KCS船的案例
采用Nelder-Mead Simplex算法約束排水體積的船型優化
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 【AIPOD案例操作教程】KCS船型優化
工程描述
圖1
KCS 船型參數化模型
某KCS船型參數化模型如圖1所示，該船型的參數化模型共包含球鼻艏變形參數、橫剖面面積曲線變形參數、進流段、去流段及艉封板變形參數等共8個設計變量?？紤]在固定航速和吃水下情況下，對KCS船阻力進行優化，優化結果需要滿足排水體積和浮心總想位置兩條約束條件。
操作流程
KCS船采用CAESES軟件提供參數化模型，采用SHIPFLOW軟件計算船舶阻力。其數值仿真模擬計算流程如圖2所示，綠色表示變量、藍色表示文件、橙色表示調用的軟件，文件上方的路徑表示文件相對于項目文件夾的相對路徑。
圖2 KCS船數值模擬計算流程
1）新建項目
啟動軟件后自動新建流程并進入該項目默認計算流程頁面，如圖3所示。
圖3 計算流程頁面
2）CAESES節點配置
CAESES為可執行程序，因此，需要從工具欄中拖拽一個CAESES節點加入畫布，如圖 4所示。
圖4 添加CAESES調用節點
① 節點信息配置
圖5 CAESES節點信息配置
單擊新加入畫布的CAESES調用節點后，可在彈出窗口中對CAESES節點的信息進行如圖5所示的配置，命令即調用CAESES的批處理命令。針對該項目而言為"C:\Program Files (x86)\FRIENDSHIP-SYSTEMS\CAESES\bin\win6-4\CAESES.exe" osv2.fsc。
展開 船型優化中如何選擇合適的優化策略
在本文中，筆者以KCS船為例，試圖探討CAESES中不同優化算法的選擇，以及南京天洑軟件公司自研優化平臺AIPOD對于優化效率和效果的影響。需要注意的是，本文所得的結論可能僅適用于該KCS船型。結論是否具有普適性需要進一步的探索與思考。
一、參數化模型
采用CAESES軟件的半參數化變形方法，對KCS船進行局部變形，在球鼻艏，船體入流段和去流段采用FFD方法，艉封板采用Delta shift方法，除了局部變形，還通過Lackenby方法對船體其他位置進行變形，組合變形效果如附件所示：
組合變形效果.gif
二、數值仿真計算
本算例以SHIPFLOW作為仿真工具，計算參數化模型的總阻力系數Ct。
算例網格數為1.74M；計算使用的工作站硬件配置為: CPU: Intel? Core? i7-7700K @ 4.2GHz 4.2GHz；內存: 16GB；單個算例仿真時間約40分鐘。
三、優化問題
8個設計變量，以總阻力系數較小為優化目標，同時滿足排水體積和浮心縱向位置的約束。
四、CAESES優化算法
1.Sobol
首先采用智能取樣算法sobol，在設計變量給定的變化范圍內做50次試驗設計。計算結果如下：
結論：
①. Sobol只是取樣算法，并沒有執行優化。
②. “優化”效果有限?！皟灮边^程未體現出收斂性。
2.Sobol Tearch
基于上一步Sobol的優化結果，另執行50個方案的優化計算，采用梯度優化算法Tsearch。計算結果如下：
結論：
①. 基于sobol的結果增加Tsearch的算法可以得到更優的設計方案。
②. Tsearch優化過程體現出收斂性。
3.遺傳算法NSGA-II
采用流行的遺傳算法NSGA-II進行進一步探索。
展開 【論文分享】小樣本規模船型優化策略的選擇研究
伍蓉暉等[4]采用基于NAPA和CFD軟件（傳統經驗模式）以及基于CAESES和CFD軟件（先進數值評估模式）的一體化優化模式對2800TEU集裝箱船阻力性能進行了優化。程宣愷等[5]通過數值模擬方法分析了巡邏艦的首部線型、尾楔形狀以及軸支架布置對船體阻力及伴流的影響。陳京普等[6]通過CFD模擬開展了客滾船附體優化布置研究，考察了螺旋槳旋向對其收到功率的影響。
