基于响应面法-遗传算法的船舶推进轴系多目标优化设计

doi:10.16183/j.cnki.jsjtu.2023.318

上海交通大学学报 ›› 2025, Vol. 59 ›› Issue (4): 466-475.doi: 10.16183/j.cnki.jsjtu.2023.318

基于响应面法-遗传算法的船舶推进轴系多目标优化设计

张聪¹^,²^,³, 疏炳南¹^,²^,³, 张江涛¹^,²^,³, 金勇¹^,²()

1.武汉理工大学交通与物流工程学院,武汉 430063
2.水路交通控制全国重点实验室,武汉 430063
3.武汉理工大学国家水运安全工程技术研究中心,武汉 430063

收稿日期:2023-07-14 修回日期:2023-10-09 接受日期:2023-12-15 出版日期:2025-04-28 发布日期:2025-05-09
通讯作者: 金勇 E-mail:jy761121@whut.edu.cn
作者简介:张聪(1986—),副教授,从事船舶推进轴系动力学特性及优化设计方向的研究.
基金资助:
国家自然科学基金资助项目(51839005)

Multi-Objective Optimization Design of Ship Propulsion Shafting Based on Response Surface Methodology and Genetic Algorithm

ZHANG Cong¹^,²^,³, SHU Bingnan¹^,²^,³, ZHANG Jiangtao¹^,²^,³, JIN Yong¹^,²()

1. School of Transportation and Logistics Engineering, Wuhan University of Technology, Wuhan 430063, China
2. State Key Laboratory of Maritime Technology and Safety, Wuhan 430063, China
3. National Engineering Research Center for Water Transport Safety, Wuhan University of Technology, Wuhan 430063, China

Received:2023-07-14 Revised:2023-10-09 Accepted:2023-12-15 Online:2025-04-28 Published:2025-05-09
Contact: JIN Yong E-mail:jy761121@whut.edu.cn

1. 2023-318-附录.pdf(150KB)

摘要/Abstract

摘要：

为降低船舶在航行过程中传动设备的功率损失,提高推进轴系的传递效率,并改善轴系振动性能,基于响应面模型与遗传算法(GA)对某船舶轴系实验台进行了多目标优化设计.采用星点设计(CCD)方法,在优化设计空间中选取合理实验点,拟合构建最小总功耗和振动响应幅值的响应面模型.基于GA,利用MATLAB软件求解响应面模型回归函数的Pareto最优解.对比分析各组优化结果,获得最佳优化设计方案,研究结果表明采用这种联合方法后,轴系功耗损失降低了约7.10%,轴系振动幅值降低了2.30%,能有效提高轴系传递效率和抑制推进轴系振动问题,从而验证了船舶推进轴系多目标优化方法的正确性和可行性.

关键词: 推进轴系, 传递效率, 响应面法, 遗传算法

Abstract:

In order to reduce the power loss of the transmission equipment, enhance the transmission efficiency of the propulsion shafting, and improve the vibration performance of the shafting, a multi-objective optimization design of a ship shafting experimental platform is performed based on the response surface model and genetic algorithm. The central composite design (CCD) method is used to select appropriate experimental points in the optimized design space, and the response surface model is developed with minimum total power consumption and vibration response amplitude. Based on the genetic algorithm, the Pareto optimal solution of response surface model regression function is solved through MATLAB software. The optimal design scheme is obtained by comparing and analyzing several groups of optimization results. The results show that the combined method can reduce the power loss of shafting by approximate 7.10% and reduce the vibration amplitude of shafting by 2.30%, while significantly improving the shafting transmission efficiency and effectively suppressing the vibration problem of propulsion shafting. The fiudings validate the feasibility of the multi-objective optimization method for the ship propulsion shafting.

Key words: propulsion shafting, transfer efficiency, response surface methodology, genetic algorithm

中图分类号:

U664.21

张聪, 疏炳南, 张江涛, 金勇. 基于响应面法-遗传算法的船舶推进轴系多目标优化设计[J]. 上海交通大学学报, 2025, 59(4): 466-475.

