CN112918632B - 基于智能推理的船舶设计方法 - Google Patents

Abstract

本发明一种基于智能推理的船舶设计方法,包括以下步骤：将主尺度参数库与待设计的船舶指标相关联通过深度学习与智能推理，得出主尺度参数；将船体型线离散为船艏型线、船艉型线、船舯型线；将主尺度参数分别与船艏型线库与船艉型线库相关联通过深度学习与智能推理获得船艏型线和船艉型线，对船艏型线和船艉型线进行快速光滑插值形成船舯型线，以生成船体型线；将主尺度参数与总布置数据库相关联，得出总布置方案；将主尺度参数与横剖面结构数据库相关联，得出横剖面设计方案；将主尺度参数与主要设备数据库相关联，通过深度学习与智能推理，根据船体型线布置进行优化，得出主要设备；本发明大幅减少了船舶概念方案设计的时间。

Description

基于智能推理的船舶设计方法

技术领域

本发明涉及船舶设计领域，具体涉及一种基于智能推理的船舶概念方案设计方法。

背景技术

众所周知在船舶设计领域，从提出用户需求到产品设计有一套完整的流程，需要设计者根据设计经验及各种设计准则规范等确定基本功能，随后再进行船型设计、总布置设计等细化研究，最后通过多方案之间的权衡比较，反复更改得出最优方案，完成船舶的概念设计。

通过上述过程不难看出，传统船舶概念设计需要设计者总结经验，进行反复的设计与比较。由于人的能力有限，导致长年积累的设计经验难以继承，概念设计耗时长且效率低，成本以及最终设计效果不尽如人意。

发明内容

本发明的目的就是针对现有技术的缺陷，提供一种基于智能推理的船舶设计方法，大幅减少了船舶概念方案设计的周期。

本发明提供了一种基于智能推理的船舶设计方法，其特征在于包括以下步骤：

S1.输入待设计的船舶指标；

S2.将主尺度参数库与待设计的船舶指标相关联通过深度学习与智能推理，得出主尺度参数；

S3.将船体型线离散为船艏型线、船艉型线、船舯型线；将主尺度参数分别与船艏型线库与船艉型线库相关联通过深度学习与智能推理获得船艏型线和船艉型线，对船艏型线和船艉型线进行快速光滑插值形成船舯型线，以生成船体型线；

S4.将主尺度参数与总布置数据库相关联，通过深度学习与智能推理，根据船体型线布置进行优化，得出总布置方案；

S5.将主尺度参数与横剖面结构数据库相关联，通过深度学习与智能推理，根据船体型线布置进行优化，得出横剖面设计方案；

S6.将主尺度参数与主要设备数据库相关联，通过深度学习与智能推理，根据船体型线布置进行优化，得出主要设备；

S7.输出型线图、总布置简图、典型横剖面结构简图、主要设备清单和性能计算书；其中性能计算书结合已确定的船体型线与总布置方案获得。

上述技术方案中，深度学习与智能推理指运用深度学习神经网络大量学习母型船的各项数据与对应参数的关联性，并运用模糊神经网络针对在用户需求和多对象作用的模糊不确定性情况下推理出合理的选择。

上述技术方案中，步骤S7中还包括总体评估，通过给方案中各个指标赋予不同的权重，权重由专家经验与用途需求综合确定，主要包括性能、成本和生产速度，选出总体评估分数最高的优选方案。

上述技术方案中，各个数据库包括主尺度库、型线库、总布置库、结构方案库和主要设备库以及所有下属数据库，均由大量母型船对应的数据离散得到。

上述技术方案中，待设计的船舶指包括航速、续航、排水量、航区。

上述技术方案中，主尺度参数库，具体包括船长库、船宽库、型深/吃水库、方形系数库、菱形系数库、横剖面积系数库、水线面系数库。

上述技术方案中，总布置数据库包括生活模块库、动力模块库、指挥模块库；步骤S4中，建立各模块库中各个部分与主尺度参数的关联；其中的生活模块，包括生活模块底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、左舷侧舱壁距船中距离与船宽比；动力模块包括底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、首部舱距船尾距离与船长比；指挥模块包括底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、首部舱壁距船尾距离与船长比、左舷侧舱壁距船中距离与船宽比、右舷侧舱壁距船中距离与船宽比。