近年來，隨著優化設計要求的提高，更多的設計變量被加入優化算法中以搜尋更優的船型方案，而如何解決高維優化時設計變量維度和優化方案數量之間的需求關系是目前業界重點研究的問題之一。劉強等[7]采用改進Sobol’方法對某集裝箱船興波阻力優化模型進行靈敏度分析并降維，研究結果表明降維后的優化模型收斂更快。張恒等[8]通過數值函數測試改進MODSA算法的優化性能，并將其應用于5100TEU集裝箱船的興波阻力性能優化。
本文以韓國船舶與海洋工程研究所的集裝箱船（KRISO container ship, KCS）為研究對象，采用CAESES軟件構建原始船型的參數化模型，以CFD數值計算得到的總阻力系數為優化目標，分別采用CAESES內置的傳統優化算法和自研的Silverbullet優化算法對原始船型的阻力性能進行優化對比。
參數化模型
CAESES軟件作為仿真驅動優化設計的一體化平臺，具備參數化建模、連接外部仿真工具、自動優化三大核心功能模塊。其中，參數化建模方法分為半參數化變形和全參數化曲面建模兩種。
展開 
在CAESES中，如何獲取船殼在某水線高度處的外飄角信息
具體步驟
以我們熟悉的KCS船（Lpp=230m）為例，具體操作步驟如下：
（1）導入.iges幾何模型，并依據導入的幾何表面，新生成一個Brep格式的模型，做為外飄角的分析對象。
（2）沿Y-(Z, X)平面，創建一條參考直線Fline，假定取X=30m，高度變化為0~10.8m，生成的參考線如下圖所示：
（3）創建投影曲線，在Brep中應用Project and trim功能將參考線沿Y軸正方向往Brep曲面上做投影，得到一條投影線。
（4）建立Image curve，Source一欄通過.getEdgeFrom(Operation Index)命令，獲取投影曲線，并通過修改Domain的順序，確保該曲線由起點到終點方向是自下而上的。
（5）讀取外飄角，由于投影曲線c001的終點高度與參考線的高度一致均為10.8m（設計水線的高度），因此通過求該曲線在終點位置與Z軸的夾角，或是與Y軸夾角的余角都可以得到設計水線高度處的外飄角。這里我們首先采用c001.getTan（1，0）來獲取投影曲線在終點處與Y軸的夾角，再通過求余角得到外飄角數值，此時，新建一個點p1，X坐標與參考線的位置一致，Z坐標用得到的外飄角數值來表示。
（6）依照上述方法，沿船身方向做出若干條投影曲線，對應生成相同數量用高度表征外飄角大小的點，然后用Interpolation curve將這些點連成一條光順的曲線，做為設計水線高度處的外飄角變化曲線，如下圖所示，為通過該方法得到的船體后部外飄角變化曲線。
當需要查看其他水線高度處的飄角時，同樣方法，將參考線的高度修改為目標水線高度即可。
拓展
上述操作通過CAESES軟件的Feature功能，能夠很好地實現自動化。
展開 SHIPFLOW軟件MOTIONS模塊簡介
初始網格
自適應網格
2）MOTIONS 7的計算精度將進一步提高，以標模KCS船在波浪中的耐波性分析為例，做精度的對標。下圖中紅色數據點代表MOTIONS 7的計算結果，黑色代表試驗值，可以看到無論是升沉、縱搖的幅值還是波浪增阻兩者之間均吻合良好。
CAESES中基于主成分分析的參數降維功能應用
選取KCS船進行靜水阻力優化。在船體球鼻艏、船艏、船舯、船艉共設置了 17 個設計變量。變形效果如下圖：
二、降維設置與計算
點擊Optimize>Design Space Utilities>
Dimensionality Reduction，設置Samples：1000，Points per sample: 8000。意為根據17個設計變量，生成1000個船型方案每個船型幾何上取8000個點，用于比較分析各個方案的幾何區別。
點擊綠色啟動按鈕，CAESES會自動生成方案進行比較分析。該過程僅涉及幾何運算，不進行仿真計算，用時較少。實測用20核，1000個方案，每個方案8000個點，分析需要110分鐘左右。
三、降維效果分析
分析結束后，dimensionalityReduction設置界面自動跳轉：
