基于C#與MATLAB混合編程的船舶壓載水仿真系統

周 佳，劉夕全，宋 磊*，孫承猛

(1.山東交通學院 船舶與輪機工程學院，山東 威海 264209；2.山東海洋工程裝備有限公司，山東 青島 266555)

0 引 言

船舶壓載水系統根據船舶營運或作業的需要，對全船壓載艙進行注水或排水，以調整船舶吃水、船體縱橫傾角度和穩心高度，減小船體變形，以免引起過大的彎曲力矩與剪切力[1]。由于大型船舶的壓載水艙數量眾多，相應的調載方案也多，而方案的優劣往往對調載作業時間的長短、功耗的高低、船體受力情況的好壞、作業過程的安全與否等產生影響。在正式作業前，對船舶壓載水調節過程進行仿真預演，可以保證作業過程的安全高效，也是培訓船員進行壓載水相關操作管理、提升操作水平的有效手段。

國內多所高校開展船舶壓載水系統仿真研究。張鑫等[2]建立船舶壓載水系統仿真模型，但僅對船舶壓載過程進行模擬，對船舶在航狀態的壓載水調節并未作相關研究；肖民等[3]使用MINIS通用仿真支撐系統和InTouch組態軟件為平臺開發船舶壓載水模擬訓練系統，并加入自動調節功能，但該調節功能需要用戶先制訂控制邏輯，且不便修改。董恩春等[4]基于WebAccess組態軟件建立船舶壓載水仿真與監測系統，可實現遠程監控和訪問，但沒有加入調載功能，而在仿真系統中加入自動調載功能，可優化調載方案，輔助操作人員制訂合適的壓載水調節方案；潘偉等[5]對全回轉起重船壓載水調節進行優化研究，可有效避免經驗法可能導致的危險情況；魏伊[6]在201起重鋪管船調載仿真中研究基于改進非劣分層遺傳算法(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)的調載算法，為起重船的調載優化提供新思路；秦軍超[7]在藍鯨號起重船的調載仿真中應用基于多目標略減粒子群優化算法的調載算法，同樣實現船舶壓載水調節的優化。然而，這些仿真系統都是針對某特定船舶而設計的，不具備通用性。船員在使用仿真系統進行壓載水操作訓練時也只能針對某一艘船，有較大的局限性。若更換船型，則需對整個仿真軟件重新進行設計，會大幅增加開發成本。因此，研究一套船舶壓載水管網的參數化建模方法，開發具有通用性的船舶壓載水仿真系統，并在系統中加入調載優化算法，能夠實現調載方案的優化功能，從而輔助操作人員決策。

1 仿真系統總體設計

船舶壓載水仿真系統包括軟件界面、計算模塊和數據庫模塊。系統開發采用C#、MATLAB和結構化查詢語言(Structured Query Language,SQL)混合編程的方法。C#雖然具有強大的界面設計能力和優良的處理速度，但數值計算和曲線繪圖能力不足，而MATLAB雖然擁有優秀的數值計算和曲線繪圖能力，但界面設計過于簡單。使用三者混合編程的方法，可實現優勢互補，從而提高編程效率。系統的架構設計如圖1所示。

(1) 基于C#的軟件界面。為了使用戶獲得良好的操作體驗，仿真系統使用C#開發軟件界面。主界面采用多文檔界面(Multiple Document Interface,MDI)窗體設計，集成參數化建模向導、工況管理、壓載系統仿真與監控、數據信息查看與更新、調載參數設置等功能界面。

圖1 系統架構設計

(2) 基于MATLAB的計算模塊。仿真系統計算模塊包括壓載水管網計算、調載優化算法、浮態計算與強度計算。其中：壓載水管網計算與管網仿真模型緊密相連，采用C#實現；調載優化算法、浮態計算與強度計算則是借助MATLAB在數值計算分析和曲線繪圖方面的強大功能實現。

(3) 基于SQL的數據庫模塊。系統將船型信息、壓載系統模型信息、工況表、靜水力表、艙容表、重量重心分布表、邦戎曲線(Bonjean’s Curve)表、調載方案等相關數據均以數據表的形式存儲，并可根據需要進行動態的添加、刪除和更新，方便系統各功能間的調用，實現壓載系統參數化建模和高效計算。

