本学术报告旨在向同行研究者介绍一项发表于Ocean Engineering期刊（卷341，出版于2025年，在线发表日期为2025年9月2日）的原创性研究。该研究由荷兰代尔夫特理工大学的Jake M. Walker与Andrea Coraddu，以及意大利热那亚大学的Luca Oneto共同完成。

一、 学术背景

本研究隶属于船舶与海洋工程领域的船型优化方向。优化船体线型对于提升船舶的经济性和环境性能至关重要。传统的船型优化流程（特别是中期设计阶段）通常采用基于仿真的设计流程，并利用数据驱动的代理模型来近似计算成本高昂的高保真仿真（如计算流体力学CFD），从而在可接受的成本下探索设计空间。然而，现有方法存在两大主要缺陷：其一，现有的优化流程主要关注性能指标（如阻力），而对物理合理性（如稳定性）的考量往往是后验的，即在优化完成后才进行校验，这可能导致最终方案不符合国际海事组织的强制性规范。其二，尽管使用了代理模型，优化过程（尤其是在高维设计空间中）的计算负担依然沉重。

具体而言，缺乏（1） 是在以阻力为主要优化目标时，对设计稳定性的考量不足。虽然已有研究尝试在优化中加入稳定性相关指标，但通常缺乏明确的、基于规范的可执行约束，导致难以在设计阶段就确保合规。缺乏（2） 是即使采用了代理模型，优化工具的计算需求依然很高。常用的设计空间降维（Design-Space Dimensionality Reduction, DSDR）方法（如主成分分析PCA）虽能减少优化变量，但通常在优化前就执行，未能结合具体问题的性能知识来有针对性地保留高性能设计区域。

因此，本研究的目标是提出一种新颖的、兼顾计算效率和物理合理性的船型优化框架，旨在同时解决上述两个缺陷。其核心创新点在于：首次将国际海事组织的完整稳性规范（IMO Intact Stability Code）以代理模型的形式直接整合到数值优化循环中，实现“设计即合规”；并采用数据驱动的方法，以问题特定的方式降低搜索空间的维度，从而在不牺牲性能的前提下减轻计算负担。

二、 详细研究流程

本研究以优化著名的KCS集装箱船船型为例，在一个先进的中期船型优化流程基础上进行改进和测试。整个研究流程严格遵循并扩展了中期船型优化的四个标准步骤。

流程一：形状参数化、参数范围与关键绩效指标定义 研究采用自由变形（Free-Form Deformation, FFD）方法对KCS母型船进行参数化。FFD控制网络由一个包含24个控制点的全局网络和一个专注于球鼻艏、包含12个控制点的局部网络叠加而成，共计36个控制点。通过施加对称性约束，独立控制点减少至12个，其自由度构成一个29维的设计变量向量x（前16个为全局控制点的x、y方向位移，后13个为局部控制点的x、y、z方向位移）。参数范围被设定得足够宽，以确保最优解不会落在边界上。本研究的关键绩效指标是在两个傅汝德数（Fr=0.282和0.108，分别代表高速巡航和低速航行工况）下的总阻力R_t，以及最重要的物理合理性约束——是否符合IMO完整稳性规范IMO(x)。此外，还设定了对吃水、纵倾和排水量的几何约束。

流程二：采样、数据生成与数据驱动代理模型构建 首先，从29维设计空间中随机抽取了1000个样本（几何形状）。然后，对这些样本进行两类仿真以构建数据集： 1. 高保真CFD仿真：由于计算成本极高，从1000个样本中随机选择了218个进行CFD仿真，计算它们在随机选择的Fr数下的总阻力。CFD仿真使用商业软件STAR-CCM+，并进行了网格敏感性分析和与实验流体动力学结果的验证，以确保仿真精度。最终生成了用于学习R_t(x, Fr)的数据集。 2. 稳性面板法代码仿真：对全部1000个样本，使用自主研发的面板法代码评估其稳性。计算了每个样本在17个不同横倾角下的复原力臂GZ曲线和初稳性高GM。然后，根据IMO第二版完整稳性规范（重点是“瘫船状态”失效模式），从GZ和GM值派生出五个具体的稳性失效模式标准，并最终汇总为一个二元约束函数IMO(x)（通过为1，不通过为0）。这生成了用于学习GZ(x, φ)和GM(x)，进而评估IMO(x)的数据集。

基于上述数据集，研究构建了三个数据驱动代理模型： * 阻力代理模型：输入为设计变量x和Fr数，输出为总阻力R_t。测试了核岭回归和极限学习机两种算法，并通过留一法交叉验证评估性能。结果表明核岭回归在精度上表现更优。 * 稳性代理模型：首先构建预测GZ和GM的代理模型，然后基于其输出计算IMO(x)。同样测试了两种算法，极限学习机在GZ和GM预测上精度更高。最终验证了基于代理模型判定的“通过/失败”结果与高保真面板法代码结果高度一致。

这些代理模型的评估时间均在毫秒级，非常适合嵌入优化循环。

流程三：形状优化 本研究定义并求解了两个优化问题： * 问题（2）：传统的多目标优化问题，最小化高低速工况下的加权总阻力，并满足几何约束（吃水、纵倾、排水量）。不包含IMO稳性约束。 * 问题（3）：本研究提出的新型优化问题，在问题（2）的基础上，增加硬性约束 IMO(x) = 1。

