多工况下船舶推进轴系(Propulsion Shaft)校中(Marine Propulsion Shaft Alignment)的多目标优化方法

《Journal of Marine Science and Engineering》:Multi-Objective Optimization Method for Marine Propulsion Shaft Alignment Under Multiple Operating Conditions

【字体: 大 中 小 】 时间:2026年06月16日 来源:Journal of Marine Science and Engineering 2.8

编辑推荐:

  船舶推进轴系校中(Shaft Alignment)受轴承偏移、船体变形、热膨胀及工况相关的螺旋桨与齿轮载荷影响。仅针对单一工况优化的校中方案可能导致服役中轴承反力失衡或轴系变形过大。为提升多工况下的校中性能并减少优化过程中反复调用有限元(Finite Elem

  
船舶推进轴系校中(Shaft Alignment)受轴承偏移、船体变形、热膨胀及工况相关的螺旋桨与齿轮载荷影响。仅针对单一工况优化的校中方案可能导致服役中轴承反力失衡或轴系变形过大。为提升多工况下的校中性能并减少优化过程中反复调用有限元(Finite Element, FE)直接计算,研究人员提出一种针对集装箱船推进轴系系统的混合代理模型辅助多目标优化框架。建立基于欧拉-伯努利(Euler–Bernoulli)梁理论的梁单元有限元模型,并通过顶举(Jack-up)计算进行数值校验。考虑冷态静态(Cold Static)、热态运行(Hot Operating)及零螺距(Zero-pitch)三种工况,选取轴承负荷均匀性(Bearing-load Uniformity)、联轴器最大垂向偏移(Maximum Coupling Vertical Offset)及轴系最大转角(Maximum Shaft Slope)作为目标函数。依据响应特性,对非线性较强的负荷均匀性响应采用极端随机树(Extremely Randomized Trees, ET)模型,对较平滑的联轴器偏移与轴斜率响应采用响应面法(Response Surface Methodology, RSM)建模。采用多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO)获取帕累托前沿(Pareto Front),并利用熵加权TOPSIS(Entropy-Weighted Technique for Order Preference by Similarity to an Ideal Solution)选取折衷方案。在所研究的案例中,优选方案相较优化前方案使三个目标分别降低44.36%、38.62%和8.65%,有限元重新计算显示预测偏差低于5%。该框架为工况下的推进轴系校中优化提供了实用参考。
论文解读:多工况下船舶推进轴系校中的多目标优化方法研究
《Journal of Marine Science and Engineering》(JMSE)刊载的此篇论文针对船舶推进轴系校中(Marine Propulsion Shaft Alignment)工程实际问题展开研究。推进轴系是主机、齿轮箱、中间轴、尾轴至螺旋桨的主要机械传动路径,其校中状态直接影响轴承负荷分布、轴弯曲应力、尾轴承润滑及振动传递。现有研究表明,与安装于刚性基础上的陆用转子不同,船用推进轴系支承于可变形的船体结构上,且受吃水变化引起的船体梁变形、局部艉部变形、机械热膨胀、螺旋桨水动力载荷等多因素影响,导致轴承相对位置及外载荷随工况改变。传统校中分析多聚焦单一冷态静态工况,或仅优化单一指标(如某处轴承负荷),易导致热态或特殊工况下性能恶化;此外直接将有限元(Finite Element, FE)模型嵌入优化循环会带来巨大计算负担,而单一代理模型难以同时精确拟合不同响应特性的目标函数;最后多目标优化后的最终方案选取常缺乏客观决策依据。为此,研究人员建立计入冷态静态、热态运行及零螺距三种典型工况的集装箱船推进轴系欧拉-伯努利梁有限元模型,构建混合代理模型(Hybrid Surrogate Model)——对强非线性耦合的轴承负荷均匀性采用极端随机树(Extremely Randomized Trees, ET),对较平滑的联轴器垂向偏移和轴最大斜率采用响应面法(Response Surface Methodology, RSM),在此基础上应用多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO)搜寻Pareto解集,并引入熵加权TOPSIS(Entropy-Weighted Technique for Order Preference by Similarity to an Ideal Solution)客观遴选折衷校中方案,最终通过FE重算验证优选方案的有效性。
主要关键技术方法:
