基于蜂群算法的船舶壓載水調配優化分析

王慶海，盧曉偉，李 超，連小英

應用研究

基于蜂群算法的船舶壓載水調配優化分析

王慶海，盧曉偉，李 超，連小英

(青島雙瑞海洋環境工程股份有限公司，青島 266101）

重型起吊船舶作業過程中會引起船舶傾斜，壓載水系統通過調節全船壓載艙艙室壓載水的注入、排出或調駁確保船舶穩定性?；诖办o力學和蜂群算法建立了船舶壓載水調配優化數學模型，以船體的穩定性為約束條件，壓載水總調配量為目標函數進行優化研究，通過對目標案例進行解算分析，該優化方案極大的降低了壓載水的調配量，提高了壓載水調配效率，該算法通用性強可為船舶自動化壓載系統研制提供理論支持，在保證船舶壓載安全性和穩定性的前提下實現船舶壓載自動化。

蜂群算法 船舶工程 壓載水調配優化 目標函數 自動化壓載系統

0 引言

隨著船舶與海洋行業的快速發展，重型船舶在海上打撈，海上石油開發和工程安裝等方面起到了重要作用，起吊船舶壓載水的配載效率和安全性對于其海上作業的質量和效率至關重要[1]。重型船舶在進行海上起吊作業過程中，船體會發生橫縱方向的傾斜，壓載水系統能夠通過調節各艙室的壓載水量，抵消船舶起吊過程產生的傾覆力矩，保證船舶正常的吃水，確保船舶能夠安全作業，壓載水高效的調配對于船舶作業的安全性和作業效率具有重要意義[2]。

劉志杰以壓載水調節總量為優化目標，建立了一種壓載水調配數學模型，通過分析，該方案有效減少了壓載時間[3]。潘偉將整個回轉角度細分成若干份，建立了壓載水調節數學模型，通過計算單位回轉角度變化下的壓載水調配量來逐步完成起吊作業，該方式較傳統方式壓載水調節量更加均衡且最小[4]。柳春清對海洋起重平臺進行研究，根據平臺不同的作業工況進行方案優化，提高了起吊作業效率，降低了作業成本[5]。董智慧對壓載水系統節點處的水頭和流量計算進行分析，研究了管損計算方程，實時模擬壓載水系統動態作業狀態，實現人機交互并反饋數據，為自動壓載技術打下基礎[6]。Manzi在原有鉆井平臺的基礎上設計了一種能夠進行人機交互的壓載水調撥系統，通過人機交互的實現了壓載水調配效率得到極大提高[7]。

通過分析國內外學者對船舶壓載水調配技術的研究，目前船舶壓載水調配規劃數學模型深度優化和解算算法優化研究相對較少，本文對船舶壓載水調配規劃數學模型進行優化，通過采取蜂群算法進行解算，實現船舶壓載水調配自動化解算，為船舶自動化壓載系統技術發展提供了一定的理論支持，加快船舶壓載系統數字化、智能化發展進程。

1 船舶壓載水調配規劃數學模型

1.1 問題描述

以重型船舶起吊作業過程中壓載水在各艙室之間的配置為研究背景，各壓載艙室艙容、作業目標質量和初始壓載水量已知，船舶起吊重物后重物繞吊臂回轉中心旋轉角度到目標角度過程中，壓載艙NO. 1 BWT(P)，NO. 1 BWT(S)，……NO. n BWT(P)，NO. n BWT(S)之間壓載水進行靈活配置，保證船舶的穩定性和安全性。

以船舶中各壓載艙室的壓載水高度為優化變量，以壓載艙室總的壓載水調撥量為目標函數，以船舶配置各壓載艙室壓載水過程的穩定性為約束條件，建立船舶壓載水調配規劃數學模型。保證船舶穩定性的前提下，用盡可能低的壓載水調撥量完成起吊任務。

1.2 約束條件

船舶在起吊作業過程中，各壓載艙室壓載水的調配應保證船舶船體的穩定，約束條件如下：

(2)