研究利用构建好的阻力代理模型和稳性代理模型，采用梯度类优化算法（内点法和序列二次规划法）对这两个问题进行了求解，得到了各自的帕累托前沿解集。

针对缺乏（2），研究引入了设计空间降维步骤。采用了两种DSDR方法：主成分分析和神经网络自编码器。关键创新在于，研究比较了两种降维数据集： * 标准降维：使用全部1000个样本进行降维。 * IMO导向降维：首次提出并实践：仅使用那部分满足IMO稳性规范的样本子集进行降维。这样产生的低维空间天然排除了不符合稳性规范的设计区域。然后将优化问题（3）映射到这个降维后的空间中进行求解。为了评估降维重建误差对优化效果的影响，研究没有简单地检查重建误差，而是设计了一个更严格的验证流程：比较在原始空间训练、在重建输入上评估的代理模型性能，与直接在降维后空间训练和评估的代理模型性能。

流程四：物理合理性与反馈 对所有优化得到的帕累托最优解进行物理合理性验证： 1. 使用高保真CFD仿真重新计算这些最优设计的阻力，验证代理模型的预测是否准确，排除数值伪影。 2. 使用高保真面板法代码重新评估这些设计的稳性，验证其是否真正满足IMO(x) = 1的约束。

三、 主要研究结果

1. 传统优化流程的缺陷验证：求解问题（2）（无稳性约束）得到的优化方案，在阻力性能上显著优于KCS母型船（根据代理模型预测）。然而，对这些方案进行后验稳性校验时发现，它们全部无法满足IMO完整稳性规范。具体表现为其GZ曲线的最大复原力臂对应角度小于规范要求的25度。这证实了缺乏（1） 的严重性——仅优化阻力会导致设计在物理上不可行。
2. 集成稳性约束优化的有效性：求解问题（3）（包含稳性约束）得到的优化方案，其阻力性能虽然不及问题（2）的方案，但仍然优于KCS母型船。更重要的是，这些方案全部通过了IMO稳性规范的事后高保真验证，实现了“设计即合规”。这表明将IMO规范通过代理模型直接集成到优化循环中是成功且必要的。
3. 计算负担分析：直接在原始29维空间中求解问题（3），比求解问题（2）的计算成本增加了约30%，这是由于增加了非线性约束。
4. 设计空间降维的效果：
   • 无论是标准降维还是IMO导向降维，都能将设计变量从29维显著降低（标准降至7维，IMO导向降至4维），且重建误差很小。
   • 在降维后的空间中进行优化，得到的方案性能与在原始空间中优化的方案性能接近，且都通过了CFD和稳性代码的物理验证，证明了降维的有效性。
   • 关键发现：IMO导向降维不仅产生了维度更低的搜索空间（4维 vs 7维），而且在优化效率上表现出色。与在原始29维空间中求解问题（3）相比，采用IMO导向降维后，优化过程的函数调用次数减少了52%-66%，计算时间节省了约23%-40%，且均优于标准降维的效果。这实现了在解决缺乏（1） 的同时，也显著缓解了缺乏（2）。

四、 结论与意义

本研究提出并验证了一个创新的船型优化框架，该框架通过将IMO完整稳性规范的代理模型直接集成到数值优化循环中，确保了所有产出设计天生满足关键的稳定性要求。通过针对KCS船型的优化测试，研究取得了两项主要成就：

1. 物理合理性的根本性保障：证明了传统优化流程无法确保稳性合规，而本研究方法能够实现“设计即合规”，这是迈向可靠、实用设计方案的关键一步。
2. 计算效率的显著提升：通过数据驱动的方法对搜索空间进行有针对性的降维（特别是结合稳性约束的降维），在保持优化质量的前提下，将计算负担降低了约30%。这为在固定计算预算内进行更频繁或更大规模的优化提供了可能。

本研究的科学价值在于首次系统性地将一项复杂的、强制性的法规约束无缝嵌入到基于代理模型的船型优化流程中，并提供了一套完整的、可验证的方法论。其应用价值巨大，为船舶设计界提供了一个既能平衡水动力性能与物理合理性，又能兼顾计算效率的新一代设计工具原型，对推动智能化、合规化的船舶设计具有重要实践意义。

五、 研究亮点

1. 方法论的创新融合：首次成功将IMO完整稳性规范这一“硬约束”通过数据驱动代理模型，直接、高效地整合到船型数值优化循环的核心，改变了以往后验校验的模式。
2. 双目标协同解决：创造性地将解决稳性约束（缺乏1）和降低计算成本（缺乏2）的方案相结合，提出了“基于合规样本子集的设计空间降维”新思路，实现了“一石二鸟”的效果，并量化证明了其协同优势。
3. 严谨的验证流程：研究不仅验证了代理模型的精度，还设计了超越常规的流程来评估降维对优化效果的影响，并对所有最优解进行了高保真物理验证，确保了研究结论的坚实可靠。
4. 完整的案例演示：以业界公认的KCS标准船型为对象，在一个先进的优化流程基础上实施改进，使得研究成果具有很好的可比性、可重复性和参考价值。

六、 其他有价值内容

本研究的数据已在4TU研究数据仓库中公开，确保了研究的可复现性。作者在文中也明确指出了未来工作的几个方向，包括纳入更多法规和结构约束、集成物理信息机器学习模型以提升代理模型性能、将方法扩展到更多船型和工况，以及将耐波性（如波浪中的舒适性和操作性）指标也纳入优化循环等，为后续研究指明了路径。