基于AMPSO-BP-GA的油船舱段结构优化

作者：王一镜; 罗广恩^*; 刘家奇; 刘俊成

来源：江苏科技大学学报(自然科学版), 2023, 37(02): 7-13.

DOI：10.20061/j.issn.1673-4807.2023.02.002

• 舱段结构优化
• BP神经网络
• 自适应变异粒子群算法
• 遗传算法
• 油船舱段

由于船体结构的复杂性，传统优化方法容易出现陷入局部最优、求解速度偏慢等问题.基于自适应变异粒子群算法(adaptive mutation particle swarm optimization, AMPSO)、BP神经网络、遗传算法(genetic algorithm, GA),结合Isight/Nastran设计的正交试验，提出了AMPSO-BP-GA结构优化方法.以油船油货舱段结构的优化为算例，验证结构优化方法的有效性和可行性.结果表明：AMPSO算法相比于粒子群算法(particle swarm optimization, PSO)和GA算法具有更好的极值寻优能力；AMPSO-BP神经网络比PSO-BP和GA-BP预报精度更高；针对油船舱段结构优化，在相同的约束条件下，文中的AMPSO-BP-GA方法优化后重量较原设计减轻17.3%,优于GA-BP-GA优化方法的13.5%和PSO-BP-GA优化方法的13.4%.证明该方法具有可行性和有效性并具有推广性，可为船舶结构设计提供参考.

• 单位
  江苏科技大学