基于知識的船體結構快速設計及優化

管官，林焰，b，紀卓尚，b

（大連理工大學a.船舶CAD工程中心；b.工業裝備結構分析國家重點實驗室，遼寧大連116024）

基于知識的船體結構快速設計及優化

管官a，林焰a，b，紀卓尚a，b

（大連理工大學a.船舶CAD工程中心；b.工業裝備結構分析國家重點實驗室，遼寧大連116024）

在確保安全的前提下，快速設計出優秀船體結構并實現快速修改是船舶設計師夢寐以求的目標。文章針對這一目標，提出了基于知識的船體結構快速設計方法，引入船體結構知識本體的概念，將知識工程原理和參數化技術相結合，對船體結構設計知識庫的建立進行了研究，實現了船體結構三維快速優化設計。設計中設計船的結構構件位置通過位置參數確定，構件尺寸通過母型知識庫并運用NURBS函數插值再結合規范要求獲得，對主要結構采用量子行為遺傳算法進行優化。實例表明，該方法將設計知識嵌入到船體結構知識本體中，既有助于設計知識的保留和再利用，又能實現對設計結果的自動檢查，進而快速獲得合理的船體結構。

船體結構；知識工程；參數化；快速設計；量子行為遺傳算法

0 引言

船舶設計的質量和效率是影響船舶開發周期的重要因素。如何在確保安全的前提下，快速生成船體結構，并能實現結構快速修改與方案變換，是船舶設計師關注的主要問題[1]。

傳統的船體結構設計以數據作為主要處理對象，是一種交互的繪圖操作。設計者僅僅描述船體結構的可視外形及尺寸，不包含設計思想、專家經驗、母型船信息及規范等知識，因而不便于對設計模型的修改及檢查[2]。針對上述問題，國內外研究學者開始研究如何將設計方法、規范及專家經驗結合到設計過程中去，使設計人員只需輸入少量參數及應用要求，系統即可依據相關知識，快速開發出高質量的設計模型[3]。對此，基于知識工程的船舶設計方法，以知識作為主要處理對象，成為船舶設計方法發展的新方向。

如今知識工程在汽車、機械等行業已經取得較大成果[4]。而船舶行業中，由于設計的多樣性和復雜性，對知識工程的研究還處于起步階段[5]，德國羅斯托克大學在研究計劃中規劃了船舶建模知識系統，可從知識庫中獲得設計準則，提供建模工具[6]；Park等[7]指出專家系統可提高船舶設計制造效率；Akagi等[8]將目標驅動法用于船體初始設計,將知識融合在設計系統中以實現靈活設計；Lee等[9]挖掘知識數據進行船舶機艙布置設計，實現了工程數據信息再利用；Lee[10]開發了破損軍船操作知識系統，可以通過配載使船舶保持良好浮態，可供船員進行虛擬演習；Wu等[11]提出了船舶總體設計知識模型用于信息存儲和檢索；Chen等[12]實現了基于知識工程的船體甲板設計；崔進舉等[13-14]實現了基于知識工程的舯剖面結構設計；蔡乾亞等[15]開發了基于AutoCAD平臺的船舶舯剖面設計系統，將橫剖面分成若干模塊，應用規范、母型橫剖面資料以及專家經驗等知識，得到橫剖面積最小的舯剖面。

本文在前人研究成果的基礎上，引入船體結構知識本體的概念，將知識工程原理和參數化技術相結合，建立了船體結構設計知識庫，通過位置參數確定結構構件位置，通過規范推理法（RBR）和實例推理法（CBR）2種知識推理方式獲得構件尺寸，采用量子行為遺傳算法對主要結構進行優化，最終實現三維船體結構的設計及優化。

1 基本概念

1.1 知識工程

知識工程是研究知識信息的新興學科，它將具體的智能系統研發中的共性問題提取出來，作為知識工程的核心，使之成為指導研發智能化系統的基本工具和一般方法[16]。其本質是研究如何挖掘并積累產品開發中的知識，并對它進行表達、應用及維護，以用于產品開發相關問題的自動求解。旨在知識的再利用，以實現快速開發出高質量的產品。

1.2 知識本體

船舶船型眾多，不可能為每條船都開發相應的設計模塊。但同一系列船型往往具有相似的結構。新船的開發一般都是以原有母型船為基礎，船體結構設計往往也是參考原有母型船設計出來的。針對上述事實，結合知識工程，提出了船體結構設計知識本體的概念。

