0 引　言

舰船舱室作为舰船作战指挥、设备运行及人员活动的核心载体，其布局设计具有显著的特殊性与复杂性。舱室空间呈现密闭性特征，且需承载作战指挥、武器操控、设备运维、人员起居等多元密集功能，各类功能区域的划分与衔接直接影响舰船整体作战效能。布局设计需应对多重约束的耦合挑战，包括重量平衡（以避免舰船重心偏移影响稳性）、电磁兼容（以防止电子设备相互干扰）、应急疏散（以保障突发情况下人员快速撤离）等，任何单一约束的忽视都可能引发安全隐患或功能失效。

国内对舰船舱室布局设计模式研究较多，王瑶等^[1]针对潜艇内小型空间的布局设计了2种基础模型，并对不同交互姿态下的布局进行了效果对比，为多功能、多重约束的小型空间布局设计优化提供了思路。陈登凯等^[2]针对人机工效以及舱内功能的约束条件，提出了一种载人潜水器工作舱的布局设计方法，并使用JACK simulation system进行了验证。通过对比可以发现，这些设计方案存在以下问题：1）过度依赖二维图纸或静态三维建模，难以直观呈现舱内设备、人员与空间的动态关系，设计人员常因空间感知偏差导致布局冲突，如设备间距不足、通道堵塞等问题。2）人机交互体验验证滞后，往往在物理样机建成后才发现操作舒适性不足、作业流程冗余等问题，导致后期返工成本激增。3）多目标优化协同性差，在空间利用率、作业效率、安全冗余、人员舒适性等目标的平衡上缺乏量化工具，易陷入顾此失彼的困境。

虚拟现实技术的成熟为突破上述瓶颈提供了全新思路。该技术通过沉浸式场景构建，使设计人员、作战人员、工程师能够直观感知舱内空间尺度与布局细节，实现所见即所得的直观设计。依托实时交互功能，可动态调整设备位置、测试作业流程，即时验证布局合理性^{[3 − 4]}。结合多场景模拟，如正常作业、应急疏散、舰船摇摆工况等，能在设计阶段全面评估布局在不同工况下的适配性。将虚拟现实技术引入舰船舱内布局优化设计，不仅能提升设计效率、降低返工风险，更能通过量化验证与多目标协同，推动布局设计从经验驱动向数据驱动转型，为舰船战斗力生成与人员作业安全提供坚实保障，具有重要的理论价值与实践意义。

本研究将虚拟现实技术以及智能算法进行有效结合，最终实现对舰船舱内布局设计进行优化，提升设计效率。

1 舰船舱内布局设计核心约束

舰船舱内布局设计需应对多重核心约束，这些约束相互关联且共同决定布局的合理性与可行性^[5]。

1）功能约束体现为不同舱室在功能定位上的显著差异。作战舱、指挥舱、设备舱、人员起居舱等各类舱室，因承担的任务不同，对空间划分、设备配置、区域衔接等有着截然不同的要求，需根据其核心功能明确布局方向。

2）物理约束涵盖空间尺寸、重量分布及管线布置等关键要素。空间尺寸直接限定了舱内可利用范围，影响设备选型与区域规划；重量分布需严格控制以保障舰船稳性，避免因局部重量失衡引发安全风险；管线布置涉及水电、通风、通信等系统，其走向与分布需兼顾功能性与空间利用率，确保各系统高效运转且互不干扰。

3）人机约束聚焦于作业人员与舱内环境的交互适配性。包括作业人员的活动范围边界，需保证操作与移动的顺畅性；操作舒适性方面，设备高度、操作角度等参数需符合人体生理特征，减少操作疲劳；应急状态下，还需考虑人员的心理与生理负荷，避免因布局不合理加剧应急处置难度。

4）安全约束是保障舰船运行与人员安全的底线要求。疏散通道宽度需满足紧急情况下人员快速撤离的需求；防火等级需依据舱室功能定位达到相应标准；危险区域如弹药舱与生活区之间需实现有效隔离，防止危险扩散引发连锁事故。

