基于MOPSO算法的船舶兴波阻力多目标优化

粒子群优化算法(PSO)是一种进化算法,它与遗传算法相比,不需要编码,没有交叉和变异操作,粒子只是通过内部速度进行更新,因此,易于实现。另外,PSO算法具有较好的记忆,好的解的知识所有粒子都保存,因此收敛速度较快。Multi Objective Particle Swarm Optimization(MOPSO)算法是适应多目标优化的粒子群算法。该文基于MOPSO算法和Neumann-Michell理论对KCS在给定两个航速下的兴波阻力性能进行综合优化。以船型变换参数为设计变量,兴波阻力为目标函数,采用自由变形方法(FFD)对船舶首部和船体后半体进行变形,通过OPTShip-SJTU求解器优化兴波阻力。通过自编MOPSO算法对多目标函数进行优化,成功得到系列优化船型。并选择3个优化船型与母型船进行进一步的数值模拟,对比分析。     

水下潜器航行水动力导数CFD计算

良好的操纵性能,对于水下潜器顺利高效地执行任务至关重要。因此,在新型水下机器人的初步设计阶段,就应该对其操纵性能给与评估。精确计算水下机器人的水动力导数,是准确评价其操纵性能的关键。目前,计算水动力导数最流行的方法是船模实验法,但需要复杂的实验设备,且成本高并费大量时间,而采用数值模拟方法计算水动力导数就能克服上述缺点。本文基于开源CFD工具包Open FOAM开发的水动力学求解器naoe-FOAM-SJTU[1],采用SST-DES方法,对万米水下潜器(ARV)在不同漂角和攻角工况下,进行了数值斜航实验模拟。通过数值计算得到了作用在ARV上的水动力和力矩,回归得到相应的水动力导数值。为进一步根据潜艇六自由度运动方程,进行运动仿真模拟提供了基础。结果表明,对ARV进行数值模拟能够高效快速地计算ARV的水动力导数,进而对ARV的操纵性能进行预报,指导水下机器人的设计。