其中(1)式表示各壓載艙在調配前后水位高度不能超過該壓載艙的最高高度；(2)式表示壓載水在各艙室調配前后壓載水總量保持不變，H，L，D為第個壓載艙室配載完成后的壓載艙水位高度、長度和寬度；(3)式表示船舶作業過程中質心的橫縱坐標位置保持不變，始終與初始質心保持一致，m,m,m分別為第個壓載艙的壓載水質量、吊臂質量和起吊貨物質量。

1.3 目標函數建立

假設第個壓載艙室的壓載水水位高度為H，已知各壓載艙室艙容、作業目標質量和初始壓載水量，船舶以最低壓載水調撥量完成起吊任務，目標函數為：

其中，為海水密度。

2 蜂群算法

2.1 種群的初始化

算法解算過程中的種群由個維解向量組成的矩陣組成，數學模型解算起始階段，隨機選取3個變化壓載艙壓載水高度數值進行初始化，根據式（5）建立矩陣方程可對特定起吊旋轉角度下的各壓載艙室高度值進行解算，其中各壓載艙高度值應在該壓載艙水位的上下限之間，通過計算得出的壓載艙NO. 1 BWT(P)，NO. 1 BWT(S)，……NO. n BWT(P)，NO. n BWT(S)的高度值組成的個維解向量即為初始種群。

其中x,y為第個壓載艙室的質心橫縱坐標。

2.2 選擇機制

通過輪盤賭的方式對較優種群個體進行選擇，種群變異選擇跟隨某個較優個體的概率通過較優個體的適用度值確定，適應度值越高，越容易被跟隨[8]。選擇跟隨概率如下式:

2.3 鄰域搜索

根據適用度值得大小，種群被分為三類：較優種群，一般種群，較差種群。

較優種群通過(6)式在各自解附近進行鄰域搜索，通過鄰域搜索，若新解具有更高的適用度函數值，則新解將原解替換。鄰域搜索過程中每次僅對隨機選取的某一壓載艙高度進行變異搜尋。一般種群會跟隨較優種群進行鄰域搜索，采取與較優種群一樣的鄰域搜索策略。較差種群由于解得適用度函數值較差，只能重新對解進行初始化。

其中k為某較優隨機個體，k按照式(6)選擇機制進行選擇，ψ為-1到1比例因子，j為個體變異位置。

3 仿真實驗與結果分析

通過某重型起重船舶為例對本文所提算法進行分析，該船舶起吊重物質量為300 t，起吊旋轉角度為90°，各壓載艙艙深上限為4 m，吊臂的回轉中心為(35,0)，吊臂長度為30 m。各壓載艙室已換算為等值長方體壓載艙室，具體的船舶壓載艙布局參數如圖2所示。

如圖2所示，在起吊起始階段，NO.1 BWT(P)壓載艙水位逐漸下降，減少的壓載水調配到NO.1 BWT(S)和NO.4 BWT(S)，當NO.1 BWT(P)壓載水完全調配完畢，則從外部環境壓載入壓載水繼續進行配載，保證完成起吊任務。

圖2 船舶壓載艙布置

圖3 傳統方案各壓載艙室水位變化曲線

優化方案中假設船舶起吊重物過程中壓載水的總量保持不變，壓載水只在各艙室之間實現調配,通過對建立的數學模型進行解算，起吊任務各轉向角度下船舶壓載艙室的水位如表1所示。

通過表1和圖4可以看出，在起吊起始階段，回轉角度為0°到30°時，NO.1 BWT(P)和NO.2 BWT(P)壓載艙中水位逐漸減少，NO.1 BWT(P)和NO.2 BWT(P)中壓載水被調配到NO.1 BWT(S)和NO.2 BWT(S)保證完成起吊任務；回轉角度為30°到50°時，NO.1 BWT(P)和NO.2 BWT(P)中壓載水調配入NO.1 BWT(S)、NO.2 BWT(S)和NO.4 BWT(S)壓載艙中，直至壓載艙室水位為0；回轉角度為50°到80°時，NO.2 BWT(P)、NO.3 BWT(S)、NO.3 BWT(P) 中壓載水調配入NO.1 BWT(S)、NO.2 BWT(S)和NO.4 BWT(S)中；回轉角度為80°到90°時，NO.2 BWT(S)中壓載水被調配入NO.1 BWT(S)和NO.4 BWT(S)中，通過各個艙室之間的壓載水互相之間調配完成起吊任務。

