基于IMONGO算法的船-机-桨参数匹配技术.pdf
《基于IMONGO算法的船-机-桨参数匹配技术.pdf》由会员分享,可在线阅读,更多相关《基于IMONGO算法的船-机-桨参数匹配技术.pdf(7页珍藏版)》请在咨信网上搜索。
1、第45卷第2 3期2023年12 月舰船科学技术SHIP SCIENCEANDTECHNOLOGYVol.45,No.23Dec.,2023基于 IMONGO算法的船-机-桨参数匹配技术张增鑫,李纯金,李磊,马骏,许宏锐(江苏科技大学机械工程学院,江苏镇江2 12 10 0)摘要:传统船-机-桨参数匹配还停留在图谱法研究中,不能满足船舶精细化设计要求,为此提出一种船-机-桨参数匹配的新方法。首先,基于船-机-桨奖匹配动态数学模型构建船-机-桨参数匹配的多目标优化模型;其次,以最小化发动机燃油消耗、最大化推进系统效率及最小化燃烧物排放为目标函数;然后,采用改进的多目标北方苍鹰优化算法(IMONG
2、O)计算船-机-奖匹配参数。最后,使用排序优选技术(TOPSIS)对Pareto解集的性能进行排序,选出排序靠前的匹配参数组合。通过试验验证,燃油消耗率降低5.9 7%,发动机燃烧物排放中氮氧化物排放体积比降低19.49%,碳烟(soot)排放质量分数降低2 0.1%,船舶推进系统效率提高到0.59,优化的船-机-桨匹配参数对实际工程设计具有巨大参考价值。关键词:船-机-桨参数匹配;多目标北方苍鹰优化算法;多目标优化中图分类号:U677.2文章编号:16 7 2-7 6 49(2 0 2 3)2 3-0 10 8-0 7Ship-machine-paddle matching technolo
3、gy based on IMONGO algorithm(College of Mechanical Engineering,Jiangsu University of Science and Technology,Zhenjiang 212100,China)Abstract:In view of the fact that the traditional ship-engine-propeller parameter matching still remains in the study ofmapping method,which cannot meet the requirements
4、 of ship refinement design,a new method of ship-engine-propellerparameter matching is proposed.Firstly,a multi-objective optimization model for ship-engine-propeller parameter matchingis constructed based on the dynamic mathematical model of ship-engine-propeller matching;secondly,the objective func
5、tionof minimizing engine fuel consumption,maximizing propulsion system efficiency and minimizing combustion emissions isadopted;then,the improved multi-objective northern hawk optimization algorithm(IMONGO)is used to calculate the shipengine-propeller matching parameters;finally,the ranking preferen
6、ce technique(TOPSIS)to rank the performance of thePareto solution set and select the top ranked matching parameter combination.Through experimental verification,the fuelconsumption rate is reduced by 5.97%,the NOx emission volume ratio in engine combustion emissions is reduced by19.49%,the carbon so
7、ot emission mass fraction is reduced by 20.1%,and the ship propulsion system efficiency is improvedto 0.59.The optimized ship-machine-propeller matching parameters have great reference value for practical engineeringdesign.Key words:ship-machine-paddle matching;MONGO;multi-objective optimization0引言船
