分享自:

CFD-神经网络协同优化驱动集装箱船导流罩气动减阻研究

期刊:Ocean EngineeringDOI:10.1016/j.oceaneng.2025.122971

本文报告了一项针对大型集装箱船船艏导流罩的空气动力优化设计的原创性研究。该研究由Chengmeng SunHaihua Lin*、Yaoyang WuYefu Duan共同完成,他们分别来自山东交通大学的船舶与港口工程学院和中国扬州的一家船厂公司。这项研究成果发表于Ocean Engineering期刊,刊发年份为2025年

研究的学术背景与目标

本研究隶属于船舶与海洋工程领域,具体聚焦于船舶空气动力学和节能减排技术。研究的核心驱动力源于全球航运业面临的严峻的脱碳压力。海运承担了约80%的国际贸易量,同时也贡献了全球约3%的二氧化碳排放。随着国际海事组织(IMO)不断收紧诸如船舶能效设计指数(EEDI)等法规,降低燃油消耗和排放已成为航运业的当务之急。

与常规船舶不同,集装箱船因其甲板上密集堆叠的集装箱而具有巨大的受风面积,导致其空气阻力在总阻力中的占比可高达10%,对于现代超大型集装箱船(如20,000-24,000 TEU),这一比例不容忽视。优化船艏导流罩(Fairing)的空气动力性能,被视为一种实用且对装卸作业干扰小的解决方案。尽管此前已有关于导流罩的研究和工业应用,但现有研究普遍存在三个关键局限性:过度依赖单参数调整,未能捕捉几何变量间的协同效应;缺乏在统一条件下对不同导流罩构型的系统性比较;未能将经过验证的高精度计算流体力学(CFD)、先进的代理模型(Surrogate Model)和全局优化算法进行完整整合。

为此,本研究旨在建立一个系统性的CFD-神经网络协同优化框架,以最小化大型集装箱船艏部导流罩的风阻。具体目标包括:(1)建立并验证基于KCS基准模型的高精度集装箱船空气动力数值模拟模型;(2)比较垂直、圆弧形和多边形圆弧形三种典型导流罩构型在顶风条件下的减阻机理;(3)实现多参数优化以最大化风阻降低,为追求IMO脱碳目标的造船厂和运营商提供可行的见解。

详细的研究流程

本研究的工作流程分为六个主要阶段,构成了一个从参数化设计到优化验证的完整闭环。

第一阶段:CFD数值模拟与验证。 本研究首先以一艘满载的集装箱船(总长196米,宽32米)为对象,建立了包含船体、甲板集装箱堆和桥楼的几何模型。为了准确模拟船舶周围的流场,研究构建了足够大的矩形流体计算域。在网格划分中,对自由表面、船体表面及船体近场等关键区域进行了局部加密,并采用了边界层网格。为确保模拟精度,研究基于广泛认可的KCS(Kriso Container Ship)基准模型进行了网格收敛性验证。结果显示,当自由表面、船体表面和近场网格尺寸分别选定为0.057米、0.04米和0.06米时,计算的总阻力系数与实验值的误差小于1.62%,验证了网格方案的可靠性。随后,通过对比标准k-ε、RNG k-ε、可实现k-ε(Realizable k-ε)和SST k-ω四种湍流模型,发现可实现k-ε模型与KCS实验数据偏差最小(0.54%),因此被选定用于后续所有CFD模拟。

第二阶段:典型导流罩选型与减阻效果初步评估。 研究定义了三种导流罩基本构型:垂直型(垂直立面)、圆弧型(单一倾斜曲面)和多边形圆弧型(由多个多边形曲面构成)。在未优化的情况下,为这三种构型设定了基于工程经验的初步几何尺寸。研究重点分析了在4-8级蒲氏风级下的纯顶风(风向与船首尾线平行)工况。CFD模拟结果表明,三种导流罩均表现出显著的减阻效果。以8级风为例,与无导流罩的基线构型相比,垂直型、圆弧型和多边形圆弧型导流罩分别降低了约33.58%、36.09%和39.91%的风阻系数。流场分析揭示,导流罩通过重塑船艏几何外形,有效改善了船艏前方的低速回流区,抑制了集装箱堆顶部因气流分离产生的涡旋,优化了速度和压力分布,从而协同降低了压差阻力和摩擦阻力。