(4) 混合編程實現系統集成。C#與MATLAB采用.NET組件技術實現混合編程。將調載優化算法、浮態計算和強度計算部分編寫成3個MATLAB函數，然后將這些函數做成動態鏈接庫文件，C#可以直接調用特定的接口函數來實現各項計算功能，從而將軟件的界面與計算集成為完整的仿真系統。

2 壓載水管網參數化建模方法

船舶壓載水系統主要由壓載水泵、壓載水管路、壓載艙及有關閥件組成。根據實船壓載水系統建立壓載水管網模型是實現仿真系統各項功能的基礎。

2.1 壓載水管網計算數學模型

建立壓載水管網計算數學模型是為了進行管網流量計算，其中水力計算是核心內容。通過有限元法建立壓載水管網計算數學模型。將整個管網劃分為若干個管元，管元的端部和管元之間的連接處均設為節點。壓載水在管網中沿管線的縱向做一維流動，節點和管元的參數反應管網的壓頭降和流量分布[6]。

管元單元方程為

Qi=k·Δh

(1)

節點連續方程為

∑Qi=Ci

(2)

式中：Ci為節點凈流量。

管網矩陣方程為

(3)

式(3)簡寫為KH=Q，其中：K矩陣與壓載水管路網格形狀有關，是管路網格的特征矩陣；H為管網節點的水頭列向量；Q為管網節點流量列向量。

對式(3)進行矩陣分割并迭代求解，從而使建立的模型可實時計算出各段管路的流量和各壓載艙的液位變化情況，模擬出壓載泵和管路閥門的工作狀態。

2.2 壓載水管網參數化建模

由于管網模型是根據實船的壓載水系統原理圖建立的，所以以往的仿真系統一般都是針對某一特定船舶開發的，若更換船型或更改壓載水系統，則管網數學模型需重新建立，仿真系統也需重新設計，由此帶來較高的軟件開發成本。所開發的仿真系統使用參數化建模的概念，將管路系統中的各項信息進行參數化，以數據庫的形式存儲，從而使該套系統可模擬任意船舶的壓載水系統。

參數化的模型數據包括：初始化數據、壓載水艙數據、管元數據、節點數據。其中：(1)初始化數據包含船長、船寬、型深等船型信息，以及壓載水艙個數、壓載泵個數、閥門個數等壓載系統信息；(2)壓載水艙數據包含壓載水艙的編號、名稱和艙容信息；(3)管元數據包含管元號、管元類型(將管路單元分類為含泵管元、含閥管元和光管)、管元兩端的節點號、含閥管元的閥門型式等；(4)節點數據包含節點號、節點類型(將節點分類為吸水節點、泄放節點和中間節點)、節點坐標、與之相連的單元號等。

用戶通過軟件的新建工程向導，將上述各項數據信息導入后，仿真系統可自動生成船舶壓載水管網模型并完成初始化。建好的模型以數據庫格式保存，并可輸出為Excel文件，以方便模型的檢查與更新。用戶可選擇手動模式或自動模式進行壓載水調節。在手動模式下，用戶通過開閉壓載泵和閥門，可實時觀察管路流通情況和壓載艙的液位變化情況。在自動模式下，用戶設置各壓載艙初始液位信息及目標浮態，系統可自動生成調載方案。

3 調載優化算法

壓載水調載方案優化有多種方法。不同的船型配載問題，采用的解決方法也有所不同。模擬進化算法、模糊控制法、懲罰函數法、內點法、乘子法等可用于駁船配載[8-10]，問題模型通常為單目標函數。而對于起重船，其作業過程中的配載問題大多是縱傾和橫傾角度的多目標函數。解決多目標優化問題的方法有向量評估遺傳算法、非劣分層遺傳算法、多目標粒子群優化算法、微遺傳算法等。所開發的仿真系統主要采用NSGA-Ⅱ算法和反向傳播(Back Propagation,BP)神經網絡方法來實現船舶調載方案的優化。

3.1 基于NSGA-Ⅱ算法的自動調載

NSGA-Ⅱ算法是一種帶精英策略的非支配排序遺傳算法。該方法在解決多目標優化問題時，采用的不是傳統遺傳算法的懲罰法、加權法或混合法，而是采用一種非支配排序的機制，并且通過引入精英保留策略和擁擠距離，簡化參數選取，提高算法性能，使結果逼近Pareto最優值。