在研究某一系列船型結構的基礎上，去除其特殊結構，提取出共性結構，建立基于知識的三維參數化船體結構模型，稱之為船體結構知識本體。有了知識本體，即可快速開發出新船結構。

結構知識本體屬于對船體結構的高度集成，是一種結合了專業知識、專家經驗和規范的知識模型。基于知識的船體結構設計系統的設計思想本質就是構建這種知識本體，即通過計算機技術將船舶相關知識集成到船體模型中，實現船體結構設計的智能化、參數化和自動化。使設計人員能得到豐富的知識支持，從而提高設計能力。

2 知識庫的建立

知識庫是指知識工程中結構化、易應用、易操作和有組織的知識集合。知識庫包括理論知識、技術規則、專家經驗、成功案例和構件標準等。構建知識庫時，將這些知識進行收集、組織、歸納成可用于解決產品開發的策略，以知識表示方式存儲在計算機中，為設計者提供查找和利用知識的手段[17]。對于船體結構設計，其知識庫結構如圖1所示。

圖1 知識庫結構Fig.1 Structure of knowledge base

2.1 船體結構構件庫

船體結構復雜、構件尺寸信息量大，但相似結構多。為減少船體結構設計的重復工作量，可對全船構件進行規劃，提取構件特征，創建船體結構構件庫。通過參數化技術實現參數驅動構件模型的建立，將知識庫內嵌到構件模型中，構建構件庫，在構件庫中可以根據國家標準、尺寸約束及構件外形特征等，通過修改電子表格調整構件參數，從而實現知識驅動生成構件。

本文研究的構件庫主要包括板材庫、型材庫、開孔庫、肘板庫、貫穿孔及型材端部庫。下面以板材庫及型材庫為例，簡單介紹建庫方法。

2.1.1 板材庫

應用電子表格驅動板材參數化設計，將板材厚度參數以表格形式存儲，將表格中參數與板材外形關聯，修改表中參數即可生成相應板材，如圖2所示。

圖2 板材參數表示意圖Fig.2 Thickness parameter table of plate schematic diagram

圖3 球扁鋼剖面示意圖Fig.3 Cross section of flat-bulb steel

2.1.2 型材庫

同樣應用電子表格驅動型材參數化設計。型材庫包括T型材、角鋼、球扁鋼和扁鋼等。其中主要參數包括型材號、腹板高度、腹板厚度、面板厚度和面板寬度等，球扁鋼剖面參數草圖如圖3所示，參數表如圖4所示。

圖4 球扁鋼參數表Fig.4 Parameter table of flat-bulb steel

2.2 規則庫

對于船體結構設計而言，規則庫主要是設計規范、設計標準、專家經驗、母型船實例等知識的集合。建立規則庫時，將這些知識進行收集、歸納成若干規則和解決設計問題的策略，以一定格式存儲在數據庫中，供設計人員在設計過程中調用，為設計人員提供指導，實現船體結構的智能化設計，設計方案自動檢驗，達到快速設計的目的。規則庫要具有知識的獲取、更新、查詢、維護、修改等功能。詳細的建庫方法將在設計實例中說明。

3 基于知識的船體結構設計

基于知識的船體結構設計，首先建立參數化構件庫；其次將設計規范、專家思想及母型實例等知識進行整理歸納為計算機可識別的公式、規則和檢驗，寫入知識庫，協助設計者快速完成并檢查設計。

知識推理方式主要采用規范推理法和實例推理法，規范推理法適用于所表達知識明確的情況，如對船級社規范要求的推理；實例推理法適用于所表達的知識并不明確，如母型船資料等知識，需要將母型實例與設計船對比分析后，確定發布參數，用于新設計參考，同時新設計船也可以加入到知識庫，為以后設計做儲備。

設計中設計船的結構構件位置通過位置參數驅動生成，構件尺寸通過規范推理法和實例推理法2種知識推理方式獲得，對主要結構采用量子行為遺傳算法進行優化，具體流程如圖5所示。

圖5 基于知識的船體結構設計流程圖Fig.5 Flow chart for knowledge-based hull structural design

4 設計實例

通過設計實例具體介紹基于知識的結構設計流程及方法。

4.1 構件位置確定

船體結構主要為加筋板，即板材上焊接加強筋。其中板材為基礎，確定構件位置首先要確定板材的位置，然后再確定板材上附屬結構（加強筋、開孔等）位置。

板材位置可以通過其理論面平面與板邊界描述。理論面可以根據用戶輸入位置參數或其它板的變換操作獲得。如內底板理論面可以描述為高為1 800 mm；距中1 700 mm旁桁材理論面可以描述為中桁材偏移1 700 mm。板邊界可以通過平面方程、船體外殼或其它板組合確定。

