基于知识工程的船舶机舱设备三维布局设计

doi:10.16183/j.cnki.jsjtu.2020.136

摘要/Abstract

摘要：

船舶机舱设备布局设计属于密闭有限空间多目标优化设计问题,作为船舶的心脏,机舱设备的布局效果会影响到整条船舶各方面的性能.通过CATIA软件和知识工程技术对一艘多用途载货船舶机舱设备进行三维布局设计研究,建立船舶机舱分类规则以提高知识获取效率;建立设备虚拟面积增加规则来控制设备间距;运用参数化装配完成知识推理.最后,对生成的布局方案通过横倾力矩、干涉检查及逃生时间3项规则进行专家校验,结果符合预期,验证了知识工程在船舶机舱三维布局设计中的可行性和有效性.

关键词: 船舶机舱, 三维布局, 知识工程, 虚拟面积, 多目标优化

Abstract:

The layout design of ship engine room equipment belongs to the multi-objective optimization design problem of confined limited space. As the heart of the ship, the layout of engine room equipment will affect the performance of all aspects of the entire ship. By using CATIA software and knowledge based engineering module, the 3D layout design of the engine room of a multi-purpose cargo ship was studied. Ship engine room classification rules were established to improve the efficiency of knowledge acquisition, equipment virtual area increase rules were established to control equipment spacing, and parameterized assembly were used to complete knowledge reasoning. Finally, the generated layout scheme was verified by experts through three rules of roll torque, interference inspection, and escape time. The results are in line with expectations, and the feasibility and effectiveness of knowledge based engineering in the 3D layout design of ship engine room are verified.

Key words: ship engine room, 3D layout, knowledge based engineering, virtual area, multi-objective optimization

中图分类号:

U661.4
U674.38

王运龙, 姜云博, 管官, 邢佳鹏, 于光亮. 基于知识工程的船舶机舱设备三维布局设计[J]. 上海交通大学学报, 2021, 55(10): 1219-1227.

WANG Yunlong, JIANG Yunbo, GUAN Guan, XING Jiapeng, YU Guangliang. Design of Three-Dimensional Layout of Ship Engine Room Equipment Based on Knowledge Based Engineering[J]. Journal of Shanghai Jiao Tong University, 2021, 55(10): 1219-1227.