在船舶自動調載問題中，通常有多個目標函數，如吃水、縱傾角度、橫傾角度等。自變量為壓載艙的變化水量，因此自變量的個數取決于壓載水艙的數量。對于大型船舶，壓載水艙數量眾多，則算法應用中的染色體的長度較長，解空間較大，容易陷入局部最優解，出現早熟問題。為解決該問題，使用啟發式加權交叉算子使交叉算子系數與進化代數及個體在種群中的等級相關，確保搜索方向朝著真正的Pareto最優曲面進行。此種算法的合理性與有效性在文獻[7]中已有論述。算法流程如圖2所示。

圖2 NSGA-Ⅱ算法優化流程

壓載水仿真系統中，NSGA-Ⅱ算法的實現如下：

(1) 遺傳編碼。船舶壓載艙的艙容從幾十立方米至幾千立方米不等，既不利于編碼又占用計算資源。在所開發的仿真系統中，調載算法將壓載艙調載水量占艙容的百分比設為自變量。設壓載艙i的初始水量百分比為pi，則自變量取值最大為1-pi，最小為-pi。

如何實現這一突破，實現華裔青少年族群意識的恢復、華族文化的認同、華語能力的掌握及華語水平的提高，數年來一直是老一輩華族、中國政府及華文教育者所思考的問題。中國國務院僑辦“尋根之旅”活動的推出，為我們提供了一條解決這一難題的極好途徑。俗語說：讀萬卷書，行萬里路，百聞不如一見。“中國尋根之旅”就是培養文化認同最直接、最有效的途徑之一。因為，開展此類活動，可以讓華裔青少年身臨祖籍國，通過耳聞目睹，解決祖籍認同問題，恢復華族自信心，提高民族自豪感，進而自覺地擔當起華族優秀文化學習和傳承的重任，做一個名副其實的華人。

(2) 適應度函數。根據用戶輸入的調載目標構造適應度函數。若調載目標為縱橫傾角度時，將同時滿足條件的個體按調載總量大小排序，選出調載量最小的解作為推薦的調載方案。若調載目標為平均吃水和傾角時，將同時滿足條件的個體按調載艙個數多少排序，選出調載艙數最少的解作為推薦的調載方案。

(3) 非支配排序。引入精英策略，對滿足自變量范圍的種群進行非支配排序，從而將種群劃分為多個非支配層。

(4) 擁擠距離。為了防止種群在局部聚集，保證種群的多樣性，引入擁擠距離。將某個體與同一層相鄰個體組成的最小矩形的兩鄰邊之和定義為該點的擁擠距離，擁擠距離大的個體被保留。

(5) 遺傳算子。包括選擇、交叉和變異算子。首先，隨機選取種群交配庫中個體的一半作為父代，為保證種群多樣性生成更多的新個體，將該種群與子代種群合并生成新種群，再進行非支配排序生成支配等級，二次排序后，針對每一等級的個體計算擁擠度并從中選出優解作為下一循環的父代，繼續循環種群直至找到滿意解為止。

(6) 調載參數設置。通過調載參數設置界面，用戶可設定調載目標、壓載艙初始水量信息、約束條件、種群規模、遺傳代數、約束條件松弛因子、交叉概率、變異概率等。通過更換合理的參數，獲得較優的調載方案。

3.2 基于BP神經網絡的調載方案搜索

BP神經網絡是一種按照誤差逆向傳播算法訓練的多層前饋神經網絡。這種方法無需事先確定輸入輸出之間映射的數學方程，僅通過自身的訓練，學習某種規則，就可在給定輸入值時得到最接近期望輸出值的結果。

所開發的仿真系統設計調載方案數據庫，用戶可對每次調載作業的最終方案進行保存。系統自動統計該方案的初始條件、調載總水量、空艙數、滿艙數、縱傾角、橫傾角等，生成數據表記錄。這些不斷更新的記錄將作為BP神經網絡學習的訓練集和測試集。BP神經網絡算法通過MATLAB編寫的輸入層、隱含層和輸出層等3層結構實現。當新的調載條件輸入至訓練好的神經網絡時，輸出即為建議的調載方案。