板材位置確定后，其加強筋、開孔和板縫等附屬結構位置采用參數化方法確定。用戶為附屬結構添加三類約束：（1）從屬約束，即附屬結構隨著板材的移動而移動；（2）距離約束，即附屬結構到板上某一特定位置距離為定值；（3）邊界約束，即附屬結構以板的邊界為邊界。求解幾何約束系統即可確定附屬結構位置。

然后開始板材和加強筋尺寸的設計。本文通過規范推理法和實例推理法2種知識推理方式展開。

4.2 規范推理法

規范推理法首先確定參數化結構模型的基本參數，再根據規范規定的公式確定參數關系式，然后根據規范規定的板材厚度要求及加強筋剖面屬性等要求，建立規則庫，通過建立參數關系式將規則庫中的知識應用于船體結構設計過程中，設計中系統便會自動依據規則獲得構件參數的取值結果。最后，根據規范建立檢驗，對設計方案進行評估，以確定設計結果是否滿足規范要求，若不滿足給出提示，以便設計者了解問題所在，及時修改，快速完成設計。

以舷頂列板設計為例進行說明：

（1）參數建立

根據中國船級社（China Classification Society,CCS）《鋼質海船入級規范》（2015版）[18]，舷側為縱骨架式時，船中0.4L區間內的舷頂列板厚t不小于按照下列兩式計算值：

式中：s為舷側縱骨間距；L為船長；L1=L，但不大于200 m；Fd為折減系數。確定舷頂列板參數如圖6所示。

（2）參數關系式確定

根據規范中的公式，可以確定參數之間的關系式，如圖7所示。

（3）舷頂列板厚度規則建立

根據規范規定，舷頂列板厚應不小于（1）式和（2）式計算值，利用規則編輯器建立該條規則存入規則庫，這樣可以實現該條規則的重用。當設計參數改變時，系統會自動根據規則給出符合規則的結果。舷頂列板厚度取值規則如圖8所示。

（4）舷頂列板厚度檢驗

建立舷頂列板厚度檢驗，以確定設計結果是否滿足CCS規范要求，舷頂列板厚度檢驗如圖9所示。如果不滿足要求，系統將給設計者提示，協助設計者修改設計結果。如圖10所示。

其它船體結構構件的規范推理過程相似，這里不再贅述。

圖6 舷頂列板參數設置示意圖Fig.6 Sheer strake parameters schematic diagram

圖7 舷頂列板參數關系式示意圖Fig.7 Sheer strake parameters relationship schematic diagram

圖8 舷頂列板厚度規則示意圖Fig.8 Sheer strake thickness rule schematic diagram

圖9 舷頂列板厚度檢驗示意圖Fig.9 Sheer strake thickness check schematic diagram

4.3 實例推理法

實例推理法首先選擇n條相似的母型船，根據規范中板厚要求及加強筋剖面屬性的要求公式，計算得到各個結構構件的關鍵值。以強力甲板為例進行說明：

規范中規定縱骨架式強力甲板厚度不小于下列各式計算值：

式中：s為舷側縱骨間距；L為船長；L1=L，但不大于200 m；Fd為折減系數。

取t1和t2中較大者，若t2較大，則（4）式作為關鍵公式，令為強力甲板的關鍵值，那么設計船的甲板厚t可采用NURBS函數插值求得。利用NURBS函數的升階算法，可以用三次NURBS函數,如（5）式所示，統一表達線性插值和二次插值，這樣便可滿足只有2、3條母型船，母型船數量較少時也可以應用NURBS函數插值的要求，實現NURBS函數插值的通用性。