图/表 13

图1

图2

表1

表2

表3

表4

图3

表5

表6

图4

图5

图6

图7

参考文献 14

[1]	何坤, 沈斌, 彭劼扬, 等. 基于改进遗传算法的航天大型零件车间布局优化[J]. 组合机床与自动化加工技术, 2018(1):158-160.
	HE Kun, SHEN Bin, PENG Jieyang, et al. Layout and optimization of aerospace parts workshop based on the improved genetic algorithm[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2018(1):158-160.
[2]	李俊华, 陈宾康, 应文烨, 等. 退火演化算法在舰艇舱室优化布置设计中的应用[J]. 武汉交通科技大学学报, 2000, 24(4):360-362.
	LI Junhua, CHEN Binkang, YING Wenye, et al. Application of annealing evolution algorithm in optimal layout design for naval vessel compartments[J]. Journal of Wuhan Transportation University, 2000, 24(4):360-362.
[3]	王超, 王冬青, 贾金原. 面向虚实融合的卧室箱体建模与布局算法[J]. 计算机科学与探索, 2018, 12(4):511-524.
	WANG Chao, WANG Dongqing, JIA Jinyuan. Virtual-real fusion oriented algorithm of bedroom cuboid modeling and furniture arrangement[J]. Journal of Frontiers of Computer Science and Technology, 2018, 12(4):511-524.
[4]	陈增合, 王永峰, 杨永恒. 基于CATIA知识工程的载货车整车模型的创建[J]. 重型汽车, 2018(4):12-14.
	CHEN Zenghe, WANG Yongfeng, YANG Yong-heng. Creation of vehicle model for truck based on CATIA knowledge engineering[J]. Heavy Truck, 2018(4):12-14.
[5]	WANG Y L, YU Y Y, LI K, et al. A human-computer cooperation improved ant colony optimization for ship pipe route design[J]. Ocean Engineering, 2018, 150:12-20. doi: 10.1016/j.oceaneng.2017.12.024 URL
[6]	王运龙, 王晨, 纪卓尚, 等. 船舶居住舱室智能布局优化设计方法研究[J]. 中国造船, 2013, 54(3):139-146.
	WANG Yunlong, WANG Chen, JI Zhuoshang, et al. A study on intelligent layout design of ship cabin[J]. Shipbuilding of China, 2013, 54(3):139-146.
[7]	邓小龙, 柳存根. 船舶锚泊布置智能设计研究[J]. 船舶工程, 2011, 33(3):72-74.
	DENG Xiaolong, LIU Cungen. Intelligent design of ship mooring arrangement[J]. Ship Engineering, 2011, 33(3):72-74.
[8]	KIM K S, ROH M I. A submarine arrangement design program based on the expert system and the multistage optimization[J]. Advances in Engineering Software, 2016, 98:97-111. doi: 10.1016/j.advengsoft.2016.04.008 URL
[9]	姜文英, 林焰, 陈明, 等. 基于粒子群和蚁群算法的船舶机舱规划方法[J]. 上海交通大学学报, 2014, 48(4):502-507.
	JIANG Wenying, LIN Yan, CHEN Ming, et al. An optimization approach based on particle swarm optimization and ant colony optimization for arrangement of marine engine room[J]. Journal of Shanghai Jiao Tong University, 2014, 48(4):502-507.
[10]	王运龙, 吴张盼, 李楷, 等. 基于禁忌搜索算法的船舶舱室智能布局设计[J]. 华中科技大学学报(自然科学版), 2018, 46(6):49-53.
	WANG Yunlong, WU Zhangpan, LI Kai, et al. Ship cabin intelligent layout design based on tabu search algorithm[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2018, 46(6):49-53.
[11]	LI C T, WANG D Y. Multi-objective optimisation of a container ship lashing bridge using knowledge-based engineering[J]. Ships and Offshore Structures, 2019, 14(1):35-52. doi: 10.1080/17445302.2018.1472520 URL
[12]	JUNG S K, ROH M I, KIM K S. Arrangement method of a naval surface ship considering stability, operability, and survivability[J]. Ocean Engineering, 2018, 152:316-333. doi: 10.1016/j.oceaneng.2018.01.058 URL
[13]	崔进举, 王德禹, 夏利娟, 等. 基于知识工程的船舶舯剖面结构设计及优化[J]. 上海交通大学学报, 2012, 46(3):368-373.
	CUI Jinju, WANG Deyu, XIA Lijuan, et al. Mid-ship section structural design and optimization based on knowledge based engineering[J]. Journal of Shanghai Jiao Tong University, 2012, 46(3):368-373.
[14]	中国船级社. 钢质海船入级规范2018综合文本[M]. 北京: 人民交通出版社, 2018.
	China Classification Society. 2018 Comprehensive text of standard for classification of steel ships[M]. Beijing: People’s Communications Press, 2018.