8、-机-桨之间的匹配关系对发动机使用寿命、船舶推进系统效率、经济性及污染物排放指标有着重要影响。因此,开展船-机-桨参数匹配的研究是十分必要的。相关机构的研究团队先后开展了甲醇燃料发动机燃油配比、供给控制、船-机-奖动力总成匹配算法的收稿日期:2 0 2 2-0 9-2 1基金项目:广东省海洋经济发展专项资金资助项目(JCKY2021414B011)作者简介:张增鑫(19 9 8),男,硕士研究生,研究方向为船舶建造工艺及其装备开发。文献标识码:AZHANG Zeng-xin,LI Chun-jin,Li Lei,MA Jun,XU Hong-ruidoi:10.3404/j.issn.1672
9、-7649.2023.23.019研究,但均未涉及复杂工况下智能船舶驾驶的船-机-桨实时匹配。鉴于此,本文提出一种船-机-桨参数匹配的新方法。首先,基于船-机-桨实时匹配的动态数学模型,构建匹配参数与燃油消耗、推进系统效率及燃烧物排放的多目标优化模型;其次,以桨叶数、螺距比、盘面比、螺旋桨转速、螺旋桨直径、船舶航速第45卷及发动机负荷率为优化变量,以最小化发动机燃油消耗、最大化推进系统效率及最小化燃烧物排放为优化目标;然后,采用改进的多目标北方苍鹰优化算法算法(Improved Multi-Objective Northern Goshawk Optimiz-ation,I M O NG O)
10、对已建立的模型进行迭代寻优。最后,利用排序优选技术(TOPSIS)对优化参数性能进行排序,并且把评分第一的解决方案作为船-机-奖参数匹配结果,进而达到提高船舶经济性且降低环境影响的目标。1船-机-桨实时匹配的动态数学模型根据船舶主尺度和关键匹配系数研究船舶阻力特性,将船舶阻力分成六部分:裸船体粘性阻力、裸船体兴波阻力、方尾浸没阻力、球鼻附加阻力、附体阻力、船模实船修正阻力,根据船舶实际航行工况参数计算相应的分量阻力,最后得到船舶总阻力Rm。计算复杂工况下螺旋奖推力,根据航速V,及伴流系数w随船速变化的关系得到螺旋桨进速Vp,再根据螺旋桨转速n、螺旋桨直径D及螺旋奖进速Vp得到进速系数J,Vp、
11、J的具体计算公式如下:Vp=Vs(1-W),VpJ=VVp?+n2D2通过进速系数、螺距比、盘面比、桨叶数计算对应的推力系数K及扭矩系数Ko,采用B系列螺旋奖,计算表达式如下:KI-K()T,=KrpnD4T.=T,(1-1)JdtVm+mVp=Vs(1-W)图1船-机-奖实时匹配数学模型Fig.1 Real-time ship-machine-paddle matchingmathematical model张增鑫,等:基于IMONGO算法的船-机-桨参数匹配技术Dn=147Ko=Zca()s(Dn=1式中:Vs为船舶航速,m/s;Cn,Sn,t n,u n,Vn 为B系列螺旋奖KT、K o
12、 多项式的各项系数;为螺距比;会为盘面比;Z为桨叶数。Ao再根据推力系数和扭矩系数分别计算得到螺旋桨的推力Tp及螺旋桨扭矩Mp,计算公式如下:Tp=KTpn?D4,Mp=Kopn?D5。其中,p为海水密度。分析船舶实际运行工况,基于牛顿第二定律以及船-机-桨之间的动力平衡关系,提出复杂工况下的船-机-桨动力匹配计算方法,并建立船-机-桨匹配的实时动态数学模型,计算如下:(1)dVs(m+m)=Te-Rm=Te-(Rv+Rw+RB+dt(2)Rtr+RA+Rapp)。式中:m为船舶附体质量,一般取值范围为m的5%10%;m 为船体质量,m+m 为船舶总质量;V,为船速;Te为船舶有效推力;Rm为
13、船舶总阻力;Rv为裸船体粘性阻力;Rw为裸船体兴波阻力;RB为球鼻附加n阻力;Rtr为方尾浸没阻力;RA为船模实船修正阻力;VJV+n?D2Ko=Ko()M,=KopnDs2元M=PeP。PR=R+Rw+RB+Rt+RA+Rapp109.39Z)AEun(Z)Rapp为附体阻力。2多目标北方苍鹰优化算法改进2.1北方苍鹰优化算法北方苍鹰优化算法(NorthernGoshawkOptimiza-tion,NG O)模拟了苍鹰狩猎,选优过程包含以下2 个阶段:1)识别猎物及攻击猎物(全局搜索)在狩猎的第一阶段,苍鹰随机选择猎物,然后迅速攻击,属于全局搜索阶段,可用以下数学模型进行描述:Xij+r(
