0 引　言

舰船作为复杂海上系统工程，其外形造型设计远非简单的美学塑造，而是流体性能、隐身特性、结构强度、建造工艺及全生命周期运维效能等多学科要求深度融合与权衡的产物。传统舰船造型设计难以兼顾多学科参数耦合，建造与运营阶段的实际数据又难以反哺设计优化，已难以适配现代舰船向高效、智能、绿色升级的需求。

在舰船全生命周期造型设计中，谭钱等^[1]通过构建包含造型与布局典型特征值的船型数据库，采用匹配与关联算法逆向生成概念方案，实现舰船造型设计的还原与展现。但该方法侧重概念阶段的方案复刻与展示，缺乏对全生命周期内的动态适配，难以支撑造型的跨阶段迭代优化。汪俊泽等^[2]将复杂的舰船整体结构优化问题分解为对关键组成子模型的顺序优化与迭代更新，有效实现了舰船结构性能的协同提升与综合优化。然而该方法割裂了子系统间固有的强耦合关系，在造型这类强耦合的多学科设计问题中优化效果有限。李振荣等^[3]利用神经网络模型学习舰船结构与性能的映射关系，快速生成满足约束条件的材料布局拓扑构型。但该方法缺乏对参数动态演化规律的捕捉，难以应对全生命周期内造型性能的动态变化需求。田文杰等^[4]采用改进的遗传算法进行造型尺度参数多目标寻优，在设计阶段获得兼顾性能的最优构型，完成造型优化设计。但该方法未能从源头建立参数化几何与性能目标的动态关联，且缺乏从建造、运维阶段反馈数据驱动设计更新的闭环机制。

胡天翔等^[5] 构建了基于数字孪生的船舶制造车间监视系统，但未建立造型设计参数与建造工艺约束的动态适配机制，导致设计与建造环节存在数据断层；王秀勇等^[6] 将数字孪生技术应用于舰船水下抗爆夹层板结构优化，通过虚拟仿真验证结构参数的抗爆性能，但其研究聚焦单一结构性能提升，未整合造型设计涉及的流体、隐身、运维等多学科需求。

为此本文以数字孪生为技术底座，结合舰船造型设计的核心需求，系统构建全生命周期造型参数化迭代框架。提取舰船全生命周期造型的几何、性能关联参数；通过数字孪生模型实现参数的跨阶段动态映射与多物理场仿真；最终依托参数耦合分析与预期失效预测，完成全生命周期内的造型迭代优化设计，推动舰船工业向智能化、精益化方向升级。

1 舰船全生命周期造型迭代设计 1.1 舰船全生命周期造型数字孪生迭代设计架构

构建物理空间、数据孪生空间、虚拟空间三层耦合的数字孪生架构，实现舰船全生命周期造型的参数提取、模型映射与迭代优化。架构如图1所示。

1）物理空间包含舰船全生命周期的实体参数集、参数整合模块及参数同步模块。

2）数据孪生空间由实船数据、孪生数据及通信接口组成。

3）虚拟空间包含造型孪生模型库、参数分析模块及全生命周期交互界面。

1.2 舰船全生命周期造型参数集构建

舰船全生命周期造型参数集以几何拓扑为核心，关联设计、建造、运维各阶段的约束与性能需求^[6]，具体的参数为：

1）最大剖面位置参数。最大剖面位置X_mid决定排水量沿船长分布，由表征航行状态的傅氏数定义：

$ {{X}_{\mathrm{{Mid}}}=\left\{\begin{aligned} &L/2 ，{F}_{n} \lt 0.30，\\ &L/2-0.25L({F}_{n}-0.3) ，0.30\leqslant {F}_{n}\leqslant 0.60，\\ &L/2-0.075L ，{F}_{n} \gt 0.60。\end{aligned}\right. }$

(1)

式中：$ L $为船长；F_n为傅氏数，反映航行速度与船长的关联特性。

2）甲板边线高度参数。甲板边线高度Z_B采用分段抛物线描述，结合甲板拱高f_x修正实际甲板高度Z_C，表达式为：

$ {Z}_{B}=\begin{cases} {(X/L)}^{2}{S}_{a}+D ，X \lt L/2，\\ {(X/L)}^{2}{S}_{f}+D ，X\geqslant L/2。\end{cases} $

(2)