相关文章 15

[1]	马洲俊, 王勇, 王杰, 陈少宇. 柔性控制器MMC子模块最优冗余数量双重协同优化方法[J]. 上海交通大学学报, 2022, 56(3): 325-332.
[2]	杨博, 王俊婷, 俞磊, 曹璞璘, 束洪春, 余涛. 基于孔雀优化算法的配电网储能系统双层多目标优化配置[J]. 上海交通大学学报, 2022, 56(10): 1294-1307.
[3]	李玲芳, 陈占鹏, 胡炎, 邰能灵, 高孟平, 朱涛. 基于灵活性和经济性的可再生能源电力系统扩展规划[J]. 上海交通大学学报, 2021, 55(7): 791-801.
[4]	孙鸿强, 张占月, 方宇强. 基于NSGA-II算法的编队卫星重构策略[J]. 上海交通大学学报, 2021, 55(3): 320-330.
[5]	刘西, 李贤, 陈伟, 从光涛, 李如飞. 基于NSGA-Ⅲ算法的多目标分配方法研究[J]. 空天防御, 2021, 4(1): 109-116.
[6]	邓召学, 杨青桦, 蔡强, 刘天琴. 应用于汽车动力总成启停工况的磁流变悬置设计与试验[J]. 上海交通大学学报, 2021, 55(1): 56-66.
[7]	高云凯, 马超, 刘哲, 田林雳. 基于NSGA-III的白车身焊装生产平台的离散拓扑优化[J]. 上海交通大学学报, 2020, 54(12): 1324-1334.
[8]	兰宏凯，柳存根，聂鑫. 船体三维曲板展开方法多目标优化模型[J]. 上海交通大学学报, 2020, 54(10): 1101-1107.
[9]	施振兴, 管再升, 王磊, 施臣钢, 伍彬. 基于遗传算法的自动驾驶仪参数多目标优化研究[J]. 空天防御, 2020, 3(1): 41-49.
[10]	赖文星, 贾军, 鲍然, 丁士洲. 基于多目标优化的防空武器拦截方案设计方法[J]. 空天防御, 2019, 2(4): 1-6.
[11]	王刚成，马宁，顾解忡. 基于Kriging代理模型的船舶水动力性能多目标快速协同优化[J]. 上海交通大学学报（自然版）, 2018, 52(6): 666-673.
[12]	卫晓娜, 徐海斌, 陈金强, 董云峰. 引入分系统优化的协同优化方法及其应用研究[J]. 空天防御, 2018, 1(2): 1-6.
[13]	柴获1,2,3，何瑞春2，马昌喜2，代存杰1,2,3. 考虑风险公平的危险品运输车辆调度优化[J]. 上海交通大学学报（自然版）, 2017, 51(7): 855-862.
[14]	王羲威, 姜立群, 刘广辉, 李勇, 逢建涛. 半潜式起重铺管船坐墩配墩优化设计与分析[J]. 海洋工程装备与技术, 2017, 4(6): 358-361.
[15]	徐小钧1,2，马利华1，艾国祥1. 基于多目标遗传算法的多星座选星方法[J]. 上海交通大学学报（自然版）, 2017, 51(12): 1520-1528.

主要尺度和参数	数值
总长/m	199.80
垂线间长/m	189.00
机舱长度/m	42.00
型宽/m	27.80
型深/m	15.50
设计吃水/m	10.30
机舱上甲板高度/m	11.38
机舱下甲板高度/m	7.70
机舱底层甲板高度/m	3.65
载重量/t	约26700.00

名称	位置
主机	单主机,中央轴线,大概率位于机舱1/2~2/3处
柴油发电机组	均位于上层甲板的主机后部,靠近中轴线烟囱部位
废气锅炉	均位于上层甲板的主机后部并且紧挨主机,对准烟囱口部位
燃油锅炉	均位于上层甲板的主机和发电机组后部,靠近中轴线烟囱部位
灰水泵	经常紧挨灰水舱,位于底层机舱甲板,靠近船壳内壁
消防泵组	一般位于主机前部,放置于底层甲板、海水箱与轴线中间
污水泵	紧挨生活污水存放舱,位于底层机舱甲板,靠近船壳内壁
油渣泵	位于主机周围,下层甲板的柴油舱底部船壳边缘,即底层甲板
排水泵	位于主机周围,紧挨澄清舱,位于底层甲板
中央冷却器	均位于机舱前部,放置下层甲板,接近货舱风道
供油单元	均位于机舱前部,远离主机,靠近机舱前壁和船壳外壁
燃油冷却机组	经常位于主机前部,靠近中轴线,靠近主机
主空气瓶	经常位于机舱尾部,关于中轴线对称,位于下甲板
辅空气瓶	经常位于机舱尾部,在主空气瓶周围,贴近舱壁
消防压力水柜	一般位于主机前部,靠近中轴线,远离主机
热井	均紧挨锅炉设备,位于机舱尾部舱壁处,位于主机后部
造水机	经常位于主机前部空地处,远离舱壁
滑油泵	经常位于主机滑油储藏舱后部,紧挨舱室外壁