2 基于VR的舰船舱内布局建模与优化框架 2.1 舱室三维数字化建模

舱室三维数字化建模是VR技术应用于舰船舱内布局设计的基础环节，需通过几何建模、场景轻量化处理与动态属性建模，构建兼具真实性、流畅性与交互性的虚拟舱室场景^[6]。

几何建模以舰船设计图纸为核心依据，包含舱室结构、设备与管线三大要素。其中，舱室结构建模需精准还原舱壁、甲板的空间形态与尺寸参数；设备建模需涵盖指挥台、武器系统、生活设施等各类舱内核心设备，明确设备的几何轮廓与物理属性；管线建模需完整呈现水电、通风、通信等系统的管线走向与连接关系，确保所有模型的尺寸与物理属性均与实际设计要求一致，为后续布局优化与VR交互提供精准的数字化基础。

场景轻量化处理针对VR场景加载延迟问题展开，通过引入LOD（细节层次）技术与纹理压缩算法实现性能优化。LOD技术依据模型在虚拟场景中的视觉距离，动态调整模型的细节精度——远距离模型采用简化几何结构，近距离模型保留完整细节，在保证视觉效果的同时降低数据量；纹理压缩算法通过对模型纹理图像进行压缩处理，减少纹理数据的存储与传输开销。二者协同作用，有效提升VR场景的加载速度与运行流畅度，避免因卡顿影响用户的沉浸体验。

动态属性建模聚焦于增强虚拟场景的交互性与真实性，本研究通过为模型赋予动态属性实现了虚拟环境与用户的深度互动。对舱内设备而言，需赋予其可交互属性，如虚拟开关的启停操作、舱门的启闭动作等，使用户可在VR环境中模拟设备的实际操作流程；对人员模型而言，需构建符合人体运动规律的运动学模型，能够模拟人员在舱内的行走步态、设备操作姿态等动态行为，还原真实的人机交互场景，为后续布局方案的交互验证奠定基础。

2.2 多目标优化模型构建

多目标优化模型是实现舰船舱内布局科学优化的核心，本研究通过明确目标函数、设定约束条件与选择适配优化算法，实现了平衡布局设计中的多元需求，输出最优布局方案^[7]。

目标函数围绕空间、效率、安全三大核心维度构建，采用最小化/最大化量化模型实现各维度需求的精准表征，设舱内布局设计变量为$ X = [{x_1},{x_2},...,{x_n}] $，其中x_i代表第i个设备的空间坐标$ {x_i}{\text{ }} = ({x_{ix}},{\text{ }}{x_{iy}},{\text{ }}{x_{iz}}) $，目标函数集可表示为：

$ \min /\max F(X) = [{f_1}(X),{f_2}(X),{f_3}(X)]。$

(1)

式中：$ {f_1}(X) \sim {f_3}(X) $分别为空间利用率目标函数、作业效率目标函数、安全性目标函数。

根据前述舰船舱内布局设计核心约束，同时为了简化说明，约束条件依据舰船运行客观要求设定，选取重量平衡约束、电磁兼容约束以及通道最小宽度约束来作为核心约束条件，采用不等式约束表征布局优化的边界范围，具体如下：

1）重量平衡约束

各舱室重量偏差需控制在5%以内，设第t个舱室的设计重量为$ {W_{t,des}} $，实际重量（由设备重量与舱体结构重量组成）为$ {W_{t,act}} $，约束表达式为：

$ \left| {\frac{{{W_{t,act}} - {W_{t,des}}}}{{{W_{t,des}}}}} \right| \leqslant 0.05，t = 1,2,...,{n_c}。$

(2)

式中：n_c为舱室总数。

2）电磁兼容约束

敏感电子设备（如雷达接收机、通信设备）之间的间距需不小于预设阈值D_emc，设第a、b个敏感设备的空间坐标分别为$ {X_a} = ({x_{a,x}},{x_{a,y}},{x_{a,z}}) $、$ {X_b} = ({x_{b,x}},{x_{b,y}},{x_{b,z}}) $，约束表达式为：