14、Pij-IXi.j),Fp;Fi,Xnew,P1Xij+r(Xij-Pi),Fp,Fio(3)Vn(4)PID(5)(6)(7):110 式中:Xuew.P1为第一阶段更新后的北方苍鹰位置;Xi为更新前的北方苍鹰位置;Pij为猎物位置;1为 1,2 内的随机数;Frew.PI为NGO第一阶段的适应度值;Fi为适应度值;X;为第i代北方苍鹰位置。2)追逐及逃生(局部搜索)当苍鹰靠近猎物后,猎物试图逃跑,此时苍鹰继续追随,防止猎物逃跑,故采取局部搜索,其数学模型如下:Xxnew.P2=Xij+R(2r-1)Xi j订R=0.2-),Xnew.P2,Fnew,P2 Fi,订式中:Xmew.P2为第二
15、阶段更新后的北方苍鹰位置,r为 0,1 内的随机数,t为当前迭代次数,T为最大迭代次数,FrewP2为NGO第二阶段的适应度值。2.2改进的北方苍鹰算法2.2.1种群初始化策略改进NGO采用随机方式生成初始种群,生成的种群分布不均,不能保证初始种群覆盖问题的决策空间,易陷人局部最优 I-4。因此,引人Sine混沌映射和精英反向学习策略对种群初始化方式进行改进。Sine混沌映射的公式如下:Si+1=sin(元si),i=1,2,.*,n。式中:s;为迭代序列值,i取非负整数,S1E(0,1);为系统参数,=0,1,当=(0.87,0.93)和(0.9 5,1)时出现混沌现象,实验取=0.99。精
16、英反向学习策略利用精英个体比一般个体包含更多有效信息的这一特点,通过当前种群中的精英个体构造出反向种群来增加种群的多样性,并从当前种群和反向种群构造的新种群中选取最优个体作为新一代个体 5-0 。改进的种群初始化步骤如下:步骤1按式(11)、式(12)式(13)生成种群X,种群X,种群Xt。X=lb+rand(ub-lb),舰船科学技术Xxiew.Pl,Fnew.PI Fi,X,=lb+S(ub-lb),X;=订第45卷(12)(8)X,=rand (ub-lb)-X。式中:lb表示搜索的下界,ub表示搜索的上界,S表示根据式(10)生成的混沌量。步骤2 将种群X,种群X,种群X合并为一个新种
17、群,从中选择前N个适应度最优的个体组成初始种群。2.2.2动态自适应因子调整策略自适应权重的特点是当权重较大时,其搜索范围较大;当权重较小时,可对局部进行精细化搜索 7-9 。因此,在苍鹰接近目标时,利用权重较小时的特点改变最优苍鹰的位置,提高局部寻优能力。本文自适应权重公式如下:W=-e7+1。式中:t为当前迭代次数;T为最大迭代次数。利用式(14)对式(8)进行改进,改进公式如下式:(9)wXij+r(Pij-IXi.,),Fp,Fi,Xinew.P1W.Xij+r(Xi.j-Pi),Fp,Fioxw.Pl,Frew.PI Fi.2.3算法性能验证为了验证改进的IMONGO算法性能,选择标
18、准测试函数ZDT1和ZDT2进行测试。评价指标分别为送代距离(GD)、反向迭代距离(IGD)、超体积指标(H V)、空间评价方法(SP)。其中,GD值、IGD值及SP值越小,表示收敛性越好且解集越均匀。HV值越大,表示近似解集支配目标空间的体积越大,近似解集越接近真实解集。(10)3基于改进多目标北方苍鹰优化算法的优化问题建模3.1设计变量以桨叶数、螺距比、盘面比、螺旋桨转速、螺旋表1算法测试函数对照表Tab.1 Algorithm test function comparison table测试最优化函数算法MONGO0.0031ZDT1IMONGO0.0026MONGO0.003 186Z
19、DT2(11)IMONGO0.002.698(13)(14)(15)评价指标IGDGD0.00018020.00010934.95791053.799.910-5HV0.61250.72160.34580.4461SP0.0052300.004.5900.005160.004856第45卷桨直径、船舶航速及发动机负荷率为优化变量,设计变量表示如下:AEX=DAon,D,3.2目标函数3.2.1推进系统效率推进系统效率函数表达式如下:n=nansnd:nfo其中,轴系效率na一般取值0.9 6 0.9 9 5,对旋转效率ns一般取值0.9 8 1.0 7。船身效率nf由下式得到:(18)nf=1
20、-W螺旋桨水效率可由下式得到:KTJnd=Ko2元对于B系列螺旋桨,J,K T,K o 可公式(2)式(4)开始输入优化问题设置算法参数创建北方苍鹰的初始化种群求解目标函数随机选择猎物求解XP适应度值Nj-j+1更新X位置计算XwP函数值Nj-j+1Y更新X位置文计1NiT?j-1Y保存目前最优解文T-N?输出找到的最优解立结束图2 改进的多目标北方苍鹰优化算法流程图Fig.2 Flowchart of the improved multi-objective northern eagleoptimization algorithm张增鑫,等:基于IMONGO算法的船-机-桨参数匹配技术3.2
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 IMONGO 算法 参数 匹配 技术
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。