CN111859806B - 一种面向智能船舶的液舱配载方法及系统 - Google Patents
一种面向智能船舶的液舱配载方法及系统 Download PDFInfo
- Publication number
- CN111859806B CN111859806B CN202010713627.7A CN202010713627A CN111859806B CN 111859806 B CN111859806 B CN 111859806B CN 202010713627 A CN202010713627 A CN 202010713627A CN 111859806 B CN111859806 B CN 111859806B
- Authority
- CN
- China
- Prior art keywords
- loading
- population
- sub
- scheme
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011068 loading method Methods 0.000 title claims abstract description 121
- 239000007788 liquid Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 54
- 108091026890 Coding region Proteins 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 10
- 238000013178 mathematical model Methods 0.000 claims abstract description 7
- 230000035772 mutation Effects 0.000 claims description 33
- 238000005452 bending Methods 0.000 claims description 20
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 238000005096 rolling process Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 238000010008 shearing Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 239000013505 freshwater Substances 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 229910018503 SF6 Inorganic materials 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B25/00—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby
- B63B25/02—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods
- B63B25/08—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Genetics & Genomics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
Abstract
本发明提供一种面向智能船舶的液舱配载方法，包括：采集液舱在装配过程中的船舶的纵倾值、横倾值、初稳性高度值和总纵强度，并建立数学模型；采集多个液舱的初始配载工况，根据初始配载工况和液舱的目标配载工况比较确定待配载的液舱；将待配载的液舱进行编码，并将编码随机生成多个具有优先级的编码序列作为配载方案，多个编码序列组成初始方案群体；对初始方案群体进行循环迭代操作，并得到最优编码序列作为最终的配载方案；本发明通过改进的遗传算法对液舱配载过程进行优化计算，解决了依靠人为经验进行液舱配载计算的问题，提高船舶的装卸效率，同时通过降低液舱配载过程中的累积倾斜量、满足船舶初稳性高度和总纵强度约束以保证船舶的稳定性和安全性。
Description
技术领域
本发明涉及船舶液舱装载领域，尤其涉及一种面向智能船舶的液舱配载方法及系统。
背景技术
现有技术中，针对货舱或者液舱配载问题，主要是由人为进行配载，通常是由大副结合自身经验和实际情况提前做好配载计划，浪费时间及人力成本，同时因涉及多个液舱，其中配载过程可以包含装载和卸载，在装卸货的过程中，如果操作不当，船舶可能会出现明显倾斜，甚至船体强度受到破坏，关乎船舶安全性，因此对液舱的配载顺序有着切实的必要性。
发明内容
本发明提供一种面向智能船舶的液舱配载方法，以克服上述技术问题。
本发明提供一种面向智能船舶的液舱配载方法，包括以下步骤：
S1：采集液舱在装配过程中的船舶的纵倾值、横倾值、初稳性高度值和总纵强度，以所述纵倾值和横倾值的最小累计偏差为目标函数，所述初稳性高度值和总纵强度为约束函数建立数学模型；
S2：采集多个所述液舱的初始配载工况，根据所述初始配载工况和所述液舱的目标配载工况比较确定待配载的液舱；
