下載軟件安裝后可直接免費試用30天。
展開 基于CAESES的船型優化二次開發——縱剖線與水線夾角控制
在實際的船型優化項目當中，總是需要滿足一定的限制條件。常規的限制條件如：排水體積，浮心位置，硬點（hardpoint）等等。在某些特殊情況下，也需要對船體局部的幾何有一定的限制要求，如某縱剖線和某水線的夾角不得超過某一限定的角度。
我們從型線圖中可以很容易的得到縱剖線與水線的夾角。但對于船型優化來說，由于船體幾何是不斷變化的，因此該夾角也會隨之變化。在這種情況下，夾角是沒辦法從無法實時變化的型線圖上讀出的。想通過其他CAD軟件實現起來也很困難。
CAESES憑借其強大的建模能力及二次開發能力（Feature）使得讀取實時變化的夾角角度成為可能。本文將以CAESES內置某一船型舉例，測量其16m水線和8m縱剖線的夾角隨著船型變化的變化。
夾角的測量
導入已有船型，并轉化成 brep 格式
2. 通過編寫Feature，得到其16m水線和8m縱剖線
3. 由于兩條曲線于空間相交，因此需要將它們投影到相同的平面
4. 通過編寫Feature，計算兩個投影曲線的夾角
船型變換
利用FFD的變型方式，對船體首部進行變型
2. 由于船體首部線型發生變化，因此相對應區域的16m水線和8m縱剖線形狀也會發生變化，夾角因此隨之改變。如下圖：
優化限制條件的應用
可以假設規定該夾角不得大于26度。
展開 【技術】NURBS曲線的逆參數化與船型優化中的應用
這種新穎的曲線定義和變型手段在船體型線優化工作中可以發揮其獨有的優勢。對于船舶工程師來說，船舶尾部的形狀和橫剖面曲線的UV度是優化過程關注的重點。這部分曲面的優化工作不僅可以有效降低船舶的阻力而且對于改善尾部伴流情況也有明顯的作用。具體操作如下：
① 截取一段船體尾部的典型橫剖面：
② 對該橫剖面進行逆參數化定義：
③ 對新的參數化的橫剖線（綠色曲線）進行控制并利用CAESES 5中brep morphing功能實現該新橫剖線所影響船舶尾部區域三維模型的變型：
原始船型和優化過程中的船型橫剖面對比如下：
Curve Polygon編輯功能使導入Nurbs曲線的逆參數化成為可能。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。
展開 第二屆CAESES船型優化大賽圓滿結束
近日，由南京天洑軟件有限公司聯合上海船舶運輸科學研究所、瑞典FLOWTECH公司舉辦的第二屆CAESES船型優化大賽圓滿結束。
本次大賽于4月4日正式啟動，共有22位來自不同企業的工程師報名參賽。大賽時間持續2個月，設計方案以匿名的形式提交上海船舶運輸科學研究所及FLOWTECH公司做出專業的評估。評估結果最終由南京天洑軟件有限公司進行匯總。
6月13日下午，南京天洑軟件有限公司于大連希爾頓酒店舉辦優化大賽總結會，有超過40位來自不同企業及高校的工程師，學生參與會議。會上南京天洑軟件有限公司及上海船舶運輸科學研究所的工程師對所有船型設計進行了專業的點評。
FLowtech公司副總經理Michal Orych先生也分享了關于CFD結果解讀的精彩報告。
最終來自中國船舶及海洋工程設計研究院、大連船舶重工集團有限公司、上海船舶研究設計院、南通中遠川崎船舶工程有限公司的5名參賽者獲得了優秀設計獎。（排名不分先后）。獲獎者將獲得來自南京天洑軟件有限公司的現金獎勵，以及正版軟件使用權獎勵。
展開 特別關注｜這些常規船舶水動力節能技術，誰更勝一籌？
常規船舶水動力節能技術是指通過船體線型、螺旋槳和加裝附加裝置等的優化對船舶周圍流場進行調控，以達到降低船舶阻力或提高螺旋槳推進效率而達到節能目的，具體可見表1。
表1 常規船舶水動力節能技術措施
1
船型優化