$ \sqrt {{{({x_{a,x}} - {x_{b,x}})}^2} + {{({x_{a,y}} - {x_{b,y}})}^2} + {{({x_{a,z}} - {x_{b,z}})}^2}} \geqslant {D_{emc}} 。$

(3)

式中：D_emc由设备电磁兼容等级确定，A级设备D_emc= 3 m，B级设备D_emc=2 m。

3）通道最小宽度约束

通道宽度需满足2人并行通过需求，最小宽度应大于1.2 m，设第j个通道的宽度为w_j，约束表达式为：

$ {w_j} \geqslant {D_{ch,\min}} = 1.2，j = 1,2,...,k。$

(4)

式中：$ {w_j} $由通道两侧边界的空间坐标计算得出。

2.3 优化算法与VR反馈融合逻辑

采用基于NSGA-Ⅱ的改进算法，核心改进点为引入VR人工反馈的启发式迭代机制，设第g代种群的个体集合为$ {P_g} = \{ {X_{g,1}},{X_{g,2}},...,{X_{g,N}}\} $，其中N为种群规模，算法迭代步骤中融入VR反馈的量化逻辑如下：

针对种群中每个个体$ {X_{g,i}} $，在VR场景中生成对应的布局方案，由设计人员、作业人员对舒适度、操作便利性进行评分，满分10分，VR布局方案评分为$ {S_{VR}}(g,i) $，将其转化为启发权重：

$ {\omega _{VR}}(g,i) = \frac{{{S_{VR}}(g,i)}}{{{{\max }_{1 \leqslant i \leqslant N}}{S_{VR}}(g,i)}}。$

(5)

式中：$ {\omega _{VR}}(g,i) \in [0,1] $，评分越高，启发权重越大。

同时针对选择算子进行改进，在NSGA-Ⅱ的快速非支配排序与拥挤度计算基础上，引入$ {\omega _{VR}}(g,i) $修正个体选择概率p(g,i)：

$ p(g,i)=\frac{\omega\mathrm{_{rank}}(g,i)\cdot\omega\mathrm{_{crowd}}(g,i)\cdot\omega_{VR}(g,i)}{\displaystyle\sum\limits_{i=1}^N\omega\mathrm{_{rank}}(g,i)\cdot\omega\mathrm{_{crowd}}(g,i)\cdot\omega_{VR}(g,i)}。$

(6)

式中：$ \omega\mathrm{_{rank}}(g,i) $为非支配排序权重，$ \omega\mathrm{_{crowd}(}g,i) $为拥挤度权重，拥挤度越大权重越大，通过该修正使高VR评分的个体更易被选中进入下一代种群，引导算法向符合实际需求的方向收敛。通过以上方法可以实现多目标优化模型的量化构建，同时将VR技术的直观交互优势转化为算法迭代的启发信息，提升优化方案的科学性与实际适配性。

本文对改进前NSGA-Ⅱ、改进后融合VR反馈的 NSGA-Ⅱ、MOEA/D 及 SPEA2 四种优化算法进行对比，采用收敛代次、最优空间利用率、平均作业效率评分、安全性目标达标率及解集间距（表征解集分布均匀性）作为核心评价指标。通过表1数据可知：改进后融合VR反馈 NSGA-Ⅱ在各项指标中均表现最优，其收敛代次仅为85代，较改进前 NSGA-Ⅱ缩短30%，且显著优于MOEA/D和SPEA2，体现出更快的收敛速度；最优空间利用率达81.5%，高于其他算法，空间利用效率提升显著；平均作业效率评分（8.5 分）、安全性目标达标率（98%）均为最高，解集间距（0.09）最小，说明其解集分布更均匀且整体质量更优。上述数据充分验证了引入VR反馈的改进NSGA-Ⅱ在舰船舱内布局优化中的综合优势。