S3：将所述待配载的液舱进行编码，并将所述编码随机生成多个具有优先级的编码序列作为配载方案，多个所述编码序列组成初始方案群体；对所述初始方案群体进行循环迭代操作，并得到最优编码序列作为最终的配载方案。
进一步地，所述对所述方案群体进行循环迭代操作，每次迭代包括如下步骤：
S31：设定总迭代次数和合并周期，对所述初始配载方案中的每个编码序列进行适应度计算，对A个所述编码序列按照适应度由小到大的顺序进行排序以获得编码序列组，其中A为偶数；
S32：将配载方案群体中的多个所述编码序列分成第一子群体和第二子群体，所述第一子群体由编码序列组通过第一适应度筛选条件获得，所述第一适应度筛选条件为自所述编码序列组首端依次选择B个编码序列，其中B＝A/2；
所述第二子群体由编码序列组由余下的编码序列组成；
S33：分别对所述第一子群体和第二子群体中相邻排序的编码序列中的编码依次进行交叉、变异和轮盘赌选择操作，并更新所述第一子群体和第二子群体；
S34：在迭代过程中，当所述第一子群体和第二子群体迭代到设定的合并周期，将所述第一子群体和第二子群体合并得到新的初始方案群体，此时如果没有达到设定总迭代次数，则返回步骤S31并将所述新的配载方案群体进行迭代；达到设定的总迭代次数后，将当前的配载方案群体中适应度最高的编码序列输出。
进一步地，所述数学模型如下：
MINd＝d1+d2 (1)
GM≥0.15 (2)
SF(x)min<SF(x)<SF(x)max (3)
BM(x)min<BM(x)<BM(x)max (4)
其中，公式(1)为目标函数，公式(2)为初稳性高度值，公式(3)和(4)为约束函数，d为纵倾和横倾累计偏差，d1是纵倾累计偏差，d2是横倾累计偏差，GM是自由液面修正后的初稳性高度，SF(x)为各肋位处的实际剪力，SF(x)min、SF(x)max为各肋位处的最小和最大许用剪力，BM(x)为各肋位处的实际弯矩，BM(x)min、BM(x)max为各肋位处的最小和最大许用弯矩。
进一步地，所述步骤S31中所述适应度的计算公式如下：
d为纵倾和横倾累计偏差，λGM是配载过程中初稳性高度GM是否满足条件的约束参数，配载过程中满足约束，λGM＝1，不满足，λGM＝0；λSF是配载过程中各肋位剪力是否满足条件的约束参数，配载过程中所有肋位满足约束，λSF＝1，有肋位不满足，λSF＝0；λBM是配载过程中各肋位弯矩是否满足条件的约束参数，配载过程中所有肋位满足约束，λBM＝1，有肋位不满足，λBM＝0。
进一步地，所述步骤S33中所述交叉、变异操作分别基于如下公式进行：
其中，pc为交叉概率，pm为变异概率，Fmax表示某代群体中最优编码序列的适应度，Favg表示此代群体的平均适应度，F’为两交叉编码序列的适应度中较大的一个，F为变异编码序列的适应度，k1，k2，k3，k4为常数，且有0<k，k2，k3，k4≤1.0，k1<k3，k2<k4。
一种面向智能船舶的液舱配载系统，其特征在于，包括：数据采集模块、数据存储模块、交互模块、装载计算模块和配载分析模块；
所述数据采集模块用于采集液舱在装配过程中的数据，所述数据至少包括：船舶的纵倾值、横倾值、初稳性高度值和总纵强度，并发送至所述数据存储模块进行存储；
所述交互模块将所述数据存储模块中的参数发送至所述装载计算模块，所述装载计算模块对所述数据进行计算整理，并将计算整理后的数据发送至所述配载分析模块；
所述配载分析模块通过接收所述装载计算模块发送的计算整理后的数据，并基于如下策略，对所述计算整理后的数据进行分析处理，得到配载方案；所述策略包括：将待配载的液舱进行编码，并将所述编码随机生成多个具有优先级的编码序列作为配载方案，多个所述编码序列组成初始方案群体；对所述初始方案群体进行循环迭代操作，并得到最终的配载方案；
所述交互模块将所述配载分析模块生成的配载方案输出。
进一步地，还包括：报警模块；所述报警模块用于监测装载过程中船舶安全状态报警、液舱装载报警。
本发明通过遗传算法对液舱配载过程进行优化计算，解决了依靠人为经验进行液舱配载计算的问题，提高船舶的装卸效率，同时通过降低液舱配载过程中的累积倾斜量和船舶总纵强度以保证船舶的稳定性和安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例方法整体步骤图；
图2为本发明实施例方法整体流程图；
图3为本发明实施例系统整体流程图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种面向智能船舶的液舱配载方法，如图1所示，包括以下步骤：
S1：采集液舱在装配过程中的船舶的纵倾值、横倾值、初稳性高度值和总纵强度，以所述纵倾值和横倾值的最小累计偏差为目标函数，所述初稳性高度值和总纵强度为约束函数建立数学模型；
S2：采集多个所述液舱的初始配载工况，根据所述初始配载工况和所述液舱的目标配载工况比较确定待配载的液舱；
所述配载包括装载和卸载；所述数据采集模块采集多个所述液舱的初始配载工况，多个所述初始配载工况分别与多个所述液舱各自的目标配载工况相比，若不同，则为待配载液舱；所述配载包括装载和卸载；
船舶在上一个航次结束靠港之后，下一个航次开始之前，会明确下一航次的装载计划，这个装载计划是已知的，而以什么样的装卸顺序来实现这个装载计划是未知的。针对这个问题仅以液舱为研究对象，一般船舶会有压载水舱、各种油舱、淡水舱以及各种杂项液舱等，船舶在上一航次结束靠港之后油舱、淡水舱因消耗需要补充、压载水舱需要依情况调整、杂项舱需要清除备用等等，根据当前船舶的装载情况和下一航次的装载计划，可以推算出哪些液舱需要配载或调整，这些液舱就是要进行排序配载的对象。