由于BP神經網絡學習的效果在很大程度上依賴于訓練樣本的規模和質量，因此這種搜索的方法同樣建立在調載方案數量和質量的基礎上。如果數據庫中保存的方案數量過少，BP算法就沒有足夠的訓練集；如果方案的初始條件過于相似，不能提供多樣化的訓練樣本，就會在出現新的初始條件時，無法通過學習獲得合適的調載方案。在調載方案數據庫中的記錄數達到一定數量并呈現多樣化時，使用BP神經網絡搜索可以更快速地獲得較優的調載方案。

4 某船壓載水系統仿真實例

使用所開發的仿真系統分別對某半潛運輸船和某起重船的壓載水系統進行仿真，驗證其通用性和可靠性。

4.1 某半潛運輸船的壓載水系統仿真

該船壓載水系統有55個壓載水艙，4臺兩兩并聯的壓載水泵，2個高位海水門吸水口，2個低位海水門吸水口，2個排舷外泄放口。對壓載水管網進行有限元分解，可得到141個管元、136個節點。通過參數化建模向導，該船壓載水系統的仿真模型如圖3所示，分為艏部壓載系統和艉部壓載系統，通過控制管路閥門和壓載泵的開關狀態，可實現任意壓載水艙的注水和排水狀況模擬，也可實現在海水門和排舷外閥門全部關閉時，船內壓載水艙之間的調撥模擬。監控組件實時顯示壓載水艙的水量、液位高度和壓載水量占艙容的百分比。

圖3 某半潛運輸船壓載水系統仿真界面

圖3中，船舶的初始工況為空載，吃水位于設計水線9.30 m處，縱傾角度為0°。此時，船上的壓載水艙裝載情況如表1所示。

表1 某半潛運輸船初始工況壓載艙裝載量 %

該船擬運輸一自重為2 000 t的自升式鉆井平臺，在平臺運至半潛運輸船之前，需將半潛船壓載至甲板完全浸沒。該壓載過程中某中間工況的目標吃水為11.50 m，適當艏傾。使用所開發的仿真系統的自動調載功能，對該工況進行自動調載計算。計算參數設置：種群規模50，遺傳代數20，約束條件的松弛因子10-4，交叉概率0.9，變異概率0.1。計算得到的推薦壓載水調節方案如表2所示。

表2 某半潛運輸船壓載水調節方案 %

該方案調節壓載水艙24個，壓載水量增加18 898 t。調載后，船舶的平均吃水為11.65 m，艏傾1.9°，達到目標要求。

4.2 某起重船的壓載水系統仿真

該船壓載水系統有30個壓載水艙，4臺壓載水泵，4個海水門吸水口，4個排舷外泄放口。使用與第4.1節中同樣的建模方法，對壓載水管網進行有限元分解，可得到108個管元、96個節點。通過參數化建模向導，該船壓載水系統的仿真模型如圖4所示，1個界面即可將系統完整表達。

圖4 某起重船壓載水系統仿真界面

該起重船擬在右舷起重2 700 t的貨物，在其預壓載工況時，吃水為9.44 m處，艏傾-0.38 m。此時，船上的壓載水艙裝載情況如表3所示。

表3 某起重船預壓載工況壓載艙裝載量 %

貨物完全起升后，要求船舶基本無橫傾。經過自動調載計算，給出推薦的壓載水調節方案如表4所示。

表4 某起重船壓載水調節方案 %

該方案調節壓載水艙8個，均為艙內調載。調載后船舶的橫傾角度為0.1°，達到目標要求。

5 結 論

(1) 通過在不同船舶上的實例應用證明，基于管網有限元法所建立的船舶壓載系統參數化建模方法是有效的，可使所開發的仿真系統具有較強的通用性，解決同類仿真軟件僅能針對某些特定船舶的局限性問題。

(2) 所開發的仿真系統可按照設定的調載目標自動生成調載方案，通過對調載后的船舶浮態進行計算，驗證所生成的調載方案能夠滿足要求。這種自動調載功能可輔助操作人員決策，減小因操作人員經驗不足帶來的作業風險。

(3) 由于不同船舶壓載系統的特點各異，一種優化算法并不一定能得到全局最優的調載方案。因此下一步的仿真系統升級中可考慮引入多種優化算法，通過對結果進行比較，為操作人員提供更優的方案。