0 引　言

随着船舶制造技术的发展，智能化船舶设计和制造成为世界范围的发展趋势，也是推动成本优化、技术升级的关键。在船舶设计过程中，舱室和管路的布局是一项重要内容，舱室和管路的布局是否能够合理利用船体的空间，同时兼顾考虑结构的安全和可靠性，是评价船舶设计优劣的重要指标。机舱作为船舶的关键舱室之一，内部布置了大量的电气、自动化设备，这些设备管路布局的合理性，对于改善机舱环境，提高机舱安全性意义重大。

本文采用一种基于遗传优化算法的船舶管路智能化布局技术，从布局设计原理、布局过程等方面进行详细介绍。

1 船舶管路智能布局设计和栅格建模法

与智能设计技术不同，传统的船舶布局设计基于设计手册和规范，同时根据经验积累和参考图纸进行设计，这些布局设计方法的效率低、效果差，智能布局设计在计算机和算法的加持下，能够实现自动化的布局方案输出。

船舶智能布局设计的基本流程如图1所示。

在船舶智能布局设计的流程中，模型建立是其中的重要环节。模型建立是指将船舶设计过程转化为合理的数学模型，并基于该数学模型进行智能设计。本文主要介绍一种栅格建模法。

栅格建模法是通过将空间划分成若干网格状单元，来模拟实际设计空间模型的建模方法，建模过程中全面考虑存在的障碍物，将栅格进行自由栅格和障碍栅格的划分。在船舶管路布局设计时，通过定义网格的权重值，准确地建立空间模型，结合遗传算法等寻优算法，获取最优布局^[1]。

栅格建模法的第一步是建立栅格模型，船舶机舱布局的等效栅格模型示意图如图2所示。

首先建立对应栅格的函数模型如下：

$ \left\{ {\begin{array}{*{20}{l}} {A = \left( {D,L,W} \right)}，\\ {D = \left( {{v_t}\left| {t = 1,2,...,n - 1} \right.} \right)} ，\\ {L = \left\{ {\left( {{v_i},{v_j}} \right)\left| {{v_i},{v_j} \in D} \right.} \right\}}，\\ {W = \left( {{w_{ij}}} \right)} 。\end{array}} \right. $

式中：D为栅格的节点集合；L为管路布局的方向集合；W为管路的权重集合； $ {v_t} $ 为单个管路连接段； $ \left( {{v_i},{v_j}} \right) $ 为栅格节点； $ {w_{ij}} $ 为管路连接段的权重值。关键步骤包括：

1）定义管路连接段的权重值 $ {w_{ij}} $

连接段的权重值^[2 $ {w_{ij}} $ 是指每一段需要布局长度对应的阻力特性，表征管路通过该空间距离所需要的时间成本或者是费用成本，权重值 $ {w_{ij}} $ 是空间布管长度的函数，即

$ {w_{ij}} = f\left( {L(t)} \right) 。$

式中， $ L(t) $ 为管路的长度信息。

2）最优路线规划

将管路布局的起始点作为目标函数的边界，并将布管长度最短 $ {D_{\min }} $ 、成本最低 $ {T_{\min }} $ 定义为最优的目标函数，则

$ {D_{\min }} = f\left( {L(t),B\left( t \right)} \right) 。$

式中， $ B\left( t \right) $ 为管路布管的粗细度信息。

假定管路布局过程中，起点到终点之间有n条路段，每段路段所需要的时间为 $ t_i^{} $ ，则建立栅格法的目标函数如下：

$ \begin{gathered} {D_{\min }} = \min \left\{ {\sum\limits_i^n {L\left( {{t_i}} \right){w_{ij}}} } \right\} ，\\ {T_{\min }}t_i^{} = \min \left\{ {\sum\limits_i^n {{t_i}} } \right\} ，\\ \end{gathered} $

$ {t_i} = f\left( {L(t),B\left( t \right)} \right)/ {w_{ij}}。$

2 基于遗传算法的船舶智能管路布局设计 2.1 遗传算法

遗传算法从一个初始种群开始，经过基因重组、遗传、交叉和变异生成新种群，遗传算法在最优问题处理上有非常广泛的应用^[3]。

遗传算法的基本步骤包括：

1）初始种群编码

初始种群编码方式有二进制编码、字符串编码等，本文主要使用二进制编码方式，该方法也是最常应用的一种编码方法。

二进制编码字符串设某一参数变量取值范围为 $ \left[ {{U_{\min }},{U_{\max }}} \right] $ ，二进制编码的对应关系为：

$ \begin{array}{*{20}{c}} {00000 \cdots 0000 = 0}&{}&{ \to {U_{\min }}} ，\\ {00000 \cdots 0001 = 1}&{}&{ \to {U_{\min }} + \delta }，\\ { \vdots \quad \vdots \quad \vdots }& \vdots & \vdots \\ {11111 \cdots 1111 = {2^l} - 1}&{}&{ \to {U_{\max }}} ，\end{array} $