第三阶段:几何参数敏感性分析与设计空间定义。 为进行多参数优化,首先需要对每种导流罩构型确定其关键几何参数及其合理取值范围。例如,对于垂直型导流罩,关键参数为其高度(H)和长度(L),其取值范围分别与集装箱堆总高(H1)和船艏到首排集装箱的轴向距离(Lbox)相关联,定义为H∈[0.35–1.10] H1,L∈[0.75–1.65] Lbox。圆弧型和多边形圆弧型导流罩则定义了更多的控制点坐标作为设计变量。这些参数范围共同构成了后续优化搜索的设计空间。

第四阶段:多参数协同设计与CFD数据获取。 本研究采用最优拉丁超立方采样(Optimal Latin Hypercube Sampling, OLHS)方法在设计空间内生成一系列具有良好空间填充性和均匀分布性的样本点。OLHS能够高效处理高维参数空间,生成更具代表性的样本。基于这些样本点的参数组合,利用参数化建模软件(如SolidWorks)快速生成相应的导流罩几何模型。随后,对每一个生成的导流罩模型,执行高精度的CFD仿真(采用已验证的网格和湍流模型设置),计算其对应的风阻系数。这一过程生成了一个将导流罩几何参数(输入)与风阻响应(输出)联系起来的数据集。

第五阶段:代理模型构建。 由于CFD模拟计算成本高昂,不适合直接用于需要大量迭代的优化过程。因此,研究构建了代理模型来近似模拟几何参数与风阻之间复杂的非线性映射关系。本研究采用了椭圆基函数(Elliptical Basis Function, EBF)神经网络作为代理模型。EBF神经网络是一种三层前馈网络,其特点在于通过椭圆形状矩阵实现各向异性距离度量,能更好地捕捉不同几何参数对阻力的非均匀影响。使用上一阶段生成的OLHS样本数据集对EBF神经网络进行训练,当用于评估拟合优度的决定系数(R²)达到或超过0.95时,认为代理模型训练充分,具有足够的预测精度。

第六阶段:优化方案确定与验证。 以最小化船舶风阻系数为目标,建立了优化数学模型。针对导流罩气动优化中存在多个局部最优解的问题,研究采用了协方差矩阵自适应进化策略(Covariance Matrix Adaptation Evolution Strategy, CMA-ES)作为优化算法。CMA-ES是一种适用于黑箱优化问题的全局优化算法,它通过自适应地更新搜索分布的协方差矩阵,有效平衡全局探索和局部开发,避免陷入局部最优。优化过程中,利用已训练好的EBF神经网络代理模型快速评估不同参数组合的风阻,驱动CMA-ES算法在定义的设计空间内进行迭代搜索,最终寻找到使预测风阻最小的最优几何参数组合。为了验证优化结果的可靠性,对代理模型预测出的最优构型,再次进行高精度的CFD模拟,将计算结果与代理模型的预测值进行对比。本研究中,三种导流罩优化构型的CFD验证结果与代理模型预测值的相对误差均小于2%(分别为0.672%、1.767%和0.920%),证明了整个优化框架的高精度和可靠性。

主要研究结果

通过上述CFD-神经网络协同优化框架,三种导流罩构型均获得了性能显著提升的最优设计方案。

垂直型导流罩优化结果: 优化后的关键参数为高度H = 0.76 H1,长度L = 1.62 Lbox。其风阻系数从优化前的0.3444降至0.3123,减阻率从33.58%提升至39.36%。流场分析表明,长度的增加(延伸至1.62 Lbox)有效引导气流更平稳地通过导流罩与首排集装箱之间的空隙,抑制了气流逃逸和涡旋产生,优化了局部流速分布,从而减小了船艏高压区的强度和范围。