上述技术方案中，横剖面结构数据库离散为甲板结构库、船底结构库、舷侧结构库、纵舱壁结构库，并进一步离散化；其中的甲板结构，离散为典型横剖面的甲板数、甲板板厚、甲板纵绗选型、甲板纵绗数、两甲板纵绗间甲板纵骨数、甲板纵骨选型；船底结构离散为典型横剖面的单双底类型、船底板厚、内底板厚、船底纵桁选型、船底纵桁数、两船底纵桁间纵骨数、船底纵骨选型；舷侧结构离散为典型横剖面的单双舷类型、舷侧外板板厚、内舷板板厚、舷侧纵桁选型、舷侧纵桁数、两舷侧纵桁间纵骨数、舷侧纵骨选型。纵舱壁结构离散为典型横剖面的纵舱壁数、纵舱壁板厚、纵舱壁纵桁选型、纵舱壁纵桁数、两纵舱壁纵桁间纵骨数、纵舱壁纵骨选型。

上述技术方案中，主要设备库包括主机参数库、螺旋桨参数库；主机参数库细化为主机数量、功率、重量、价格、长度、宽度、高度；螺旋桨参数库细化为螺旋桨类型、直径、效率。

上述技术方案中，步骤S2中，还包括以下步骤：对推理出的主尺度参数进行尺度比衡准，要求所设计的船舶尺度比和各系数满足现有船舶的尺度比分布范围，包括船长船宽比、船宽吃水比、型深吃水比、方形系数范围，船舶主尺度正常的尺度比范围可通过系列母型船归纳总结或CCS规范得到，如果衡准结果不在范围内则重新获取主尺度参数。通过尺度比衡准，可以筛选出与母型船形状及性能相近的主尺度方案。

上述技术方案中，步骤S3中，还包括以下步骤：如果步骤S2确定的主尺度参数超出型线库范围，则选取最适合当前尺度下的船体型线，再使用相应的曲面拓扑变换与船型变换方法，最终确定船体型线；对生成的船体型线进行稳性衡准，稳性衡准是根据中华人民共和国海事局《船舶与海上设施法定检验规则》里关于稳性的要求进行船舶的稳性进行检验计算的一项工作。将母型船重心、吃水参数与主尺度参数建立联系，根据重心位置与计算获得的船体型线计算船舶的初稳性高度、稳性衡准数、最大静倾角和动稳性数据，与规范进行校核，如果衡准结果不在上述规范稳性校核范围内，则重新计算船体型线。通过稳性衡准，可以筛选出当航行中发生横摇时仍能保证稳性安全的型线方案。

上述技术方案中，步骤S5中，还包括以下步骤：结合步骤S4生成的总布置方案与步骤S3生成的船体型线计算得到静水弯矩和波浪弯矩，确定剖面的弯矩载荷数值；根据横剖面设计方案获取剖面模数，将剖面弯矩载荷数值与剖面模数的比值与CCS规定的规范许用应力比较，如果结果大于许用应力，则重新获取横剖面设计方案。通过强度校核，可以筛选出在外部载荷作用下仍能保证结构安全的船体结构设计方案。

上述技术方案中，步骤S6中，还包括以下步骤：通过步骤S3生成的船体型线计算设计航速下船舶的阻力，通过选取的主机与螺旋桨获得设计航速下所能提供的动力，将动力与阻力进行比较，如果动力小于阻力，则重新获取主要设备。通过动力衡准，可以筛选出满足功率需求从而保证正常航行的主要设备选取方案。

本发明相比于现有技术具有如下有益效果：

(1)本发明融合了计算机与船舶学科，建立了离散化程度很高的各个子库，适合计算机的运行模式，大幅减少了船舶概念方案设计的周期；

(2)本发明使概念设计的智库从设计师个人经验转变为多数据来源的知识库，形成了一套可行的且具有高度程序化特点的概念设计路径，设计结果从设计师勾画的数个方案草图转变为成百上千的自动生成的全套方案，通过最终评估能够得到符合要求的系列方案供使用者选择，使得概念设计更加高效可靠；