液舱初始装载工况是指船舶液舱在装载之前的液舱信息，液舱目标装载工况是指液舱装载后最终的信息，待配载的液舱是指液舱初始装载工况与最终工况比较后，舱容发生变化的舱室，这里的变化可能是装载也可能是卸载，这些变化舱室的组合顺序即为一个配载方案。
S3：将所述待配载的液舱进行编码，并将所述编码随机生成多个具有优先级的编码序列作为配载方案，多个所述编码序列组成初始方案群体；对所述初始方案群体进行循环迭代操作，并更新所述第一子群体和第二子群体；以得到最优编码序列作为最终的配载方案。
对需要配载的液舱进行编码，编码方式采用自然数编码，每个液舱有一个区别于其他液舱的编号，这些编号组成的编码序列就是一个液舱配载方案，编码序列的顺序是区别于其他方案的主要特征。实施类中，初始方案群体的大小结合具体舱室数量设定为20个，初始迭代次数设定为0，交叉算子、变异算子为在0～1之间取值的算法参数，终止条件设定进化100代。
进一步地，如图2所示，所述对所述方案群体进行循环迭代操作，每次迭代包括如下步骤：
S31：设定总迭代次数和合并周期，对所述初始配载方案中的每个编码序列进行适应度计算，对A个所述编码序列按照适应度由小到大的顺序进行排序以获得编码序列组，其中A为偶数；
S32：将配载方案群体中的多个所述编码序列分成第一子群体和第二子群体，所述第一子群体由编码序列组通过第一适应度筛选条件获得，所述第一适应度筛选条件为自所述编码序列组首端依次选择B个编码序列，其中B＝A/2；
所述第二子群体由编码序列组由余下的编码序列组成；
S33：分别对所述第一子群体和第二子群体中相邻排序的编码序列中的编码依次进行交叉、变异和轮盘赌选择操作，再经过轮盘赌选择方法得到具有更优的编码序列的第一子群体和第二子群体；
遗传算法的核心就是交叉、变异操作。
对于交叉操作，举例说明，假如有9个待配载液舱，编号1～9，配载顺序方案1：123456789和配载顺序方案2：546921783，交叉之后，配载顺序方案3：126921789和配载顺序方案4：543456783，这里有重复的需要通过映射修正。
6921 1->6->3 9->4 2->5
3456
观察上面方案3里1、2、9重复，方案4里3、4、5重复，斜体的交叉部分不能动，非斜体部分的重复数字以1->6->3 9->4 2->5的映射关系替换修正。修正后的方案3：356921784，方案4：293456781。
变异操作，交换方案3和方案4里其中一位数字。
交叉操作是产生新方案的主要手段，与变异相比，交叉注重“探测”而变异更注重“局部开发”。
交叉概率、变异概率是用来设置编码序列是否需要进行交叉变异操作的参数，坏的方案被交叉变异的概率高，好的方案被交叉变异的概率低。
选择操作，目的是选出优良的方案，淘汰差的方案，与此同时还要保证群体中的编码序列数量不变，这是通过复制来实现的。
基本遗传算子是设定了固定的交叉概率、变异概率以及比较简单的选择方法。本专利为了提高算法性能采用了自适应遗传算子。该改进自适应算子的基本思想是，当某编码序列的适应度小于群体平均适应度时，给予较高的交叉和变异值；当某编码序列适应度大于群体平均适应度时，交叉和变异概率随适应度的增加呈指数下降。另外，若群体中编码序列趋于相同时，编码序列适应度接近群体的平均适应度,由下式可知，每个编码序列的交叉、变异概率也很大，因此很快得到新编码序列，从而保证了群体多样性,并克服了算法早熟。
第一子群体和第二子群体分别以相近两个编码序列配对进行随机交叉、变异操作；两个配对编码序列根据交叉概率判断是否需要进行交叉操作，如果需要则在编码序列中以生成的交叉点进行交叉操作，所述编码序列变成新的编码序列，然后再根据变异概率对编码序列中随机一个编码位置进行交换变异操作，得到两个新的交叉变异配载方案；
S34：在迭代过程中，当所述第一子群体和第二子群体迭代到设定的合并周期，将所述第一子群体和第二子群体合并得到新的初始方案群体，此时如果没有达到设定总迭代次数，则返回步骤S31并将所述新的配载方案群体进行迭代；达到设定的总迭代次数后，将当前的配载方案群体中适应度最高的编码序列输出。
在液舱的配载过程中核心是使在按照当前的配载顺序方案下船舶的纵倾和横倾的累计偏差最小，以确保船舶在液舱配载过程中的稳定性；同时验证船舶的初稳性高度和总纵强度是否满足约束条件，以保证船舶的安全性。其中，船舶纵倾是指船舶自正浮位置向船尾方向或船首方向倾斜的一种浮态；横倾是指船舶自正浮状态向左舷或右舷方向倾斜的一种浮态。初稳性是指船舶在小倾角情况下(倾斜角小于10度～15度)具有的稳性。船体总纵强度是指船体结构抵抗因重力和浮力沿船长方向不一致而产生的剪切及纵向弯曲变形的能力。
进一步地，以船舶液舱配载过程中纵倾和横倾的累计偏差最小为目标函数，初稳性和总纵强度作为约束函数建立数学模型如下：
MINd＝d1+d2 (1)
GM≥0.15 (2)
SF(x)min<SF(x)<SF(x)max (3)
BM(x)min<BM(x)<BM(x)max (4)
其中，公式(1)为目标函数，公式(2)为初稳性高度值，公式(3)和(4)为约束函数，d为纵倾和横倾累计偏差，d1是纵倾累计偏差，d2是横倾累计偏差，GM是自由液面修正后的初稳性高度，SF(x)为各肋位处的实际剪力，SF(x)min、SF(x)max为各肋位处的最小和最大许用剪力，BM(x)为各肋位处的实际弯矩，BM(x)min、BM(x)max为各肋位处的最小和最大许用弯矩。