$ {Z}_{C}=\begin{cases} {(X/L)}^{2}{S}_{a}+D+{f}_{x}，X \lt L/2，\\ {(X/L)}^{2}{S}_{f}+D+{f}_{x}，X\geqslant L/2。\end{cases} $

(3)

式中：$ X $为沿船长方向的坐标；S_a、S_f分别为尾舷、首舷弧高度值；$ D $为型深。

3）船底线位置参数。船底线切点坐标X_b通过排水体积系数关联修正，反映排水量对船底线型的影响：

$ {X}_{{b}}={X}_{{\mathrm{Mid}}}-({C}_{b}/4)\times 0.1L。$

(4)

式中：C_b为排水体积系数。

4）横剖线上切点约束参数：后体横剖线上切点的坐标$ ({y}_{c},{z}_{c}) $需满足工艺与结构光顺性约束：

$ \begin{cases} {y}_{c}={y}_{D}-0.25D\cdot \tan \phi，\\ {z}_{c}={z}_{D}-0.25D。\end{cases} $

(5)

式中：y_D为对应横剖线处的甲板线半宽；z_D为对应横剖线处的甲板线高度；$ \phi $为外扩角，反映横剖线向外扩展的角度。

上述公式构成的参数集，在设计阶段耦合流体性能、隐身特性等约束确定初始值；建造阶段转化为工艺参数，修正参数允许波动范围；运维阶段通过感知数据更新底升角等实际值，最终封装为数字孪生模型库的造型参数模块，结合实船数据实现全生命周期参数动态更新与造型迭代优化。

1.3 舰船造型全生命周期的数字孪生模型构建

基于五维数字孪生模型框架，构建舰船造型全生命周期的数字孪生模型，其核心表达式为：

$ {M}_{DT}=(PE,VE,Ss,DD,CN)。$

(6)

式中：$ PE $为舰船全生命周期中的物理实体，包括造型设计阶段的设计资源、建造阶段的装配系统、运维阶段的实船本体及状态感知设施等；$ VE $为虚拟实体；$ Ss $为服务，集成舰船造型的全流程支撑功能；$ DD $为孪生数据；$ CN $为连接。

1.4 舰船全生命周期造型的迭代设计实现

舰船造型全生命周期的迭代演化通过虚拟空间中的参数分析模块实现，以参数耦合分析与失效预测为核心，前者可在造型参数参数与功能存在强冲突时，采用冲突解决理念调整参数取值，实现参数与多功能需求的解耦；后者在前者的基础上，通过失效预测结合数字孪生模型，模拟参数异常下的造型失效风险并优化方案，完成解耦后的失效迭代优化。

1.4.1 造型参数的耦合性分析与解耦

舰船造型需同时满足流体性能、结构强度、隐身特性等多学科功能需求R_s，而功能需求与造型参数P_s的映射关系可通过设计矩阵描述：

$ {R}_{e}=D\times {P}_{e} 。$

(7)

式中：$ e $为功能/参数维度；$ D $为设计矩阵。

根据矩阵元素的分布特征，舰船造型参数的耦合程度分为三类，并对应不同的处理方式：

非耦合：设计矩阵为对角矩阵$ [X \;0;\;0\; X] $，表明造型参数与功能需求一一对应、相互独立，方案可直接应用；

准耦合：设计矩阵为三角矩阵$ [X \; 0;\;X\; X] $，表明参数与功能存在部分关联，需通过调整造型参数的设计顺序实现功能解耦；

耦合：设计矩阵为满阵$ [X \; X;\;X \; X] $，表明参数与功能强关联、相互制约，此时需采用技术矛盾矩阵、物理矛盾分离法重构造型参数体系进行冲突解决，实现造型参数解耦优化，为后续造型迭代奠定参数基础。

1.4.2 造型失效预测与迭代优化

结合造型失效预测方法与数字孪生模型，可实现舰船造型全生命周期的失效预控与迭代优化，具体流程图如图2所示。

1）造型失效预测阶段。确定舰船造型的理想状态，在全生命周期的不同阶段通过数字孪生模型对1.2节造型参数进行恶化推演，如模拟甲板边线高度异常、横剖线外扩角超限等参数偏差，定位可能导致造型失效的参数路径；再通过AFD-2参数反向演化方法 ，锁定引发失效的关键造型参数。