ZHANG Cong, SHU Bingnan, ZHANG Jiangtao, JIN Yong. Multi-Objective Optimization Design of Ship Propulsion Shafting Based on Response Surface Methodology and Genetic Algorithm[J]. Journal of Shanghai Jiao Tong University, 2025, 59(4): 466-475.

图/表 20

图1

图2

图3

图4

图5

图6

表1

表2

表3

图7

表4

表5

表6

表7

图8

图9

表8

表9

表10

表11

参考文献 19

[1]	龙周, 陈松坤, 王德禹. 基于SMOTE算法的船舶结构可靠性优化设计[J]. 上海交通大学学报, 2019, 53(1): 26-34. doi: 10.16183/j.cnki.jsjtu.2019.01.004
	LONG Zhou, CHEN Songkun, WANG Deyu. Ship structural reliability optimization design based on SMOTE algorithm[J]. Journal of Shanghai Jiao Tong University, 2019, 53 (1): 26-34.
[2]	夏国清, 刘彩云, 陈兴华, 等. 基于NSGA-II 的DP船舶推力分配方法研究[J]. 华中科技大学学报(自然科学版), 2019, 47(5): 101-104.
	XIA Guoqing, LIU Caiyun, CHEN Xinghua, et al. Research on DP ship thrust distribution method based on NSGA-II[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2019, 47(5): 101-104.
[3]	陆金铭, 周海港, 顾卫俊, 等. 船舶轴系优化校中[J]. 船海工程, 2010, 39(3): 51-54.
	LU Jinming, ZHOU Haigang, GU Weijun, et al. Optimizing alignment of ship shafting[J]. Ship and Ocean Engineering, 2010, 39(3): 51-54.
[4]	王建午, 楼京俊, 李欣一, 等. 考虑减轻轴系弯曲振动的船舶轴系双向校中优化[J]. 舰船科学技术, 2020, 42(1): 140-145.
	WANG Jianwu, LOU Jingjun, LI Xinyi, et al. Bidirectional alignment optimization of ship shafting considering reducing bending vibration[J]. Ship Science and Technology, 2020, 42(1): 140-145.
[5]	肖能齐, 周瑞平, 林晞晨. 基于层次分析法轴系校中多目标优化研究[J]. 造船技术, 2014 (6): 11-15.
	XIAO Nengqi, ZHOU Ruiping, LIN Xichen. Multi-objective optimization of shafting alignment based on analytic hierarchy process[J]. Ship-building Technology, 2014 (6): 11-15.
[6]	STEUER R E. Multiple criteria optimization: Theory, computation and application[J]. Journal of the Operational Research Society, 1988, 39(9): 879.
[7]	OLIVER J M, KIPOUROS T, SAVILL A M. A self-adaptive genetic algorithm applied to multi-objective optimization of an airfoil[J]. Springer International Publishing, 2013(3): 261-276.
[8]	YAZICI S, TANACAN L. A study towards interdisciplinary research: A material-based integrated computational design model(MICD-m) in architecture[J]. Architecture Science Review, 2018, 61(1/2): 68-82.
[9]	杨观赐, 李少波, 璩晶磊, 等. 基于Pareto最优原理的混合动力汽车多目标优化[J]. 上海交通大学学报, 2012, 46(8): 1297-1303.