圖10 舷頂列板厚度檢驗信息Fig.10 Sheer strake thickness check message

式中：Vi為控制頂點，是利用母型船數據反算獲得的，Wi為權因子，Bi,3（）u為三次B樣條基函數，u為節點，由積累弦長法確定。

下面具體介紹實例推理法的設計流程

（1）參數建立

確定強力甲板參數如圖11所示。

圖11 強力甲板參數設置示意圖Fig.11 Deck parameters schematic diagram

（2）參數關系式確定

參考規范中的公式，確定關鍵值公式，建立參數之間的關系式，如圖12所示。

圖12 強力甲板參數關系式示意圖Fig.12 Deck parameters relationship schematic diagram

圖13 強力甲板關鍵值規則示意圖Fig.13 Deck key value rule schematic diagram

（3）強力甲板規則建立

首先利用規則編輯器建立關鍵值取值規則，如圖13所示。再根據母型船參數，如圖14所示，建立強力甲板厚度插值規則，如圖15所示，由母型參數建立插值曲線，再根據設計船關鍵值k插值出強力甲板厚度t。將以上規則存入規則庫，即可實現規則的重用。當設計參數或母型信息改變時，系統會自動根據規則推理出設計方案。

（4）強力甲板厚度檢驗

圖14 母型參數設置示意圖Fig.14 Mother parameters schematic diagram

與規范推理法相似，這里不再贅述。

圖15 強力甲板厚度規則示意圖Fig.15 Deck thickness rule schematic diagram

實例推理法和規范推理法的主要差別在于：規范推理法將規范公式的計算結果作為構件的初始尺寸。而實例推理法只在后期校核設計結果時直接利用規范，設計中只是利用規范公式為插值關鍵值的確定提供參考。實例推理法獲得的構件初始尺寸是由母型庫插值得到。由于母型船的構件尺寸都隱含著前期設計專家的經驗，因而實例推理法也是對原有知識的繼承和重用，有效地避免了隱性知識的流失。

4.4 基于知識的船體結構尺寸優化

本文研究的船體結構尺寸優化是指在結構構件布置位置不變的前提下，通過改變構件尺寸（如板厚、型材截面形狀等），獲得滿足設計要求、重量最輕的設計方案。

（1）優化模型

建立優化模型如下：

設計變量：板材厚度、型材截面形狀參數。優化目標：結構重量最輕，如下式：

式中：W為整個結構重量；n為板材個數；m為型材個數；pi為第i號板材重量；sj為第j號型材重量。

約束條件：滿足船級社規范、屈曲強度要求及建造工藝性要求。

其中，設計變量只考慮對結構重量影響較大的主要構件，對于一些重量較小的構件（如肘板、補板等）優化的意義不大，本文作為已知量。這樣也減少了計算量，提高了優化效率。

（2）知識工程在結構尺寸優化中的應用

①構件庫的應用

船體結構構件基本上都是標準構件，本文利用2.1節創建的構件庫，通過設計表格來對應設計變量參數組，實現對不同板材及型材尺寸的管理。

②規則庫的應用

對于優化模型中的目標函數和約束條件，在優化過程中需要編寫大量的公式。利用知識工程技術可以將這些公式存入到規則庫中，這樣設計者在優化過程中就可以直接利用規則庫中的知識，避免了重復編寫公式，實現了知識在優化過程中的重用，也促進了知識的積累，降低了對設計者知識水平的要求。

圖16 量子行為遺傳算法流程圖Fig.16 Flowchart of quantum-behaved genetic algorithm

（3）優化方法

船體結構尺寸優化屬于混合整數規劃問題，其設計變量既包括離散變量又包括連續變量。板材從標準板厚規格中選，屬于離散變量；加強筋從標準型材庫選，屬于離散變量；對于T型材，其腹板和面板的板厚是從標準板厚規格中選，屬于離散變量，其面板寬和腹板高則屬于連續變量。

對于這類問題，可以采用遺傳算法求解[19]。但標準遺傳算法局部搜索能力差且易于早熟[20-21]。為了提高對船舶復雜結構設計變量解空間的搜索能力，本文采用一種適用于混合變量的量子行為遺傳算法[22]。

量子行為遺傳算法將量子多宇宙的概念引入到遺傳算法中，比標準遺傳算法具有更好的種群多樣性及較高的搜索能力，提高了算法的全局尋優能力與收斂速度，比較適合于船體結構優化問題的全局尋優。算法流程如圖16所示。