其中，tmi表示第i个液舱配载后的纵倾值，tm表示设定的目标纵倾值；
其中，Δ为船舶排水量；MTC为每米纵倾力矩(t·m/m)；LCG为船舶重心纵坐标；LCB为船舶浮心距尾柱的距离(m)
GM＝KM-KG-δGMf (8)
KM为船舶横稳心距基线高度(m)，KG为船舶重心距基线高度(m)，其值与船舶总的垂向力矩以及排水量大小有关，δGMf为自由液面对初稳性高度的影响值根据合力矩定理，KG和δGMf可分别按下式求得：
Pi为构成船舶排水量的各项重量(t)，包括空船重量ΔL，船舶常数C，各货舱货物重量∑Q，各油水舱中的油水重量及船员、行李、粮食、供应品等重量∑G；Zi为构成船舶排水量的各项重量的重心距基线高度(m)；∑Pi·Zi为构成船舶排水量的各项重量所形成的总的垂向力矩(9.81kN-m)，可用Mz表示ρ为液舱内的液体密度(t/m3)；ix为自由液面对通过其面积中心轴的面积惯性矩(m4)；∑ρi·ix为各液舱自由液面修正力矩之和(9.81kN·m)，通常，∑ρi·ix可由船舶稳性报告书中查得
在式(3)和式(4)中，实际的装载状态下的剪力和弯矩计算方法如下。
利用梁的理论，作用在船体梁横剖面上的剪力和弯矩为：
SF(x)＝∑W-B (11)
BM(x)＝∑W*l-B*l (12)
∑W为从船尾至校验剖面处的所有重量之和，B为从船尾计算至校验剖面肋位的浮力，∑W*l为从船尾至校验剖面肋位的诸项重量对校验剖面处的重力矩之和，B*l为上述浮力B对校验肋位处之浮力矩，BM＞0为中拱，BM＜0为中垂。根据不同剖面肋骨处的静水许用剪力和弯矩、波浪许用剪力和弯矩的许用值校核各点所对应的横剖面处的实际剪力和弯矩，并保证不超过相应的许用值。
对方案群体中的方案好坏进行评估，而评估标准就是目标函数和约束函数，满足约束的且目标越接近方案就越好，反之就越差；然后按照由好到坏的顺序依次排列。
进一步地，所述步骤S31中所述适应度的计算公式如下：
d为纵倾和横倾累计偏差，λGM是配载过程中初稳性高度GM是否满足条件的约束参数，配载过程中满足约束，λGM＝1，不满足，λGM＝0；λSF是配载过程中各肋位剪力是否满足条件的约束参数，配载过程中所有肋位满足约束，λSF＝1，有肋位不满足，λSF＝0；λBM是配载过程中各肋位弯矩是否满足条件的约束参数，配载过程中所有肋位满足约束，λBM＝1，有肋位不满足，λBM＝0。
进一步地，所述步骤S33中所述交叉、变异操作分别基于如下公式进行：
其中，pc为交叉概率，pm为变异概率，Fmax表示某代群体中最优编码序列的适应度，Favg表示此代群体的平均适应度，F’为两交叉编码序列的适应度中较大的一个，F为变异编码序列的适应度，k1，k2，k3，k4为常数，且有0<k，k2，k3，k4≤1.0，k1<k3，k2<k4。
每个子群体中有若干对所述交叉变异编码序列，完成交叉、变异操作后，采用轮盘赌选择进行筛选复制操作，所述筛选复制操作是依适应度概率选择编码序列，适应度越大，被选中的概率越高，适应度越小，被选中的概率越小；适应度为0则被选中的概率为0，相当于将该编码序列从群体中淘汰掉，而适应度高的编码序列会多次选中，补足被删除编码序列的空缺。选择概率的表达式如下：
其中，psi为编码序列i被选中的概率，M为群体大小，Fi为编码序列i的适应度，完成选择操作之后迭代次数K加1。
交叉、变异操作中采用了改进的自适应交叉、变异算子，改进自适应算子的基本思想是，当某编码序列的适应度小于群体平均适应度时，给予较高的交叉和变异值；当某编码序列适应度大于群体平均适应度时，交叉和变异概率随适应度的增加呈指数下降。另外，若群体中编码序列趋于相同时，编码序列适应度接近群体的平均适应度,由下式可知，每个编码序列的交叉、变异概率也很大，因此很快得到新编码序列，从而保证了群体多样性
在整个迭代过程中设置有合并周期,合并周期是设定的一个固定迭代次数Km，每达到这个固定迭代次数，将第一子群体和第二子群体进行合并，得到一个完整的配载方案群体，此时如果没有达到终止条件，则返回所述步骤S3并将所述配载方案群体作为新的所述初始配载方案群体进行迭代。如果满足终止条件即达到总迭代次数K，将当前的配载方案群体中适应度最高的个体作为最优的液舱配载方案输出
已知一条滚装船有液舱61个，包括压载舱(20)、油舱(19)、冷却水舱(2)、杂项舱(17)以及淡水舱(3)，液舱的初始工况及液舱的目标工况数据表见表1及表2：
表1液舱的初始工况数据表
表2液舱的目标工况数据表
通过比较以上表1及表2，得到待配载的液舱信息如下，如表3所示有24个液舱待配载。
表3待配载液舱信息表
以舱室序号进行编码，随机生成20个编码序列，作为初始配载方案群体。初始迭代次数K＝0，交叉算子、变异算子参数见表4，设定合并周期Km＝20，终止条件K＝100。
表4交叉、变异算子参数表
根据算法迭代得到的不同迭代次数下的纵倾、横倾累计偏差如下表：
表5不同迭代次数下的纵倾、横倾累计偏差表
算法迭代得到的不同迭代次数下的初稳性高度在配载过程中的变化如下，GMi表示第i个液舱配载后船舶的初稳性高度：
表6不同迭代次数下的初稳性高度在配载过程中的变化表
算法迭代得到的不同迭代次数下的典型肋位处的剪力在配载过程中的变化如下，SFi指第i个舱室配载之后船舶在肋位102处的剪力SFmin和SFmax是该肋位处的许用剪力：
表7不同迭代次数下的剪力变化表
算法迭代得到的不同迭代次数下的典型肋位处的弯矩在配载过程中的变化如下，BMi指第i个舱室配载之后船舶在肋位102处的弯矩，BMmin和BMmax是该肋位处的许用弯矩：