	YANG Guanci, LI Shaobo, QU Jinglei, et al. Based on principle of Pareto optimal hybrid multi-objective optimization[J]. Journal of Shanghai Jiao Tong University, 2012, 46 (8): 1297-1303.
[10]	何小二, 王德禹, 夏利娟. 基于粒子群算法的多用途船结构优化[J]. 上海交通大学学报, 2013, 47(6): 928-931.
	HE Xiaoer, WANG Deyu, XIA Lijuan. Multi-purpose ship structure optimization based on particle swarm algorithm[J]. Journal of Shanghai Jiao Tong University, 2013, 47 (6): 928-931.
[11]	曾漾, 周俊, 沈志远, 等. 基于响应面法的复合材料舱壁结构优化设计[J]. 重庆大学学报, 2020, 43(6): 82-89.
	ZENG Yang, ZHOU Jun, SHEN Zhiyuan, et al. Optimal design of composite bulkhead structure based on response surface method[J]. Journal of Chongqing University, 2020, 43(6): 82-89.
[12]	卢熹, 陈之炎. 多维空间网格划分在船舶轴系合理校中的应用[J]. 船舶力学, 2002, 6(5): 66-69.
	LU Xi, CHEN Zhiyan. The application of multidimensional space grid division in reasonable calibration of ship shafting[J]. Ship Mechanics, 2002, 6 (5): 66-69.
[13]	周瑞. 舰船推进轴系校中的多目标优化计算方法[J]. 中国舰船研究, 2013, 8(3): 73-77.
	ZHOU Rui. A multi-objective optimization calculation method for ship propulsion shaft alignment[J]. Chinese Ship Research, 2013, 8 (3): 73-77.
[14]	BOX G, WILSON K B. On the experimental attainment of optimum conditions[J]. Journal of the Royal Statistical Society Series B: Statistical Methodology, 1951(1): 1-45.
[15]	李莉, 张赛, 何强, 等. 响应面法在实验设计与优化中的应用[J]. 实验室研究与探索, 2015, 34(8): 41-45.
	LI Li, ZHANG Sai, HE Qiang, et al. Application of response surface method in experimental design and optimization[J]. Laboratory Research and Exploration, 2015, 34(8): 41-45.
[16]	郁磊, 史峰, 王辉, 等. Matlab智能算法30个案例分析[M]. 北京: 北京航空航天大学出版社, 2011: 7-23.
	YU Lei, SHI Feng, WANG Hui, et al. Matlab intelligent algorithm 30 cases analysis[M]. Beijing: Beijing University of Aeronautics and Astronautics Press, 2011: 7-23.
[17]	朱学军, 攀登, 王安麟, 等. 混合变量多目标优化设计的Pareto遗传算法实现[J]. 上海交通大学学报, 2020, 34(3): 411-414.
	ZHU Xuejun, PAN Deng, WANG Anlin, et al. Mixed variable multi-objective optimization design of Pareto genetic algorithm[J]. Journal of Shanghai Jiao Tong University, 2020, 34(3): 411-414.
[18]	KONAK A, COIT D W, SMITH A E. Multi-objective optimization using genetic algorithms: A tutorial[J]. Reliability Engineering and System Safety, 2006, 91(9): 992-1007.
[19]	李学斌, 朱学康. 潜艇耐压圆柱壳的多目标优化设计[J]. 中国造船, 2009, 50(1): 10-18.
	LI Xuebin, ZHU Xuekang. Multi-objective optimization of submarine pressure cylindrical shell[J]. Ship-building of China, 2009, 50(1): 10-18.