改變number of Principal Parameters，觀察Percentage of Captured Variance。如上圖，基于1000個船型幾何的主成分分析得出，設置6個主參數，可以捕捉到99.9%的變形效果，滿足設計需求。
調整圖片下半部分的6個主參數，點擊To CAD，即基于主參數值推出17個設計變量的值。設計變量和船體幾何會對應改變。同樣地，改變17個設計變量，船體幾何改變，點擊From CAD，會反推出6個主參數的值。
3D窗口可在幾何上顯示各個參數的敏感性。上圖設置了主參數Parameter 1的敏感性顯示，下圖為對應的顯示效果。顏色從藍到紅對應參數對幾何影響效果從小到大。
四、基于降維采樣
靜水阻力用shipflow計算，連接完成后，提取出優化目標Rt。點擊Optimize>Sobol，進行采樣。
展開 SHIPFLOW軟件MOTIONS模塊簡介
初始網格
自適應網格
2）MOTIONS 7的計算精度將進一步提高，以標模KCS船在波浪中的耐波性分析為例，做精度的對標。下圖中紅色數據點代表MOTIONS 7的計算結果，黑色代表試驗值，可以看到無論是升沉、縱搖的幅值還是波浪增阻兩者之間均吻合良好。
----------------The end----------------
文章來源天洑CAE技術源
基于改進體積力法的導管螺旋槳水動力性能數值研究
何濤等[5]使用基于葉素理論的改進體積力法，對KCS船開展了回轉運動仿真，所得精度令人滿意。吳召華等[2]使用體積力分布模型，對KCS船進行了回轉運動數值模擬。吳浩等[6]應用描述型體積力法開展了船舶自航數值研究，探究了虛擬槳的進流盤半徑和偏移量對自由自航的影響。
目前，應用得最普遍的描述型體積力法是以Goldstein最佳環量分布為分布模型。該最佳環量分布始于Goldstein[7]因成功、精確地求解Betz基于勢流升力線理論而提出的最佳環量分布條件問題。螺旋槳的性能與徑向環量分布有關，吳家鳴等[8]的研究表明，Goldstein最佳環量分布不適用于導管螺旋槳。導管螺旋槳的水動力性模擬精度較普通螺旋槳低。Feng等[9]基于葉素理論，將采用CFD計算得到的槳盤面處當地速度場直接用于計算各半徑處葉片的推力和扭矩，獲得了與實體離散槳模型幾乎相同的流場分布情形。郁程等[10]針對側推器這種內部流動情形開展改進體積力法研究，提出了考慮轉子阻塞影響的流量修正方法。Eslamdoost等[11]研究了3種體積力模型在軸流泵中的適用性，其中考慮了導葉、軸向均布體積力和周向體積力的體積力模型與多重參考系法（MRF）相比所得揚程的精度相當，噴口處的局部流場較MRF精度更高。Knight等[12]訓練了一種半經驗算法用于確定非定常螺旋槳體積力。宋長江等[13]采用葉素理論，對類似于水下導管螺旋槳的空氣涵道尾槳開展了動量源法CFD分析，結果顯示槳的推力值與試驗值基本吻合。
當前，有關體積力法的改進研究層出，但聚焦于水下導管螺旋槳體積力法適用性及改進方法的研究較少。探究適用于導管螺旋槳的體積力法有利于在保證宏觀運動精度的前提下提高水下航行器操縱運動模擬的效率。
展開 船舶與浮冰的碰撞仿真模擬
很多海域在冬季都會出現結冰現象，浮冰會嚴重影響航運安全，海域冰情加劇時甚至需要破冰船將水面上的冰層破碎，進而開辟船舶的航道，以引導冰區船只的正常航行，靠近北極的國家還擁有專門的北極破冰船。
圖1 戰斗民族“領袖”號破冰船
對于行駛在北極航道的船只，由于浮冰眾多，在船舶行駛過程中很可能因為大塊的浮冰撞擊而導致船舶結構損傷，甚至對船體結構、海上交通及生命安全帶來嚴重的影響。
我國“天恩”號貨輪進入北極航道數天后，曾遭遇一片密集的浮冰，不過“天恩”號在設計時針對不同程度的冰情進行了不同程度的加固，除了外板、甲板、舷側骨架、首尾結構和拖帶、操縱設備等均做了相應加強外，輪機裝置中主機、軸系、減速齒輪裝置、螺旋槳、起動裝置及冷卻水系統、液壓系統等設備性能提升也做足了功夫?！疤於鳌碧栕罱K在沒有破冰船的幫助下，孤身一船成功穿越北極航道。
圖2 我國“天恩”號貨輪穿越布滿浮冰的北極航道
浮冰的存在對航行于該水域的船舶提出新的挑戰，因此理解浮冰對船舶的影響對船舶安全設計至關重要。
展開 