设备分类	上平台(ω_U=0.6)		下平台(ω_L=0.4)		底层(ω_F=0.8)
设备分类	设备名称	ω	设备名称	ω	设备名称	ω
A类(ω_A=0.9)	柴油发电机组	0.54	主辅机供油单元、轻柴油机冷却机组	0.36	主机和传动装置	0.72
B类(ω_B=0.7)	废气锅炉、燃油锅炉	0.42	中央冷却器、空气瓶组、辅助空气瓶组、消防压力水柜、热井、造水机	0.28		0.56
C类(ω_C=0.3)		0.18	滑油泵	0.12	灰水泵、消防泵组、污水泵、油渣泵、排水泵	0.24

名称	a/m	b/m	h/m	m/kg
主机	10.2	7.8	10.650	323000
柴油发电机组	5.6	7.92	2.700	20700
废气锅炉	6.4	2.65	3.600	49200
燃油锅炉	1.6	1.6	5	7800
灰水泵	0.6	0.45	1	40
消防泵组,2个	0.6	0.45	1	50
污水泵	0.6	0.45	1	40
油渣泵	0.6	0.45	1	40
排水泵	0.6	0.45	1	40
中央冷却器	0.835	1.85	2.125	100
供油单元,2个	2.8	1.200	2	150
燃油冷却机组	2	1.200	1.750	50
主空气瓶,2个	3.2	3.800	1.500	100
辅空气瓶,3个	0.4	2.400	1.700	80
消防压力水柜	1.5	1.500	2	50
热井	1.35	2.500	2.240	200
造水机	500	1.100	1.500	180
滑油泵	1.4	0.500	0.500	40

序号	设备名称	If name=	Then
1	主机和传动装置	Main_engine	x₁=d/2	y₁=0	z₁=3650
2	柴油发电机组	Generators	x₂=0.6x₁	y₂=b₂/2±100	z₂=11383
3	废气锅炉	Exhaust_boilor	x₃=11500	y₃=b₃/2±100	z₃=11383
4	燃油锅炉	Oil_fired_boilor	x₄=x₂/2	y₄=b₄/2±100	z₄=11383
5	主辅机供油单元	Booster_unit	x₅=d-3000	y₅=3000±w/2	z₅=7700
6	柴油机冷却机组	Diesel cooler	x₆=x₁+a₁+3000	y₆=b₆/2±100	z₆=7700
7	热井	Hot_well	x₇=x₁-3000	y₇=b₇/2±1500	z₇=7700
8	中央冷却器	Centeral_cooler	x₈=33000-100	y₈=3650+100	z₈=7700
9	空气瓶组	Air_reservior	x₉=d/3	y₉=0	z₉=7700
10	辅空气瓶组	Aux_air_reservior	x₁₀=x₉+b₉/2+b₁₀/2	y₁₀=3500	z₁₀=7700
11	消防压力水柜	Fire_hydrophore	x₁₁=d-a₁₁/2-100	y₁₁=b₁₁/2±100	z₁₁=7700
12	造水机	Water_generator	x₁₂=d-a₁₂/2-3000	y₁₂=w/2-3000	z₁₂=7700
13	消防泵组	Fire_pump	x₁₃=x₁+a₁+3000	y₁₃=±5000/2	z₁₃=3650
14	灰水泵	Grey_pump	x₁₄=22000+100	y₁₄=3000+100	z₁₄=3650
15	污水泵	Sewage_pump	x₁₅=18000+100	y₁₅=2500+100	z₁₅=3650
16	油渣泵	Sludge_pump	x₁₆=20000+100	y₁₆=-2750-100	z₁₆=3650
17	排水泵	Discharge_pump	x₁₇=25000+100	y₁₇=-4000-100	z₁₇=3650
18	滑油泵	Lubri_pump	x₁₈=36000+100	y₁₈=5500+100	z₁₈=7700