表8不同迭代次数下的弯矩变化表
经过上述表格可得，迭代次数为100时，得到了纵倾、横倾累计偏差较小且满足各种约束条件的优化液舱配载方案，优化后的配载顺序如下表：
表9优化后的配载顺序
一种面向智能船舶的液舱配载系统，如图3所示，包括：数据采集模块、数据存储模块、交互模块、装载计算模块和配载分析模块；
所述数据采集模块用于采集液舱在装配过程中的数据，所述数据至少包括：船舶的纵倾值、横倾值、初稳性高度值和总纵强度，并发送至所述数据存储模块进行存储；
所述交互模块将所述数据存储模块中的参数发送至所述装载计算模块，所述装载计算模块对所述数据进行计算整理，即上述步骤S1-S3，并将计算整理后的数据发送至所述配载分析模块；
所述配载分析模块通过接收所述装载计算模块发送的计算整理后的数据，并基于如下策略，对所述计算整理后的数据进行分析处理，得到配载方案；所述策略包括：将待配载的液舱进行编码，并将所述编码随机生成多个具有优先级的编码序列作为配载方案，多个所述编码序列组成初始方案群体；对所述初始方案群体进行循环迭代操作，并得到最终的配载方案，即步骤S31-S35所述的过程；
所述交互模块将所述配载分析模块生成的配载方案输出。
进一步地，还包括：报警模块；所述报警模块用于监测装载过程中船舶安全状态报警、液舱装载报警；当在装载过程中，发生超载，所述报警模块发出警报以提示风险存在，或船舶的纵倾及横倾值超过设定的最大阈值，发出警报。
本发明利用数据采集模块对液舱相关数据进行采集，用配载分析模块对数据进行处理、存储和监测，同时以自适应并行遗传算法对液舱配载过程进行优化计算，解决了依靠人为经验进行液舱配载计算的问题，提高船舶的装卸效率，同时通过降低液舱配载过程中的累积倾斜量、满足船舶稳性和总纵强度以保证船舶的稳定性和安全性。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种面向智能船舶的液舱配载方法，其特征在于，包括以下步骤：
S1：采集液舱在装配过程中的船舶的纵倾值、横倾值、初稳性高度值和总纵强度，以所述纵倾值和横倾值的最小累计偏差为目标函数，所述初稳性高度值和总纵强度为约束函数建立数学模型；
S2：采集多个所述液舱的初始配载工况，根据所述初始配载工况和所述液舱的目标配载工况比较确定待配载的液舱；
S3：将所述待配载的液舱进行编码，并将所述编码随机生成多个具有优先级的编码序列作为配载方案，多个所述编码序列组成初始方案群体；对所述初始方案群体进行循环迭代操作，并得到最优编码序列作为最终的配载方案；
所述对所述方案群体进行循环迭代操作，每次迭代包括如下步骤：
S31：设定总迭代次数和合并周期，对初始配载方案中的每个编码序列进行适应度计算，对A个所述编码序列按照适应度由小到大的顺序进行排序以获得编码序列组，其中A为偶数；所述适应度的计算公式如下：
d为纵倾和横倾累计偏差，λGM是配载过程中初稳性高度GM是否满足条件的约束参数，配载过程中满足约束，λGM＝1，不满足，λGM＝0；λSF是配载过程中各肋位剪力是否满足条件的约束参数，配载过程中所有肋位满足约束，λSF＝1，有肋位不满足，λSF＝0；λBM是配载过程中各肋位弯矩是否满足条件的约束参数，配载过程中所有肋位满足约束，λBM＝1，有肋位不满足，λBM＝0；
S32：将配载方案群体中的多个所述编码序列分成第一子群体和第二子群体，所述第一子群体由编码序列组通过第一适应度筛选条件获得，所述第一适应度筛选条件为自所述编码序列组首端依次选择B个编码序列，其中B＝A/2；
所述第二子群体由编码序列组由余下的编码序列组成；
S33：分别对所述第一子群体和第二子群体中相邻排序的编码序列中的编码依次进行交叉、变异和轮盘赌选择操作，并更新所述第一子群体和第二子群体；
S34：在迭代过程中，当所述第一子群体和第二子群体迭代到设定的合并周期，将所述第一子群体和第二子群体合并得到新的初始方案群体，此时如果没有达到设定总迭代次数，则返回步骤S31并将所述新的配载方案群体进行迭代；达到设定的总迭代次数后，将当前的配载方案群体中适应度最高的编码序列输出。
2.根据权利要求1所述的方法，其特征在于，所述数学模型如下：
MINd＝d1+d2 (1)
GM≥0.15 (2)
SF(x)min<SF(x)<SF(x)max (3)
BM(x)min<BM(x)<BM(x)max (4)
其中，公式(1)为目标函数，公式(2)，公式(3)和(4)为约束函数，d为纵倾和横倾累计偏差，d1是纵倾累计偏差，d2是横倾累计偏差，GM是自由液面修正后的初稳性高度，SF(x)为各肋位处的实际剪力，SF(x)min、SF(x)max为各肋位处的最小和最大许用剪力，BM(x)为各肋位处的实际弯矩，BM(x)min、BM(x)max为各肋位处的最小和最大许用弯矩。
3.根据权利要求1所述的方法，其特征在于，所述步骤S33中所述交叉、变异操作分别基于如下公式进行：
其中，pc为交叉概率，pm为变异概率，Fmax表示某代群体中最优编码序列的适应度，Favg表示此代群体的平均适应度，F’为两交叉编码序列的适应度中较大的一个，F为变异编码序列的适应度，k1，k2，k3，k4为常数，且有0<k，k2，k3，k4≤1.0，k1<k3，k2<k4。
4.一种面向智能船舶的液舱配载系统，其特征在于，包括：数据采集模块、数据存储模块、交互模块、装载计算模块和配载分析模块；
所述数据采集模块用于采集液舱在装配过程中的数据，所述数据至少包括：船舶的纵倾值、横倾值、初稳性高度值和总纵强度，并发送至所述数据存储模块进行存储；