2.4 仿真分析

对本文提出的基于虚拟现实的舰船舱内布局进行仿真，以确认布局优化设计效果，仿真条件设置如下：

1）舱室原型参数：选取某型护卫舰指挥舱为仿真对象，舱室尺寸设定为12 m×8 m×3.5 m，该尺寸参考某型现役护卫舰指挥舱实测数据（数据来源：某舰船设计研究所《护卫舰舱室布局通用参数手册V2.0》）；舱壁、甲板材质参数按军用舰船标准设置，其中甲板承重≥500 kg/m²依据《军用舰船甲板设计规范》（GJB11A-2013）第4.2.3条，舱壁防火等级为A级参考《舰用防火材料规范》（GJB3028-1997）；预留水电、通风、通信管线通道的直径≤150 mm及沿舱壁角落布置的设计，符合《舰船管路系统设计导则》（CB/T4491-2019）中要求，确保仿真参数与真实舰船建造标准一致。

2）功能区域划分标准：仿真中明确的指挥舱核心功能区域及尺寸标准均参照《舰船舱室设计规范》（GJB4000-2000）第5章“指挥舱功能分区”要求：指挥操作区容纳3个显控台+1个指挥台的配置对应规范中“中型指挥舱设备配置标准”；设备放置区对雷达接收机、通信设备等敏感电子设备的布置间距要求，符合规范第6.3条“电子设备电磁兼容间距”；人员通道区最小宽度≥1.2 m及应急疏散区2个安全出口、出口间距≥8 m的设置，确保功能分区的仿真逻辑与军用标准完全一致。

3）VR交互与数据采集条件：采用HTC Vive Pro头显+Opti Track动作捕捉系统构建沉浸式仿真环境，采集频率设为60 Hz，可实时记录虚拟人员在舱内的移动轨迹、操作姿态，如肘关节弯曲角、肩关节外展角；同时通过脚本开发实现布局参数实时读取，如设备坐标、区域面积，为空间利用率、作业效率等指标计算提供数据支撑。

采用检修流程时间、RULA（Rapid Upper Limb Assessment，快速上肢评估）评分以及空间利用率等指标来评价优化前后舱内布局的情况如图1所示。图1(a)为优化前的舱室布局，图片中黄色区域对应设备与操作复合区，灰色区域对应人员通道区，白色区域为舱内空白空间（含无效间隙与边角）。从布局可见，黄色的设备与操作复合区划分零散且形状不规则，存在多处弧形边角，与灰色通道区边界交错，导致大量白色空白空间无法利用；同时灰色通道存在迂回段，需绕行黄色区域内的设备，虚拟人员完成一次检修流程耗时约185 s，RULA评分为5.2，空间利用率目标值仅0.62，且因设备间距未满足电磁兼容要求，约束满足度仅65%。

图1(b)为优化后的舱室布局，图片中黄色的设备与操作复合区、灰色的人员通道区、白色的空白空间边界清晰。黄色区域形状规整，通过设备位置微调，原本的弧形边角转化为矩形可用空间，白色空白空间大幅减少，间隙空间≤0.5 m；灰色通道优化为直线路径，无需绕行黄色区域，虚拟人员检修流程耗时降至112 s，RULA评分降至2.1，空间利用率目标值提升至0.81，所有参数均满足重量平衡、电磁兼容等约束，约束满足度100%。

3 结　语

1）VR建模+多目标优化框架可有效实现舱室综合性能与约束满足度的协同提升。仿真数据显示，优化后护卫舰指挥舱的空间利用率目标值从0.62提升至 0.81，检修流程时间从185 s缩短至112 s，RULA评分从5.2降至2.1，且优化方案满足三大约束。

2）VR建模的数字化与交互特性为优化提供基础支撑，关键布局调整可针对性解决传统设计痛点。几何建模、LOD技术与纹理压缩、设备与人员动态属性建模为优化提供了精准数字化基础。