(3)长期的船舶设计实践积累了大量设计数据与经验，本发明探索了知识表达方法，发掘构建了新型的知识库，随着计算机不断学习新产生的母型船数据，知识积累会越多，模型库会越大，使得本发明下的概念设计越来越智慧，实现自动更新和自我学习。

附图说明

图1为本发明的流程示意图；

图2为支撑图1中各个部分的三级参数库的结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。

图1所示的是一种基于智能推理的船舶概念方案快速设计系统及方法，将传统的多学科交叉的复杂概念设计转变为具有高度程序化特点的设计流程，将系列母型船数据进行离散，并分别与主尺度建立联系，以形成各个下级模块数据库，包括与用户需求相关的主尺度参数模块，与主尺度参数相关的总布置模块、型线模块、典型横剖面结构设计模块、主要设备模块，其中总布置模块与典型横剖面结构设计模块受型线模块一定的影响，并根据船舶概念设计内容和顺序，形成了如图2所示的具有高度离散化特点的三级结构的船舶的多学科参数化船型库，一级为船舶的多学科参数化船型知识总库，建立船舶主尺度参数库、型线库、结构方案库、总布置方案库和主要设备库等二级船型参数库，二级船型参数库根据设计对象特征还可进一步细分三级参数库，记录和表征舰船概念设计的具体内容，支撑人工智能知识推理技术的实现。数据库的内容均通过大量学习母型船的数据资料并进行离散得到，并对各模块进行合理的设计，完成概念设计。

一种基于智能推理的船舶设计方法，包括以下步骤：

步骤一、建立需求输入模块，通过用户需求离散化实现，具体指标主要包括航速、续航、排水量、航区等；

步骤二、建立主尺度参数库，具体包括船长库、船宽库、型深/吃水库、方形系数库、菱形系数库、横剖面积系数库、水线面系数库等。将母型船的上述参数与步骤一用户需求中的各项指标相关联，通过深度学习与智能推理，得出主尺度参数；

步骤三、对主尺度参数进行尺度比衡准，要求所设计的船舶尺度比和各系数应该满足现有船舶的尺度比分布范围，包括船长船宽比、船宽吃水比、型深吃水比、方形系数范围等，如果衡准结果不在CCS对应船型尺度比的规定范围内则返回步骤二；

步骤四、将船体型线离散为船艏型线、船艉型线、船舯型线，将主尺度参数与船艏型线库与船尾型线库相关联得到船艏型线与船尾型线，船舯型线通过艏艉型线与船尾型线快速光滑插值形成，通过深度学习与智能推理，确定船体型线；如果步骤二最终确定的主尺度超出型线库范围，则选取最适合当前尺度下的船体型线，再使用相应的曲面拓扑变换与船型变换方法，最终确定船体型线；

步骤五、进行稳性衡准，将母型船重心等参数与主尺度建立联系，根据重心位置与型线计算船舶的初稳性高度、稳性衡准数、最大静倾角等数据，与中华人民共和国海事局《船舶与海上设施法定检验规则》里关于稳性的要求进行校核，如果衡准结果不在规范范围内，则返回步骤四；

步骤六、将总布置离散为生活模块库、动力模块库、指挥模块库和分舱设计方案库等，建立各模块中各个部分与主尺度参数的关联，得到生活模块、动力模块、指挥模块和分舱设计的布置方案。其中的生活模块，包括生活模块底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、左舷侧舱壁距船中距离与船宽比等；动力模块包括底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、首部舱距船尾距离与船长比；指挥模块包括底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、首部舱壁距船尾距离与船长比、左舷侧舱壁距船中距离与船宽比、右舷侧舱壁距船中距离与船宽比。再根据型线布置适当优化，基于深度学习与智能推理，得出总布置方案；