所述交互模块将所述数据存储模块中的参数发送至所述装载计算模块，所述装载计算模块对所述数据进行计算整理，并将计算整理后的数据发送至所述配载分析模块；
所述配载分析模块通过接收所述装载计算模块发送的计算整理后的数据，并基于如下策略，对所述计算整理后的数据进行分析处理，得到配载方案；所述策略包括：将待配载的液舱进行编码，并将所述编码随机生成多个具有优先级的编码序列作为初始配载方案，多个所述编码序列组成初始方案群体；对所述初始方案群体进行循环迭代操作，并得到最终的配载方案；每次迭代包括如下步骤：
S31：设定总迭代次数和合并周期，对所述初始配载方案中的每个编码序列进行适应度计算，对A个所述编码序列按照适应度由小到大的顺序进行排序以获得编码序列组，其中A为偶数；所述适应度的计算公式如下：
d为纵倾和横倾累计偏差，λGM是配载过程中初稳性高度GM是否满足条件的约束参数，配载过程中满足约束，λGM＝1，不满足，λGM＝0；λSF是配载过程中各肋位剪力是否满足条件的约束参数，配载过程中所有肋位满足约束，λSF＝1，有肋位不满足，λSF＝0；λBM是配载过程中各肋位弯矩是否满足条件的约束参数，配载过程中所有肋位满足约束，λBM＝1，有肋位不满足，λBM＝0；
S32：将配载方案群体中的多个所述编码序列分成第一子群体和第二子群体，所述第一子群体由编码序列组通过第一适应度筛选条件获得，所述第一适应度筛选条件为自所述编码序列组首端依次选择B个编码序列，其中B＝A/2；
所述第二子群体由编码序列组由余下的编码序列组成；
S33：分别对所述第一子群体和第二子群体中相邻排序的编码序列中的编码依次进行交叉、变异和轮盘赌选择操作，并更新所述第一子群体和第二子群体；
S34：在迭代过程中，当所述第一子群体和第二子群体迭代到设定的合并周期，将所述第一子群体和第二子群体合并得到新的初始方案群体，此时如果没有达到设定总迭代次数，则返回步骤S31并将所述新的配载方案群体进行迭代；达到设定的总迭代次数后，将当前的配载方案群体中适应度最高的编码序列输出；
所述交互模块将所述配载分析模块生成的配载方案输出。
5.根据权利要求4所述的系统，其特征在于，还包括：报警模块；所述报警模块用于监测装载过程中船舶安全状态报警、液舱装载报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010713627.7A CN111859806B (zh) | 2020-07-22 | 2020-07-22 | 一种面向智能船舶的液舱配载方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010713627.7A CN111859806B (zh) | 2020-07-22 | 2020-07-22 | 一种面向智能船舶的液舱配载方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111859806A CN111859806A (zh) | 2020-10-30 |
| CN111859806B true CN111859806B (zh) | 2023-10-27 |
Family
ID=72950264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010713627.7A Active CN111859806B (zh) | 2020-07-22 | 2020-07-22 | 一种面向智能船舶的液舱配载方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111859806B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361005B (zh) * | 2021-05-20 | 2022-10-11 | 中国海洋大学 | 多功能全回转起重船调拨配载控制方法及起重船 |
| CN114056510A (zh) * | 2021-12-16 | 2022-02-18 | 中船动力镇江有限公司 | 一种基于Excel的船舶装载计算方法 |
| CN114455024B (zh) * | 2022-01-13 | 2022-11-29 | 武汉船用机械有限责任公司 | 提高载货船舶航行安全性的航线货物配载方法 |
| CN115385126A (zh) * | 2022-08-11 | 2022-11-25 | 上海中船船舶设计技术国家工程研究中心有限公司 | 一种面向化学品船的优化配载及装卸流程的方法 |
| CN115857414B (zh) * | 2022-12-30 | 2024-07-05 | 上海中船船舶设计技术国家工程研究中心有限公司 | 一种液货船的智能装配载控制系统及方法 |
| CN116910481B (zh) * | 2023-07-27 | 2024-02-02 | 中国舰船研究设计中心 | 一种基于遗传算法的船舶任务系统装载弹量优化方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1903655A (zh) * | 2005-07-29 | 2007-01-31 | 宝山钢铁股份有限公司 | 钢铁产品散装货运船舶积配载方法 |
| KR100841682B1 (ko) * | 2007-02-13 | 2008-06-26 | 부산대학교 산학협력단 | 안벽크레인의 양적하 작업 계획 산출 방법 |