圆弧型导流罩优化结果: 在固定长度与垂直型最优值相同的前提下,优化其曲面控制点坐标。最优参数为:顶点水平坐标Xa = 4.89 Lbox,垂直坐标Za = 1.43 H1,尾部交点水平坐标Xb = 4.86 Lbox。其风阻系数降至0.3056,减阻率从36.09%大幅提升至42.10%。优化后的曲面曲率分布更为合理,使气流能够沿曲面连续加速,增强了气流附着性,几乎消除了流动分离,使得船艏高压区范围相比未优化构型减少了五分之一以上,压力梯度更加均匀。

多边形圆弧型导流罩优化结果: 该构型具有最多的几何控制参数(7个独立坐标),优化框架通过精细调整多个控制点的位置,实现了对多边形曲面分段曲率的精确控制。最优构型的风阻系数进一步降至0.2935,减阻率达到三者中最高的42.87%。结果显示,优化后的多边形曲面通过小半径前段减少船艏前缘气流滞留,中段引导气流平稳过渡,大半径后段贴合集装箱堆避免分离,实现了更精细的区域化流动调控。这有效拆分了集中的高压区,降低了压力峰值,同时通过产生微弱的控制涡来主动重组能量分布,最小化了压降阻力。

综合比较发现,随着几何控制参数数量的增加,导流罩适应复杂流场特性、进行精细化流动调控的能力随之增强。多边形圆弧型导流罩凭借其最高的几何自由度,实现了最优的减阻性能,直接验证了更多控制参数可实现更精准流场管理与更好减阻效果的理念。

研究结论与价值

本研究得出以下主要结论: 1. 成功建立并验证了用于集装箱船空气阻力模拟的高精度数值模型,与KCS基准模型对比误差仅为1.62%。 2. 船艏导流罩具有显著的、随风速增加而增大的减阻性能。仅考虑空气阻力时,垂直导流罩可保持约33.6%的稳定减阻率。 3. 三种导流罩均能通过重塑船艏流场、抑制涡旋产生、优化压力分布来实现系统性的减阻,其中多边形圆弧型构型展现出最佳性能。 4. 所提出的集成OLHS采样、EBF神经网络代理模型和CMA-ES优化算法的多参数协同优化策略高效且可靠,能显著提升导流罩的减阻效果,将减阻率提升至接近或超过40%的水平。

本研究的科学价值在于,它填补了现有研究在系统性多构型比较、多参数耦合优化以及高精度CFD与先进优化算法深度融合方面的空白,为船舶空气动力学部件的设计提供了一个严谨、统一的优化框架范例。在应用价值方面,优化后的导流罩设计可为船东和船厂带来切实的经济效益。研究表明,对于20,000 TEU级别的超大型集装箱船,优化导流罩有望降低2-4%的年度燃油消耗,这对于降低运营成本和实现IMO的脱碳目标具有重要意义。

研究亮点

  1. 创新性的研究框架: 建立了一个完整的“参数化建模-CFD模拟-代理模型构建-基于最小风阻的几何优化”一体化研究体系,实现了从设计到验证的闭环。
  2. 几何优化方法学创新: 首次将最优拉丁超立方采样(OLHS)、椭圆基函数(EBF)神经网络代理模型和协方差矩阵自适应进化策略(CMA-ES)优化算法协同应用于船舶导流罩的气动优化设计。
  3. 系统性的构型对比与机理分析: 在统一的优化框架和条件下,系统比较了三种基本导流罩构型的减阻性能与流场调控机理,明确了几何自由度与优化潜力之间的关系。
  4. 高精度的模型验证: 严格基于KCS标准船模实验数据对CFD数值模型进行了网格收敛性和湍流模型验证,确保了整个优化流程中基础数据的可靠性。

其他有价值的内容

研究也指出了自身的局限性,为未来工作指明了方向:首先,当前研究集中于基本几何形状,未来可探索更复杂的构型(如仿生拓扑、自适应变形设计)。其次,结论主要基于数值模拟,未来可结合风洞实验和实船测试进行多尺度验证以增强工程适用性。最后,研究的环境条件范围较窄,仅分析了纯顶风工况,未系统研究斜风、阵风以及波浪耦合运动对导流罩性能稳定性的影响,这在复杂的真实海洋环境中是需要进一步深入探讨的关键问题。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com