船舶轻量化结构多目标优化设计研究

摘要：船舶轻量化设计是提升航运经济性的核心技术手段，对降低能耗、增强市场竞争力具有现实意义。本文围绕船体结构轻量化过程中的多目标权衡难题，梳理了结构减重与强度保持的技术矛盾，分析了设计参数筛选、约束条件设定及优化算法选取等关键环节，提出了兼顾重量控制、安全裕度与工艺可行性的综合优化思路，并结合典型货船舱段设计进行了方法验证，为工程实践提供参考。

关键词：船体结构；轻量化；多目标优化；设计变量；Pareto解集

1引言

国际航运业碳减排压力持续加大，国际海事组织先后出台船舶能效设计指数和碳强度指标等强制性规定，倒逼船舶设计向轻量化方向转型。船体结构作为全船重量占比最大的组成部分，其优化空间直接决定船舶能效水平。然而，结构减重不能以牺牲安全性为代价，如何在重量、强度、成本之间寻求最佳平衡点，成为船舶设计领域亟待解决的技术课题。

传统设计模式依赖规范条文和经验系数，设计人员通过逐步试算调整板厚和构件尺寸，最终方案虽能满足安全要求，却难以保证材料利用率最优。这种"安全冗余叠加"的做法往往导致结构overweight，既浪费材料又增加运营成本。近年来，随着计算力学和智能算法的进步，基于仿真驱动的优化设计方法逐步应用于船型开发，使精细化减重成为可能。

2轻量化设计的技术约束体系

2.1设计参数识别

船体结构可优化的参数类别较多，需根据设计阶段和目标层级进行筛选。板格厚度是最直接的连续型变量，调整范围受最小板厚规范和腐蚀余量限制；纵向骨材和横向框架的截面尺寸属于离散型变量，选取需符合轧制型材标准；更高层级的优化还涉及骨材间距、开口形状及结构拓扑形式，这类变量对整体力学性能影响显著但优化难度较大。

2.2多维度约束条件

船舶结构优化必须建立严密的约束边界，主要涵盖：强度层面，需校核总纵弯曲、局部载荷及冲击工况下的应力水平，确保不超过材料许用值；刚度层面，控制船体梁挠度和板格变形，防止影响设备正常运转；动态层面，调整结构刚度分布使固有频率避开主机和螺旋桨的激励频段；建造层面，保证构件可加工、可装配，避免出现过薄板或怪异节点。

3多目标优化的建模思路

3.1多目标决策的本质特征

船舶轻量化设计本质上属于多目标决策范畴，其核心难点在于目标间的内在冲突性。若单纯追求结构重量最小化，优化算法倾向于将板厚压至规范下限，导致局部刚度不足，在波浪冲击或货物作用下产生过大变形，应力集中系数显著攀升，最终可能诱发疲劳裂纹。反之，若过度强调结构安全储备，设计人员习惯性放大板厚和骨材规格，虽能消除强度顾虑，却造成材料浪费和空船重量增加，削弱船舶载货能力与燃油经济性。这种顾此失彼的困境，正是传统经验设计难以突破的瓶颈，亟需建立科学的权衡机制。

3.2目标函数的选取原则

构建优化模型首要任务是确定目标函数体系。结构总重量作为轻量化的核心指标，直接关联船舶载重量和营运能耗，通常以钢材密度与结构体积的乘积表征，涵盖板架、骨材及节点连接件的累计质量。最大等效应力反映结构危险截面的安全裕度，采用第四强度理论将复杂应力状态转化为等效单轴应力，便于与材料屈服极限对比，该指标需严格控制在船级社规范限值内，并保留百分之十至十五的裕量以应对模型不确定性。材料及加工成本关乎船厂经济效益，除钢材采购费用外，还需计入切割、焊接、装配等工序成本，特殊工艺如曲面外板加工或厚板预热将显著增加支出。

3.3目标间的制约关系解析

上述三类目标构成相互牵制的三角关系。减重措施通常依赖减薄板厚或稀疏骨材布置，但这会抬升应力水平并可能触发稳定性失效，为控制应力又需选用更高强度钢材或增加构件数量，反过来推高成本。成本约束则限制了高强度材料的广泛应用，迫使设计在普通钢材框架内挖掘潜力。这种制约并非简单的线性此消彼长，而是涉及材料非线性、几何非线性及边界条件复杂交互，使得最优解的搜索空间呈现高度非凸特征，传统梯度类算法极易陷入局部最优，必须借助全局优化策略探索真正的权衡前沿。