步骤七、将船舶典型横剖面结构离散为甲板结构库、船底结构库、舷侧结构库、纵舱壁结构库和型材库等，并进一步离散化；其中的甲板结构，离散为典型横剖面的甲板数、甲板板厚、甲板纵绗选型、甲板纵绗数、两甲板纵绗间甲板纵骨数、甲板纵骨选型等；船底结构离散为典型横剖面的单双底类型、船底板厚、内底板厚、船底纵桁选型、船底纵桁数、两船底纵桁间纵骨数、船底纵骨选型；舷侧结构离散为典型横剖面的单双舷类型、舷侧外板板厚、内舷板板厚、舷侧纵桁选型、舷侧纵桁数、两舷侧纵桁间纵骨数、舷侧纵骨选型；纵舱壁结构离散为典型横剖面的纵舱壁数、纵舱壁板厚、纵舱壁纵桁选型、纵舱壁纵桁数、两纵舱壁纵桁间纵骨数、纵舱壁纵骨选型；型材库包含可选用的型材种类和参数；将上述参数与船舶主尺度建立联系，基于深度学习与智能推理，得出船舶结构典型横剖面设计；

步骤八、进行强度衡准，联合前述总布置与船体型线结果可以得到静水弯矩和波浪弯矩，确定剖面的弯矩载荷数值，根据前述横剖面设计可以得到剖面模数，将剖面弯矩与剖面模数的比值与规范许用应力比较，如果结果大于许用应力，则返回步骤七；

步骤九、建立主要设备库，包括主机参数库、螺旋桨参数库等，主机参数库又细化为主机数量、功率、重量、价格、长度、宽度、高度等，螺旋桨参数库细化为螺旋桨类型、直径、效率等，将上述参数与主尺度建立联系，基于深度学习与智能推理，得出主要设备；

步骤十、进行动力衡准，通过前述船体型线可以得到设计航速下船舶的阻力，通过选取的主机与螺旋桨可以得到设计航速下所能提供的动力，将动力与阻力进行比较，如果动力小于阻力，则返回步骤九；

步骤十一、总体评估后，根据船体性能、结构重量与强度，选取较优的方案输出最佳的型线图、总布置简图、典型横剖面结构简图、主要设备清单、性能计算书等，完成船舶概念方案设计；

所述每一步骤中的深度学习与智能推理，具体是指运用深度学习神经网络大量学习母型船的各项数据与对应参数的关联性，并运用模糊神经网络针对用户需求和多对象作用的模糊不确定性推理出合理的选择；

所述步骤十一中的总体评估是指给方案中各个指标赋予不同的权重，权重由专家经验与用途需求综合确定，主要包括性能、成本和生产速度，选出总体评估分数最高的优选方案；性能计算书可以由前述型线与总布置得到，包括静水力、操纵性、耐波性、阻力特性、稳性、静水弯矩与波浪弯矩等；

所述总布置模块，由于布置面积较大，在各参数库与主尺度建立联系的同时，还要根据确定的型线进行适当调整；

所述典型横剖面结构设计模块，由于受剖面形状影响较大，在各参数库与主尺度建立联系的同时，还要根据确定的型线进行适当的调整；

所述的衡准过程主要包括尺度比衡准、稳性衡准、强度衡准、动力衡准等基本指标的校核，根据实际功能与需求，可以进行适当调整。

本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种基于智能推理的船舶设计方法，其特征在于包括以下步骤：

S1.输入待设计的船舶指标；

S2.将主尺度参数库与待设计的船舶指标相关联通过深度学习与智能推理，得出主尺度参数方案；

S3.将船体型线离散为船艏型线、船艉型线、船舯型线；将主尺度参数分别与船艏型线库与船艉型线库相关联通过深度学习与智能推理获得船艏型线和船艉型线，对船艏型线和船艉型线进行快速光滑插值形成船舯型线，以生成船体型线方案；

S4.将主尺度参数与总布置数据库相关联，通过深度学习与智能推理，根据船体型线布置进行优化，得出各功能模块的布置方案；

S5.将主尺度参数与横剖面结构数据库相关联，通过深度学习与智能推理，根据船体型线布置进行优化，得出横剖面设计方案；

S6.将主尺度参数与主要设备数据库相关联，通过深度学习与智能推理，根据船体型线布置进行优化，得出主要设备方案；

S7.输出型线图、总布置简图、典型横剖面结构简图、主要设备清单和性能计算书；其中性能计算书结合已确定的船体型线与总布置方案获得。

2.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于待设计的船舶指标包括航速、续航、排水量、航区。

3.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于主尺度参数库，具体包括船长库、船宽库、型深/吃水库、方形系数库、菱形系数库、横剖面积系数库、水线面系数库。