由圖16可見，量子行為遺傳算法對標準遺傳算法的主要改進之處在于量子旋轉門更新這一步，使用量子旋轉門對種群中個體進行更新調整，更新過程由（7）式完成：

采用懲罰函數法構造算法的適應度函數：

4.5 結果對比與說明

表1為應用規范推理法、實例推理法對某一油船主要縱向構件尺寸進行設計的結果以及應用量子行為遺傳算法進行優化后的結果對比。油船的主尺度為垂線間長190 m，型寬32.2 m，吃水14.2 m，型深18.2m。甲板及船底部分采用高強度鋼，其余為普通碳鋼。量子行為遺傳算法優化計算時初始參數設置為：種群規模為40，遺傳代數為200。表中，t4～t9分別為甲板、舷頂列板、舷側板、舭列板、船底板和平板龍骨的厚度；S表示剖面面積。由表1可見，實例推理法得到方案的剖面面積比規范推理法的要大，單從經濟性考慮，規范推理法較優。但是實例推理法實現了對原有知識的繼承和重用，避免了知識的流失。從優化解可以看出，經過優化后，剖面積進一步減少，這顯然是由于材料的合理配置而獲得的收益。圖17為應用量子行為遺傳算法（QGA）與標準遺傳算法（SGA）進行優化計算的進化過程對比，由圖可見，QGA在收斂速度上要優于SGA，因此將量子計算同遺傳算法相結合，可有效提高遺傳算法的搜索性能。

表1 兩種推理方案及優化結果Tab.1 Two reasoning solutions and optimization results

圖17 QGA和SGA的進化過程Fig.17 The QGA and the SGA evolutionary process

求解優化模型時可參考規范推理法或實例推理法獲得的結果進一步縮小設計變量的取值范圍，減少計算量。獲得的優化結果可以對結構三維模型實時更新，解決了傳統方法優化結果與設計模型相互獨立，需要再次修改模型的麻煩。

4.6 設計結果三維模型

通過上述流程即可獲得船體結構構件位置及尺寸，利用知識驅動及三維特征造型技術即可生成三維船體結構模型，圖18為生成的某一油船的船體結構三維分段模型。

圖18 船體分段結構示意圖Fig.18 Hull block structure schematic diagram

5 結論

本文介紹了基于知識的船體結構設計方法，提出了船體結構設計的知識本體概念，將參數化技術和知識工程原理相結合，建立了船體結構設計知識庫，構建了內嵌船級社規范和母型船信息等知識的知識本體模型。設計中通過參數驅動確定構件位置，然后通過規范推理法和實例推理法2種知識推理方式獲得構件尺寸，再采用量子行為遺傳算法對主要構件進行優化，獲得最佳設計結果。

該方法實現了知識的積累與重用，通過知識推理，實現了船體結構設計、檢查、優化到三維模型自動建立的一體化，實現了人機共同設計，降低了設計者出錯的可能性，降低了對設計者知識水平的要求，可實現“傻瓜”設計。

對于構件優化部分，本文是先應用參數驅動確定構件位置，然后再做尺寸優化，而沒有把構件布置及尺寸納入同一優化模型進行求解，還需要后續工作進一步研究。

[1]Yang H Z,Chen J F,Ma N,et al.Implementation of knowledge-based engineering methodology in ship structural design [J].Computer-Aided Design,2012,44(3)：196-202.

[2]趙東,孔慧敏.基于知識工程的船體結構參數化設計[J].造船技術,2005,23(1)：9-11. Zhao D,Kong H M.Parametric design for hull structure on knowledge-based engineering[J].Shipbuilding Technology, 2005,23(1)：9-11.

[3]Gianfranco L R.Knowledge based engineering：Between AI and CAD.Review of a language based technology to support engineering design[J].Advanced Engineering Informatics,2014,26(1)：159-179.

[4]Jin C N,Liu B,Shi Y,et al.A study of geometric issue in CAD system for car-body parts design[J].Journal of Jilin University,2006,36(S1)：116-119.

[5]夏榮菲,萬隆君.基于知識融合的船舶能耗決策支持系統[J].船舶工程,2014,36(S1)：7-12. Xia R F,Wan L J.Decision support system of ship energy consumption based on knowledge fusion[J].Ship Engineering, 2014,36(S1)：13-17.

[6]Zimmermann M,Bronsart R.Application of knowledge-based engineering methods for standardization and quality assurance in ship structural design[C]//2nd World Maritime Technology Conference.London,2007.

[7]Park J H,Storch R L.Overview of ship-design expert systems[J].Expert Systems,2002,19(3)：136-141.

[8]Akagi S,Fujita K.Knowledge based geometric modeling system for preliminary design using object-oriented approach[M]. Montrea,l Que,Can：Publ by ASME,New York,NY,USA,1989.

[9]Lee K H,Yeun Y S.Data analysis and utilization method based on genetic programming in ship design[C]//Computational Science and Its Applications-Iccsa 2006.Berlin,2006：1199-1209.