2）造型参数迭代设计阶段。针对失效诱因，利用技术矛盾矩阵、物理矛盾分离原理，提出造型优化措施，如调整最大剖面位置以平衡排水量分布与航行阻力；将改进措施代入数字孪生模型进行仿真验证，判断优化方案是否存在新冲突；若冲突存在，则重复上述流程直至生成无冲突的造型方案。

2 结果与分析

实验选取某多用途护卫舰为研究对象，应用本文方法在该舰船的全生命周期内对其造型进行迭代优化设计，验证本文方法的实际应用效果。

应用本文方法开展该舰船全生命周期造型迭代设计，设计、建造、运维阶段结果如图3所示。分析可知，本文方法通过全生命周期参数动态更新，实现功能设备造型化集成，适配设备更新需求，验证了其闭环迭代能力。

在全生命周期造型迭代设计时，应用本文方法进行造型参数耦合性分析，得到存在强耦合的参数情况。表1数据表明，可在迭代中通过耦合分析发现强耦合参数，找到参数与功能的强制约关系，为解耦优化提供精准对象。参数解耦后，4个强耦合参数对的冲突消解度均保持在90%以上。如图4所示，说明本文方法可有效消解强耦合冲突，保障多性能目标协同适配。

为验证本文方法应用造型失效预测的造型迭代优化能力，针对表1设计过程中，通过数字孪生模型模拟失效风险随迭代过程的变化趋势，实验结果如图5所示。分析发现，本文方法迭代设计下，随着迭代设计次数增加，失效风险均显著降低，当迭代次数达到5次以上时，失效风险已稳定降至5以下；尤其在参数耦合程度较高时，迭代优化后失效风险的降幅尤为显著。因此本文方法可通过多轮迭代，精准消解强耦合参数引发的失效风险，确保舰船全生命周期造型的可靠性与适配性。

2.1 对比实验设计与结果分析 2.1.1 对比实验设计

在对比实验中，选取基于船型数据库的逆向生成方法、基于子模型分解的顺序优化方法、基于改进遗传算法的多目标寻优方法为3个对比组，统一以某多用途护卫舰为研究对象，确保舰船基础参数一致，并采用相同的流体性能标准（GB/T 13400-2022）、隐身性能指标（RCS约束）、建造工艺规范（CB/T 3195-2023）及运维设备集成需求，所有方法均执行5次造型迭代，使用相同的参数冲突消解度计算方法、失效风险评估模型（GB/T 20986-2021）及全生命周期性能测试平台进行评价。

2.1.2 对比结果与分析

选取设计阶段流体阻力系数、雷达隐身RCS值，10 GHz波段，垂直入射，建造阶段工艺适配误差，运维阶段设备集成适配率作为核心性能指标，对比结果如表2所示。

表2数据显示，本文方法在流体阻力性能上较对比组1～对比组3分别降低22.3%、15.5%、8.4%，得益于数字孪生动态耦合优化；隐身性能RCS值较3组分别降36.5%、24.7%、15.8%，实现多阶段协同优化；建造适配误差仅为传统方法的40%～56%，避免设计建造参数割裂；运维设备集成适配率最高提升23.5%，达成设备与造型无缝融合。

2.2 仿真与实测数据对比

为验证本文方法构建的数字孪生模型精度及造型设计方案的可靠性，选取设计阶段核心性能指标，开展仿真值与实测值对比验证。实测数据来源于某型 054A 改进型护卫舰的水池模型试验，缩尺比1∶20及实船试航数据，对比结果如表3所示。

可知，流体性能上，10 kn和18 kn 航速下流体阻力系数相对误差均低于3%，多物理场仿真模型精准可靠；隐身性能方面，雷达RCS值相对误差4.49%，在常规误差范围内，验证了造型与隐身性能映射关系；耐波性上，海况5级时横、纵摇角相对误差均小于5%，数字孪生模型能模拟实际运动姿态；建造工艺中，适配误差相对误差16.67%，因实船建造因素，但实测值满足要求且优于传统方法。核心指标除建造工艺外相对误差均在 5%以内，验证了数字孪生模型及造型设计方案的可靠准确。

3 结　语

本文提出基于数字孪生的舰船全生命周期造型迭代设计方法。通过实验分析可知，本文提出方法能够有效实现舰船造型在全生命周期内的造型设计的动态适配与性能优化，通过参数耦合分析与解耦消除强耦合参数之间的冲突，并在迭代设计下显著降低失效风险，推动舰船设计向智能化、精益化方向演进。