4.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于总布置数据库包括生活模块库、动力模块库、指挥模块库；步骤S4中，建立各模块库中各个部分与主尺度参数的关联；其中的生活模块，包括生活模块底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、左舷侧舱壁距船中距离与船宽比；动力模块包括底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、首部舱距船尾距离与船长比；指挥模块包括底层甲板高度与型深比、顶层甲板高度与型深比、尾部舱壁距船尾距离与船长比、首部舱壁距船尾距离与船长比、左舷侧舱壁距船中距离与船宽比、右舷侧舱壁距船中距离与船宽比。

5.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于横剖面结构数据库离散为甲板结构库、船底结构库、舷侧结构库、纵舱壁结构库，并进一步离散化；其中的甲板结构，离散为典型横剖面的甲板数、甲板板厚、甲板纵绗选型、甲板纵绗数、两甲板纵绗间甲板纵骨数、甲板纵骨选型；船底结构离散为典型横剖面的单双底类型、船底板厚、内底板厚、船底纵桁选型、船底纵桁数、两船底纵桁间纵骨数、船底纵骨选型；舷侧结构离散为典型横剖面的单双舷类型、舷侧外板板厚、内舷板板厚、舷侧纵桁选型、舷侧纵桁数、两舷侧纵桁间纵骨数、舷侧纵骨选型；纵舱壁结构离散为典型横剖面的纵舱壁数、纵舱壁板厚、纵舱壁纵桁选型、纵舱壁纵桁数、两纵舱壁纵桁间纵骨数、纵舱壁纵骨选型。

6.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于主要设备库包括主机参数库、螺旋桨参数库；主机参数库细化为主机数量、功率、重量、价格、长度、宽度、高度；螺旋桨参数库细化为螺旋桨类型、直径、效率。

7.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于步骤S2中，还包括以下步骤：对主尺度参数进行尺度比衡准，要求所设计的船舶尺度比和各系数满足现有船舶的尺度比分布范围，包括船长船宽比、船宽吃水比、型深吃水比、方形系数范围，船舶主尺度正常的尺度比范围通过系列母型船归纳总结或CCS规范得到；如果衡准结果不在范围内则重新获取主尺度参数。

8.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于步骤S3中，还包括以下步骤：如果步骤S2确定的主尺度参数超出型线库范围，则选取最适合当前尺度下的船体型线，再使用相应的曲面拓扑变换与船型变换方法，最终确定船体型线；对生成的船体型线进行稳性衡准，其中稳性衡准是根据中华人民共和国海事局《船舶与海上设施法定检验规则》里关于稳性的要求进行船舶的稳性进行检验计算的一项工作；将母型船重心、吃水参数与主尺度参数建立联系，根据重心位置与计算获得的船体型线计算船舶的初稳性高度、稳性衡准数、最大静倾角和动稳性数据，与《船舶与海上设施法定检验规则》的规范进行校核，如果衡准结果不在上述规范稳性校核范围内，则重新计算船体型线。

9.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于步骤S5中，还包括以下步骤：结合步骤S4生成的总布置方案与步骤S3生成的船体型线计算得到静水弯矩和波浪弯矩，确定剖面的弯矩载荷数值；根据横剖面设计方案获取剖面模数，将剖面弯矩载荷数值与剖面模数的比值与CCS规定的规范许用应力比较，如果结果大于许用应力，则重新获取横剖面设计方案。

10.根据权利要求1所述的基于智能推理的船舶设计方法，其特征在于步骤S6中，还包括以下步骤：通过步骤S3生成的船体型线计算设计航速下船舶的阻力，通过选取的主机与螺旋桨获得设计航速下所能提供的动力，将动力与阻力进行比较，如果动力小于阻力，则重新获取主要设备。

Images