编辑推荐 0

Metrics

阅读次数

全文

472

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	8	218	0	246

来源	本网站	其他网站

次数	118	354
比例	25%	75%

摘要

1677

最新录用	在线预览	正式出版

202	0	1475

来源	本网站	其他网站

次数	68	1609
比例	4%	96%

轴段	内径/mm	长度/mm	润滑介质
艉轴	185	740	水
1#中间轴	165	730	油
2#中间轴	145	1 275	油
推力轴	125	1 200	油

轴承	内径/mm	长度/mm	润滑介质
后艉轴承	186	555	水
前尾轴承	150	156	油
中间轴承	160.5	130	油
推力径向轴承	160	101	油

轴承编号	坐标位置/mm
1	1 360
2	4 048.75
3	6 180
4	8 380
5	9 725
6	10 060

因素	水平
因素	-1	0	1
x₁/mm	144	160	176
x₂	0.45	0.70	0.95
x₃/mm	-269	0	269

序号	x₁/mm	x₂	x₃/mm	y₁/W	y₂/μm
1	133	0.7	0	2 068.2	1.838 8
2	144	1.0	-269	2 166.5	1.903 7
3	144	1.0	269	2 165.1	1.810 0
4	176	0.5	-269	2 225.2	1.914 4
5	187	0.7	0	2 438.8	1.840 5
6	160	0.7	0	2 207.3	1.856 1
7	160	1.1	0	2 343.9	1.855 5
8	160	0.3	0	2 088.8	1.856 7
9	144	0.5	269	2 067.5	1.811 7
10	176	1.0	-269	2 450.3	1.913 1
11	144	0.5	-269	2 071.1	1.904 6
12	176	1.0	269	2 449.8	1.808 3
13	160	0.7	452	2 205.4	1.788 6
14	160	0.7	-452	2 209.8	1.944 7
15	176	0.5	269	2 221.6	1.809 4
16	160	0.7	0	2 209.1	1.846 1

基于响应面法-遗传算法的船舶推进轴系多目标优化设计

Multi-Objective Optimization Design of Ship Propulsion Shafting Based on Response Surface Methodology and Genetic Algorithm

RichHTML

PDF (PC)

补充材料

可视化

摘要/Abstract

引用本文

使用本文

图/表 20

参考文献 19

相关文章 15

编辑推荐 0

Metrics

本文评价

来源	平方和	自由度	均方和	F值	P值
模型	260 879.91	9	28 986.66	2 052.04	<0.000 1
x₁	164 720.46	1	164 720.46	11 661.00	<0.000 1
x₂	84 684.96	1	84 684.96	5 995.07	<0.000 1
x₃	19.59	1	19.59	1.39	0.283 5
x₁x₂	8 475.08	1	8 475.08	599.97	<0.000 1
x₁x₃	0.086	1	0.086	0.006 11	0.940 2
x₂x₃	3.52	1	3.52	0.25	0.635 6
$x 12$	2 396.36	1	2 396.36	169.64	<0.000 1
$x 22$	79.40	1	79.40	5.62	0.055 5
$x 32$	0.23	1	0.23	0.016	0.903 6
残差	84.75	6	14.13
失拟项	83.06	5	16.61	9.80	0.237 7
纯误差	1.69	1	1.69
总和	260 964.66	15

来源	平方和	自由度	均方和	F值	P值
模型	3.270×10^-14	9	3.634×10^-15	126.85	<0.000 1
x₁	2.391×10^-17	1	2.391×10^-17	0.83	0.396 1
x₂	3.595×10^-18	1	3.595×10^-18	0.13	0.735 3
x₃	3.179×10^-14	1	3.179×10^-14	1 109.85	<0.000 1
x₁x₂	5.478×10^-21	1	5.478×10^-21	1.912×10^-4	0.989 4
x₁x₃	6.767×10^-17	1	6.767×10^-17	2.36	0.175 2
x₂x₃	4.333×10^-20	1	4.333×10^-20	1.513×10^-3	0.970 2
$x 12$	7.522×10^-17	1	7.522×10^-17	2.63	0.156 3
$x 22$	8.125×10^-17	1	8.125×10^-17	2.84	0.143 1
$x 32$	4.136×10^-16	1	4.136×10^-16	14.44	0.009 0
残差	1.719×10^-16	6	2.864×10^-17
失拟项	1.219×10^-16	5	2.438×10^-17	0.49	0.788 3
纯误差	4.996×10^-17	1	4.996×10^-17
总和	3.287×10^-14	15

最优解	x₁/mm	x₂	x₃/mm	y₁/W	y₂/μm
1	148.7	0.5	267.552 4	2 082.894 7	1.812 5
2	149.6	0.5	268.995 0	2 087.083 3	1.814 2
3	149.2	0.5	267.996 0	2 085.357 1	1.813 4