[10]Lee D K.Knowledge-based system for safety control of damaged ship[J].Knowledge-Based Systems,2006,19(3)：187-191.

[11]Wu Y H,Shaw H J.Document based knowledge base engineering method for ship basic design[J].Ocean Engineering, 2011,38(13)：1508-1521.

[12]陳金峰,楊和振,蔣如宏,等.知識工程應用于船舶構件的設計研究[J].艦船科學技術,2010,32(10)：16-20. Chen J F,Yang H Z,Jiang R H,et al.Application of knowledge-based engineering methods for hull structural member design[J].Ship Science and Technology,2010,32(10)：16-20.

[13]崔進舉,王德禹,夏利娟,等.基于知識工程的船舶舯剖面結構設計及優化[J].上海交通大學學報,2012,46(3)：368-373. Cui J J,Wang D Y,Xia L J,et al.Mid-ship section structural design and optimization based on knowledge based engineering[J].Journal of Shanhai Jiaotong University,2012,46(3)：368-373.

[14]Cui J J,Wang D Y.Application of knowledge-based engineering in ship structural design and optimization[J].Ocean Engineering,2014,72(3)：124-139.

[15]蔡乾亞,裘泳銘,陸偉東.基于知識的集裝箱船舯剖面結構設計CAD系統[J].上海交通大學學報,1997,31(11)：61-64. Cai Q Y,Qiu Y M,Lu W D.Knowledge based CAD system for containership mid-ship section structural design[J].Journal of Shanhai Jiaotong University,1997,31(11)：61-64.

[16]Chapman C B,Pinfold M.The application of a knowledge based engineering approach to the rapid design and analysis of an automotive structure[J].Advances in Engineering Software,2001,32(12)：903-912.

[17]楊和振,王德禹,夏利娟.知識工程在船舶設計建造中的研究進展[J].船舶工程,2008,30(3)：7-12. Yang H Z,Wang D Y,Xia L J.Research progress of knowledge based engineering in ship design and construction[J].Ship Engineering,2008,30(3)：7-12.

[18]中國船級社.鋼質海船入級規范[M].北京：人民交通出版社,2015.

[19]Gabor R,Aniko E.Genetic algorithm in computer aided design[J].Computer Aided Design,2003,35：709-726.

[20]Aladahalli C,Cagan J,Shimada K.Objective function effect based pattern search theoretical framework inspired by 3D component layout[J].Journal of Mechanical Design,2007,129(3)：243-254.

[21]Pawan K S N,Kalyanmoy D.A Computationally effective multi-objective search and optimization technique using coarseto-fine grain modeling[C]//2002 PPSN Workshop on Evolutionary Multi-objective Optimization.Spain：Springer,2002：2081-2088.

[22]Narayanan A,Moore M.Quantum-inspired genetic algorithms[C]//Proceedings of IEEE International Conference on Evolutionary Computation.Nagoya,Japan,1996：61-66.

Knowledge-based quick design and optimization for hull structure

GUAN Guana,LIN Yana,b,JI Zhuo-shanga,b
(a.Ship CAD Engineering Center;b.State Key Laboratory of Structural Analysis for Industrial Equipment,Dalian University of Technology,Dalian 116024,China)

It is always pursued in shipbuilding that the excellent hull structure is quickly designed and modified under the safety.In this paper,knowledge-based engineering quick design method for hull structure is put forward,which combines with parametric technology.The concept of knowledge ontology for hull structure is introduced.And establishment of knowledge base for hull structure design is discussed.In that way,3D quick optimizing design is achieved.During the design,locations of structural members are driven by parameters of location.Scantlings of structural members are obtained by parent ship knowledge base and NURBS interpolation,according to specification requirements.Main structures are optimized by quantumbehaved genetic algorithm.Examples show that this method achieves knowledge reuse and accumulation, and provides design results inspection.So that reliable hull structure is quickly obtained.

hull structure;knowledge-based engineering;parametric;quick design; quantum-behaved genetic algorithm

U662.2

A

10.3969/j.issn.1007-7294.2017.04.012

1007-7294（2017）04-0472-12

2016-07-13

中國博士后科學基金資助項目（2014M561234、2015T80256）；遼寧省博士啟動基金（201501176）；中央高校基本科研業務費專項資金資助（DUT16RC(4)26）

管官（1983-），男，博士研究生，E-mail：guanguan3145@163.com；林焰（1963-），男，教授，博士生導師；紀卓尚（1938-），男，教授，博士生導師。