船型優化主要是針對船體型線進行優化，以改善靜水或風浪中航行的船體表面壓力和興波，從而達到降低船體阻力的目的。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 基于SBD技術的船型優化設計
2
高效螺旋槳
高效螺旋槳是相對于傳統圖譜螺旋槳(如MAU系列圖譜、B系列圖譜)而言的，它是建立在船體尾部線型-螺旋槳-回收尾流能量的節能裝置一體化的流體動力性能最優匹配設計理念之上的(如圖2所示)，且是依據船尾流動特征進行理論優化設計而得到的最優方案。
展開 
天洑軟件6月23日“智能優化平臺軟件AIPOD操作培訓” 線上線下免費培訓課即將開始
服務器版基于Web的用戶界面，操作系統可不需要圖形界面；因此用戶可以將AIPOD部署在服務器中，充分利用服務器強大的硬件資源；用戶可在網絡中，通過瀏覽器隨時隨地的接入AIPOD，管理計算流程、提交優化任務、查看任務的運行狀態以及進行優化結果分析，賦予用戶更強的掌控能力。
圖8 客戶端啟動
圖9 優化任務遠程監控
二、實際案例
（1）船型優化案例1：
該案例的設計變量為６個，目標變量為阻力系數最小，有2個約束，CFD調用次數限定為64次。最終的優化過程如表 1所示，64次優化AIPOD實現5.01%的性能提升，競品算法的性能提升為3.36%，AIPOD對于競品算法的優勢體現明顯。
表 1 AIPOD和競品算法的優化過程關鍵節點信息
AIPOD與競品算法的優化歷程下圖所示，競品算法雖然在優化早期性能提升相對較快，但后勁不足，陷入局部極值之后將無法進一步提升。
(a)競品算法優化軌跡
(b)AIPOD優化軌跡
(c)AIPOD對標競品算法
AIPOD與對標競品算法的優化歷程
在AIPOD優化過程中，我們開啟AIPOD特有的bound-break智能探索功能。表 2表明，若設計參數的范圍設置不恰當，市面上現有的優化引擎也不會在這些被忽略的高效可行空間內進行探索，而SilverBullet優化算法即便在64次小計算規模下，依舊可以快速突破因為工程師范圍設置不恰當人為引入的“優化壁壘”。
表 2 AIPOD和競品算法各自最優設計方案對于工程初期設定的參數邊界“突破”情況
AIPOD與競品算法的優化結果船型如下圖所示
(a)競品算法優優化結果船型
(b)AIPOD優化結果船型
船型優化結果
展開 全參數化建模優化軟件CAESES 5.3用戶培訓會順利舉辦
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。
CAESES與FINE?/ Marine的連接計算
FINETM/ Marine 內置的C-Wizard設置向導模塊，可以是客戶快捷的進行船舶阻力計算設置，同時其提供批處理計算功能使得與CAESES的耦合優化成為可能。
在CAESES中可以方便的為船體設定計算的流體域，進而生成適用于FINETM/ Marine計算的STL文件。
利用CAESES的software connector功能，可以將C-wizard腳本放入優化流程過程當中，并提取相應計算結果。
CAESES中FINETM/ Marine計算過程如下圖所示:
利用CAESES提供的變型功能，可以對船體主尺度，尾封板高度，球艏形狀等進行變化，相應的STL文件也會發生對應的光順變型。最終構建船型優化的整個流程。
主尺度變化
尾封板高度變化
球艏形狀變化
關注公眾號“天洑CAE技術源”了解更多相關資訊
展開 第四屆智能工業軟件及設計技術研討會暨2019天洑軟件用戶大會成功舉辦
6月13日，大會分三個分會場為客戶提供了離心葉輪參數化建模及分析優化培訓、進氣道參數化建模及分析優化培訓、船型優化大賽總結及《如何讀懂CFD報告》講座。6月14日進行了21場精彩的主題報告。