类别	y₁/W	y₂/μm	传递效率/%
优化前	2 242.374 2	1.855 9	95.88
第1组解优化结果	2 082.894 7	1.812 5	96.17
变化率	-7.10%	-2.30%	+0.29百分点

支撑位置	振动响应
支撑位置	优化后	优化前
后艉轴承仿真结果	0.934 407	1
前艉轴承仿真结果	0.908 811	1
后艉轴承实验结果	0.995 977	1
前艉轴承实验结果	0.966 166	1

数据	状态	总功耗/W	轴系功率传递效率/%
仿真数据	优化前	2 242.374 2	95.88
	优化后	2 082.894 7	96.17
实验数据	优化前	2 589.441 2	95.33
	优化后	1 813.922 4	96.67

[1]	孙栋一, 蒲宇亭, 章建榜. 基于GA-BP神经网络的防空导弹实时目标分配方法[J]. 空天防御, 2025, 8(1): 62-70.
[2]	路庆昌, 刘鹏, 秦汉, 徐鹏程. 考虑路段恢复差异的道路网络恢复决策优化[J]. 上海交通大学学报, 2024, 58(7): 1118-1129.
[3]	胡亚飞, 李克庆, 韩斌, 吉坤. 多因素耦合下尾砂胶结充填体强度优化与预测[J]. J Shanghai Jiaotong Univ Sci, 2024, 29(5): 845-856.
[4]	孙乾洋, 周利, 丁仕风, 刘仁伟, 丁一. 基于人工神经网络的极地船舶冰阻力预报方法[J]. 上海交通大学学报, 2024, 58(2): 156-165.
[5]	钟科星, 丁乐声, 张聪, 毛彦东, 陈金龙. 基于神经网络的风电海缆弯曲限制器优化设计[J]. 海洋工程装备与技术, 2024, 11(1): 70-76.
[6]	赵志斌, 骆彬, 唐婷, 王春芳, 孙中华. 改进型自激谐振无线电能传输系统[J]. 上海交通大学学报, 2023, 57(7): 859-867.
[7]	蒋瑞民, 王宣灵, 张明恩, 赵斌. 基于量子遗传算法的反舰导弹航路规划方法[J]. 空天防御, 2023, 6(4): 31-34.
[8]	夏云松, 谭剑锋, 韩水, 高金娥. 基于反向传播神经网络的风力机涡流发生器优化[J]. 上海交通大学学报, 2023, 57(11): 1492-1500.
[9]	闫青, 鲁建厦, 江伟光, 邵益平, 汤洪涛, 李英德. 考虑双端口布局的紧致化仓储系统堆垛机路径优化[J]. 上海交通大学学报, 2022, 56(7): 858-867.
[10]	王箫剑, 洪君, 陈晶华, 李鸿光. 基于参数化建模和响应面优化的箱体减重研究[J]. 空天防御, 2022, 5(4): 60-66.
[11]	周天颜, 冯小恩, 范云锋, 董诗音, 李玉庆, 金慧中. 避免防空火力过剩的地面兵力防御部署优化模型[J]. 空天防御, 2022, 5(4): 19-23.
[12]	王卓鑫, 赵海涛, 谢月涵, 任翰韬, 袁明清, 张博明, 陈吉安. 反向传播神经网络联合遗传算法对复合材料模量的预测[J]. 上海交通大学学报, 2022, 56(10): 1341-1348.
[13]	陶海红, 闫莹菲. 一种基于GA-CNN的网络化雷达节点遴选算法[J]. 空天防御, 2022, 5(1): 1-5.
[14]	周宇泰, 徐岳, 李宇, 蒋国韬. 基于遗传算法的干扰态势下三维雷达网优化布站方法[J]. 空天防御, 2022, 5(1): 52-59.
[15]	李翠明, 王宁, 张晨. 基于改进遗传算法的光伏板清洁分级任务规划[J]. 上海交通大学学报, 2021, 55(9): 1169-1174.