| US7818193B1 (en) * | 2003-04-25 | 2010-10-19 | The United States Of America As Represented By The Secretary Of The Navy | Ship stowage aid analysis program |
| KR20120007598A (ko) * | 2010-07-15 | 2012-01-25 | 대우조선해양 주식회사 | 컨테이너 최적 배치 선정 방법 및 이를 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
| CN105224745A (zh) * | 2015-09-30 | 2016-01-06 | 华中科技大学 | 船舶装载性能优化系统 |
| CN105608548A (zh) * | 2016-01-20 | 2016-05-25 | 大连海事大学 | 一种散货船配载仪的自动配载方法 |
| CN107745785A (zh) * | 2017-09-27 | 2018-03-02 | 中国船级社 | 一种散货船和油船的装载仪最佳配载计算方法 |
| CN107784396A (zh) * | 2017-11-06 | 2018-03-09 | 上海海事大学 | 一种自动化集装箱码头关键装卸资源集成调度方法 |
| KR20180089953A (ko) * | 2017-02-02 | 2018-08-10 | 부산대학교 산학협력단 | 로로선의 적재 순서 및 위치 결정 시스템 및 방법 |
| CN110414119A (zh) * | 2019-07-23 | 2019-11-05 | 武汉科技大学 | 一种基于改进演化算法的港口船舶贝位优化方法 |
| CN110544019A (zh) * | 2019-08-14 | 2019-12-06 | 智慧航海（青岛）科技有限公司 | 一种面向智能船舶的集装箱货物配载方法及系统 |
-
2020
- 2020-07-22 CN CN202010713627.7A patent/CN111859806B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7818193B1 (en) * | 2003-04-25 | 2010-10-19 | The United States Of America As Represented By The Secretary Of The Navy | Ship stowage aid analysis program |
| CN1903655A (zh) * | 2005-07-29 | 2007-01-31 | 宝山钢铁股份有限公司 | 钢铁产品散装货运船舶积配载方法 |
| KR100841682B1 (ko) * | 2007-02-13 | 2008-06-26 | 부산대학교 산학협력단 | 안벽크레인의 양적하 작업 계획 산출 방법 |
| KR20120007598A (ko) * | 2010-07-15 | 2012-01-25 | 대우조선해양 주식회사 | 컨테이너 최적 배치 선정 방법 및 이를 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
| CN105224745A (zh) * | 2015-09-30 | 2016-01-06 | 华中科技大学 | 船舶装载性能优化系统 |
| CN105608548A (zh) * | 2016-01-20 | 2016-05-25 | 大连海事大学 | 一种散货船配载仪的自动配载方法 |
| KR20180089953A (ko) * | 2017-02-02 | 2018-08-10 | 부산대학교 산학협력단 | 로로선의 적재 순서 및 위치 결정 시스템 및 방법 |
| CN107745785A (zh) * | 2017-09-27 | 2018-03-02 | 中国船级社 | 一种散货船和油船的装载仪最佳配载计算方法 |
| CN107784396A (zh) * | 2017-11-06 | 2018-03-09 | 上海海事大学 | 一种自动化集装箱码头关键装卸资源集成调度方法 |
| CN110414119A (zh) * | 2019-07-23 | 2019-11-05 | 武汉科技大学 | 一种基于改进演化算法的港口船舶贝位优化方法 |
| CN110544019A (zh) * | 2019-08-14 | 2019-12-06 | 智慧航海（青岛）科技有限公司 | 一种面向智能船舶的集装箱货物配载方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 一种自适应并行遗传算法及其在集装箱船舶配载优化中的应用;孙万宇;中国优秀硕士学位论文全文数据库(第09期);1-69 * |
| 实现船舶稳性的多油舱自适应调度算法及仿真;熊勇，梁萱卓，张加;系统仿真学报;第32卷(第06期);1060-1070 * |
| 改进遗传算法在船舶压载水置换方案求解中的应用;陈静;林焰;张明霞;纪卓尚;;中国造船(第01期);全文 * |