圖4 優化方案各壓載艙室水位變化曲線

本次仿真實驗單獨進行10次，解算過程以1°為一個階段將規定轉向角度全部解算完畢，通過統計發現船舶壓載水調配規劃數學模型解算耗時均值為1.46 s，滿足實船作業。10次仿真實驗壓載水調配變化總量方差為3.07，算法穩定性較強。

表1 壓載艙室水位高度

圖5 船舶壓載水調配量變化曲線

如圖5，傳統方案和優化方案對應壓載水調配量變化曲線可以看出，每次壓載艙室水位變為0后，壓載水調配量都會發生突變，工程作業過程中要重點關注該節，保證起吊作業在此類節點附近適當降低回轉速度，從而與壓載水配載保持同步。通過計算，傳統方式完成起吊作業需調配壓載水量為816 t，優化方案完成作業需調配壓載水量754 t，比傳統方案降低7.56%。若壓載泵流量為500 m3/h，則完成起吊作業所需壓載水調配工作，傳統方式耗時約1.59 h，優化方案耗時約1.47 h，優化方案較傳統方式耗時能節約7.56%。

4 結論

通過對船舶壓載水調配規劃問題進行分析，根據船舶當前的各艙室壓載水質心位置進行指定作業任務的壓載水調配解算，建立了該問題的數學模型，通過設計蜂群算法對該數學模型進行解算，并通過多次仿真實驗對比解算模型的可行性。

1）該算法的解算速度和穩定性較傳統方式更好，算法不受船舶壓載艙布局限制，適用性強，能夠滿足不同壓載艙室布局的船舶壓載水調配規劃問題的求解。

2）船舶壓載水調配過程中，在壓載艙室水位歸零位置易發生壓載水調配量突變，工程中需格外注意，節點附近需降低起吊臂回轉速度，保證與壓載水調配同步進行，以防事故發生。

3）本文所提算法可用于船舶自動壓載系統，保證船舶作業過程中的穩定性和安全性，提高船舶壓載自動化水平和壓載效率。

[1] Liu Z, Jiang J, Gan Z, et al. Ballast water dynamic allocation optimization model and analysis for safe and reliable operation of floating cranes[J]. Annals of Operations Research, 2019, 21-23.

[2] 黃超. 大型駁船型起重船的復合壓載管路系統的優化研究[D]. 上海交通大學, 2012, 14-15.

[3] 劉志杰, 劉曉宇, 熊偉, 等. 起重船舶壓載水調配優化模型[J]. 交通運輸工程學報, 2017(2), 83-89.

[4] 潘偉, 謝新連, 包甜甜, 等. 全回轉起重船作業壓載水調節優化研究[J]. 哈爾濱工程大學學報, 2019(1): 189-195.

[5] 柳春清, 張克正, 張志敏.半潛式海洋起重平臺壓載調配優化[J]. 中國科技論文, 2018, 809-812.

[6] 董智惠, 韓端鋒, 林曉杰, 等．基于井群原理的起重船壓載水系統仿真[J]．交通運輸工程學報, 2016, 16(2): 82-89

[7] Manzi M, Soltani B, Guerlain S, et al. Designing a ballast control system operator interface[C]. Systems & Information Engineering Design Symposium. IEEE, 2005: 242-248.

[8] 江銘炎, 袁東風. 人工蜂群算法及其應用[M]. 科學出版社, 2014.5-6.

Research on optimization of ship ballast water allocation based on bee colony algorithm

Wang Qinghai, Lu Xiaowei, Li Chao, Lian Xiaoying

(SunRui Marine Environment Engineering Co., Ltd., Qingdao 266101, China)

U661.2

A

1003-4862（2022）11-0032-04

2022-05-18

王慶海（1992-），男，碩士，助理工程師

研究方向：船舶壓載水處理及系統優化研究E-mail：wangqinghai@sunrui.net