研究人员以某集装箱船推进轴系(含螺旋桨、尾轴、中间轴、联轴器、齿轮箱及四只支承轴承——后尾管轴承#1、前尾管轴承#2为参考零位、后齿轮箱轴承#3、前齿轮箱轴承#4)为对象,基于欧拉-伯努利梁(Euler–Bernoulli Beam)理论建立准静态FE模型,施加轴段自重、螺旋桨重力与浮力修正集中载荷及工况相关齿轮/螺旋桨力矩与垂直力,考虑齿轮箱轴承热抬升量0.145 mm。设计变量为后尾管轴承垂向位移x1、后齿轮箱轴承垂向位移x2、前齿轮箱轴承垂向位移x3及联轴器轴向位置x4。经L9正交试验初筛变量灵敏度后扩充拉丁超立方抽样获得225组样本(80%训练,20%测试)。依响应特性分别构建ET模型(轴承负荷均匀性f1)与二阶RSM模型(联轴器最大垂向偏移f2、轴最大斜率f3),以R2、RMSE及MAE评价拟合精度。将混合代理目标函数嵌入MOPSO(种群150,最大迭代60)获取Pareto前沿,再基于熵法赋权结合TOPSIS计算相对贴近度选出最优折衷解,最后将优选变量代回原始FE模型复核。
研究结果:
2. Finite Element Modeling and Verification of the Propulsion Shafting System
研究人员建立四轴承支承的集装箱船推进轴系Euler–Bernoulli梁FE模型,施加自重、螺旋桨等效集中力(考虑浸没浮力)及工况相关热位移与外载荷。数值顶举(Numerical Jack-up)验算显示各轴承载荷变化与位移响应趋势合理,证明FE程序内部一致性良好。进一步与船厂提供的DNV Nauticus Shaft Alignment商用软件计算结果对比,三工况下各关键轴承垂向负荷偏差均较小,证实所建模型可合理预测轴系主要支承负荷分布,适用于工程校中分析;热态输入引起齿轮箱区轴承负荷明显重分配,说明热态应作为独立工况纳入多工况校中。
3. Hybrid Surrogate Model Calculation for Shaft Alignment
选取后尾管轴承垂向调整量Δz1、后/前齿轮箱轴承垂向调整量Δz2、Δz3及联轴器轴向位置lc为设计变量(前尾管轴承作零参考)。约束条件含各轴承许用负荷范围、轴附加弯曲应力低于材料许用值及各轴承处相对倾角限制。目标函数分别为:(1) 综合轴承负荷均匀性指数f1——对尾管轴承对与齿轮箱轴承对各求归一化标准差后加权平均,取三工况均值;(2) 联轴器两端节点垂向位移差绝对值之最大值f2(跨三工况);(3) 轴系节点最大转角之最大值f3(跨三工况),三者均极小化。L9正交灵敏度分析表明x1、x2对三目标影响显著,x3对f2、f3有影响,x4整体影响较弱,且f1呈现较强多变量耦合非线性,支持后续分目标选用不同代理模型。
4. Hybrid Surrogate Model and Multi-Objective Optimization
基于扩充样本分别拟合RSM与ET模型并对比。测试集结果表明:f1(负荷均匀性)RSM预测精度不足(R2偏低),ET模型R2高且RMSE/MAE小,故选用ET拟合f1;f2、f3两者均可高精度拟合,RSM提供光滑显式二次表达式且稳定性略优,故保留RSM拟合f2、f3。响应面分析显示齿轮箱轴承调整量对f1影响波动大(强非线性耦合),f2、f3随变量变化较平滑,验证了混合代理策略的必要性。将混合代理目标函数代入MOPSO寻优,算法收敛诊断显示外部存档(External Archive)第9代即饱和至200个非劣解,超体积(Hypervolume)相对变化末五代约0.09%,间距(Spacing)指标趋于稳定,确认收敛。获得Pareto前沿反映三目标间权衡关系。对Pareto解集中各方案按熵加权TOPSIS排序——由目标数据离散度确定权重(负荷均匀性、联轴器偏移、轴斜率对应熵权重各异),计算与正/负理想解欧氏距离得相对贴近度Ci,选取Ci最大者为最终折衷方案(非单目标最优但综合平衡最佳)。
5. Verification of the Optimized Scheme
对比直线校中(各轴承零偏移)、原校中方案与优化后方案。将优选设计变量代回原始FE模型重算,三目标预测值与FE复算值偏差分别为3.09%、1.55%、0.29%(均<5%),证实混合代理模型预测精度满足要求。相较原校中方案,优化方案使轴承负荷均匀性指标降低44.36%,联轴器最大垂向偏移降低38.62%,轴系最大斜率降低8.65%,表明优选折衷方案有效改善了所研究轴系的负荷协调、联轴器对中与轴线平顺性。
讨论与结论翻译:
研究人员得出结论:(1) 数值顶举计算支持所用FE流程的内部一致性,模型可为校中分析与优化提供一致基础;(2) 所定义的多工况多目标评价体系能从轴承负荷协调、联轴器校中及轴线平顺性三角度评估轴系校中,灵敏度分析表明三目标对支承高度与联轴器位置响应不同,需采用多目标而非单指标优化;(3) 混合代理策略适配不同目标响应特征——负荷均匀性具强非线性耦合适用ET模型,联轴器偏移与轴斜率响应较平滑适用RSM;(4) MOPSO可获得清晰反映三目标权衡关系的Pareto解集,熵加权TOPSIS为折衷方案排序提供客观依据,选中方案虽非任一单目标最优但避免任一项性能过度恶化,具最高综合贴近度;(5) 优选方案FE复算偏差低于5%,相较原方案使轴承负荷均匀性指数、联轴器最大垂向偏移及轴最大斜率分别降低44.36%、38.62%及8.65%,证明所提框架可有效提升案例轴系的整体校中性能。该FE-代理模型-MOPSO-TOPSIS流程具方法普适性,可扩展至其他推进轴系校中问题,但具体工况、载荷、热输入及支承表征需依船型与工程要求界定;研究基于简化Euler–Bernoulli梁准静态模型及单一集装箱船案例,未包含液膜动刚度、扭矩约束及动力学性能指标,未来可朝向高阶梁理论、计入船体整体变形输入、开展不确定性/鲁棒性分析及扩充动态校中准则方向拓展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号