二进制编码的精度为：

$ \delta = \frac{{{U_{\max }} - {U_{\min }}}}{{{2^l} - 1}} 。$

假设染色体编码为 $ X = b_i^{},{b_{i - 1}},...,{b_1} $ ，可得解码公式为：

$ x = {U_{\min }} + \left( {\sum\limits_{i = 1}^1 {{b_i}} \cdot {2^{i - 1}}} \right) \cdot \delta 。$

2）适应度计算

适应度计算是判断种群中个体优劣的标准^[3]，适应度函数模型为：

$ {f_i} = \frac{{{c_1} + {c_2}}}{{{w_t}}}\sqrt {\frac{1}{{N - 1}}{{\left( {\sum\limits_{i = 1}^n {\left( {{y_{best}} - y\left( i \right)} \right)} } \right)}^2}}。$

式中： $ {c_1},{c_2} $ 为学习因子； $ {\omega _t} $ 为惯性权重^[4]；N为种群个体的总个数； $ {f_i}\left( {i = 1,2,3,..,N} \right) $ 为个体的适应度值。

3）遗传与变异

遗传算法的原理流程如图3所示。

2.2 基于遗传算法的船舶管路空间智能布局

机舱管路是船舶的重要组成部分，一方面为各类船舶机械设备提供液体燃油等，另一方面也为舱室等其他位置输送饮用水等必须的资源。因此，管路被称为船舶的“血管”，提高管路布局设计对于改善船舶整体性能有重要意义。

本文结合栅格建模和遗传算法，提出一种管路的智能布局方法，管路智能布局的流程图如图4所示。

1）机舱栅格建模

在机舱管路布局时，首先需要进行机舱的栅格建模。将机舱舱室布局模型建立为一个三维空间模型，将机舱简化为一个规则的长方体，根据机舱中舱壁、设备等障碍物的空间位置，将长方体模型进行栅格划分，并采用直角坐标系对每个栅格节点详细标注。

图5为机舱管路布局的空间栅格模型，将栅格节点划分为管路连接点、管路路径、布局障碍3种。

除了机舱障碍物需要重点考虑外，机舱的管路布局过程还需要注意以下几点：

①管路半径

由于在基于栅格建模法和遗传算法的管路寻优过程中，管路以一条等直径的中心线代替，而实际管路布局时，考虑管路流量、强度等因素，管路的直径有多种规格，因此，在初始栅格建模时^[4]是栅格的最小尺寸大于管路直径。

②管路之间的间隙

机舱环境面临高温、高湿等气象条件的影响，相邻管路之间需要预留一定的间隙，防止相邻管路因为发热出现故障。因此，在管路布局时同样需要考虑管路之间的间距，栅格大小也要考虑管路半径和安全间隙。

③管路与障碍物的距离

与第2条同理，管路与障碍物之间也需要考虑安全距离，根据实际的布管经验，当多管路同时布局时，可先选择栅格较大的空间布局管路，后期再根据情况调整实际的管路直径。

④适应度函数计算

管路布局综合考虑成本、障碍物、管路直径、弯头数量等，建立适应度函数为：

$ f\left( p \right) = A - \left( {a \cdot L\left( p \right) + b \cdot B\left( p \right) + c \cdot E\left( p \right)} \right) - O\left( p \right) 。$

式中： $ L\left( p \right) $ 为管路布局总体长度； $ B\left( p \right) $ 为管路布局成本； $ E\left( p \right) $ 为弯头个数； $ O\left( p \right) $ 为罚函数； $ p $ 为遗传算法的染色体个数。

图6为基于遗传算法的船舶机舱管路布局寻优示意图。

3 结　语

机舱管路的布局需要综合考虑成本、障碍物、管路安全性等因素，针对机舱的智能布局设计，本文介绍一种基于栅格建模法和遗传算法的管路智能布局算法，阐述了管路智能布局的原理和过程。