3.4Pareto最优解集的形成机制

多目标优化区别于单目标问题的关键，在于不存在使所有目标同时最优的绝对最优解，而是生成一组非支配解构成的Pareto前沿。该前沿上的任一解均在至少一个目标上优于其他解，且无法在不损害其他目标的前提下进一步改进。对于船舶结构优化，前沿通常呈现为重量-应力-成本的三维曲面，靠近曲面的解代表设计效率的极限边界。进化算法通过种群进化逐步逼近该前沿，维护解的多样性以确保前沿分布均匀，避免解集聚集于局部区域而丧失决策参考价值。

3.5决策偏好与方案遴选

Pareto前沿为设计决策提供量化基础，但最终方案选取依赖人为判断。不同船东对目标的权重认知差异显著：集装箱船运营商优先追求减重以提升箱位，油轮船东更关注结构安全性以降低泄漏风险，内河船舶则对建造成本极为敏感。设计人员需结合航区海况、货物类型、使用寿命等营运参数，在前沿上筛选契合需求的折中解。这种后验决策模式赋予设计灵活性，允许根据项目特点动态调整，相较单目标优化强制预设权重的做法，更能反映工程实际的多重诉求，提升优化结果的可实施性。

3.6建模过程的工程化处理

将上述思路转化为可计算的数学模型，需完成三项工程化处理。首先是变量归一化，将重量、应力、成本等量纲迥异的目标映射至统一量级，消除数值差异导致的优化偏向。其次是约束硬化，将规范中的许用应力、最小板厚、频率禁区等要求转化为不等式约束，剔除不可行域以压缩搜索空间。最后是边界设定，依据建造工艺能力确定变量上下界，避免出现理论最优但无法制造的奇异解。经过这些处理，抽象的优化理念转化为可求解的数值模型，为后续算法应用奠定基础。

4优化算法与求解策略

4.1算法适应性分析

船体结构优化具有变量维度高、约束非线性、有限元计算耗时等特点，对优化算法提出较高要求。经典数学规划方法如序列二次规划，对连续变量优化效率较高，但处理离散变量和多峰问题能力有限。进化算法通过模拟自然选择机制，在复杂设计空间中具有更强的全局探索能力，其中非支配排序遗传算法因其处理多目标问题的成熟性，在船舶工程领域应用较广。

该算法通过快速非支配排序区分个体优劣，利用拥挤度比较维持种群多样性，经过若干代进化后收敛至Pareto前沿。为缓解有限元重复计算带来的时间成本，可引入代理模型技术，以少量样本点构建近似响应面，在保证精度的前提下加速优化进程。

4.2分级协同优化

针对船体结构层次化特征，可采用分级优化策略提升效率。第一级聚焦局部板格，优化板厚和骨材尺寸满足舱室载荷；第二级上升至舱段层面，调整强框架和横舱壁布置；第三级统筹全船，协调各舱段重量分配和重心控制。各级优化通过灵敏度信息传递实现联动，避免局部最优导致整体失衡。

4.3工程应用实例

以某型灵便型散货船中部货舱结构为对象，验证上述方法的可操作性。优化变量选取包括顶边舱斜板、内底板、舷侧外板等12处板厚，以及纵骨、横梁等18组骨材规格。约束条件涵盖屈服强度、极限强度、疲劳寿命和板格稳定性要求，载荷工况考虑满载出港、压载到港及隔舱装载等典型状态。

采用改进型遗传算法进行求解，经过约两百代进化获得分布均匀的Pareto解集。对比初始方案，选取的优化解实现结构重量下降超过12%，最大应力水平降低约9%，综合材料成本节约近10%。优化后结构的应力分布更为均匀，高应力区范围明显收缩，表明材料配置趋向合理。

5结论与建议

本文针对船舶结构轻量化设计的方法论问题进行了探讨，形成以下认识：多目标优化能够有效协调重量、强度、成本的矛盾关系，避免单一指标极端化；进化算法结合代理模型是求解复杂船舶结构问题的可行路径；分级优化策略有助于处理大规模变量，提升工程实用性。

后续研究可在以下方向深化：考虑腐蚀、海况等不确定因素的可靠性优化；面向新型建造工艺如激光焊接、三维弯板的结构形式创新；以及基于数据驱动的智能优化平台建设，推动船舶轻量化设计从经验主导向定量决策转变。

参考文献

[1]钱彪.船舶轻量化连接结构设计研究[D].哈尔滨工程大学,2017.

[2]庞帅.船舶甲板结构轻量化设计方法研究[D].大连理工大学,2024.