| 遗传算法在集装箱船舶配载中的应用;李尚富;;舰船科学技术(第20期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111859806A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111859806B (zh) | 一种面向智能船舶的液舱配载方法及系统 | |
| US7243056B2 (en) | Strategy parameter adaptation in evolution strategies | |
| CN105608548B (zh) | 一种散货船配载仪的自动配载方法 | |
| Leite Pires de Lima et al. | A hybrid fuzzy/genetic algorithm for the design of offshore oil production risers | |
| CN105825061A (zh) | 一种基于stl模型的船舶任意浮态计算方法 | |
| CN115829179B (zh) | 一种舰船路径规划方法及装置 | |
| Bagheri et al. | Optimizing the seakeeping performance of ship hull forms using genetic algorithm | |
| Sekulski | Ship hull structural multiobjective optimization by evolutionary algorithm | |
| CN111340343A (zh) | 一种无人船安全风险灰色关联度评价方法 | |
| CN118013648B (zh) | 一种基于船舶仿真模型的设计方案优化方法及系统 | |
| La Ferlita et al. | A Deep Neural Network to Predict the Residual Hull Girder Strength | |
| Nick | Fuzzy optimal allocation and arrangement of spaces in naval surface ship design | |
| Shen et al. | Automatic stowage of bulk carrier based on ship floating-state control | |
| CN116424508A (zh) | 基于gd加权融合rbfnn和随机森林的船舶稳性预报方法和系统 | |
| Lu et al. | Free trim calculation using genetic algorithm based on NURBS shipform | |
| Sekulski | Multi-objective optimization of high speed vehicle-passenger catamaran by genetic algorithm: Part II Computational simulations | |
| Klanac et al. | Structural omni-optimization of a tanker | |
| Mazerski | Optimization of FPSO’s main dimensions using genetic algorithm | |
| Bagheri et al. | Optimization of Wigley hull form in order to ensure the objective functions of the seakeeping performance | |
| Cai et al. | Adaptive Constraint Handling in Optimization of Complex Structures by Using Machine Learning | |
| Zvaigzne et al. | Decision support system on the base of genetic algorithm for optimal design of a specialized maritime platform | |
| Zaraphonitis et al. | An integrated optimisation procedure for the design of Ro-Ro passenger ships of enhanced safety and efficiency | |
| CN117787089A (zh) | 一种液货船智能货物装卸载辅助决策系统 | |
| Hu et al. | Genetic algorithm-based counter-flooding decision support system for damaged surface warship | |
| Turkmen et al. | A new integrated multi-objective optimisation algorithm and its application to ship design |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |