王庆海，卢晓伟，李 超，连小英

应用研究

基于蜂群算法的船舶压载水调配优化分析

王庆海，卢晓伟，李 超，连小英

(青岛双瑞海洋环境工程股份有限公司，青岛 266101）

重型起吊船舶作业过程中会引起船舶倾斜，压载水系统通过调节全船压载舱舱室压载水的注入、排出或调驳确保船舶稳定性。基于船舶静力学和蜂群算法建立了船舶压载水调配优化数学模型，以船体的稳定性为约束条件，压载水总调配量为目标函数进行优化研究，通过对目标案例进行解算分析，该优化方案极大的降低了压载水的调配量，提高了压载水调配效率，该算法通用性强可为船舶自动化压载系统研制提供理论支持，在保证船舶压载安全性和稳定性的前提下实现船舶压载自动化。

蜂群算法 船舶工程 压载水调配优化 目标函数 自动化压载系统

0 引言

随着船舶与海洋行业的快速发展，重型船舶在海上打捞，海上石油开发和工程安装等方面起到了重要作用，起吊船舶压载水的配载效率和安全性对于其海上作业的质量和效率至关重要[1]。重型船舶在进行海上起吊作业过程中，船体会发生横纵方向的倾斜，压载水系统能够通过调节各舱室的压载水量，抵消船舶起吊过程产生的倾覆力矩，保证船舶正常的吃水，确保船舶能够安全作业，压载水高效的调配对于船舶作业的安全性和作业效率具有重要意义[2]。

刘志杰以压载水调节总量为优化目标，建立了一种压载水调配数学模型，通过分析，该方案有效减少了压载时间[3]。潘伟将整个回转角度细分成若干份，建立了压载水调节数学模型，通过计算单位回转角度变化下的压载水调配量来逐步完成起吊作业，该方式较传统方式压载水调节量更加均衡且最小[4]。柳春清对海洋起重平台进行研究，根据平台不同的作业工况进行方案优化，提高了起吊作业效率，降低了作业成本[5]。董智慧对压载水系统节点处的水头和流量计算进行分析，研究了管损计算方程，实时模拟压载水系统动态作业状态，实现人机交互并反馈数据，为自动压载技术打下基础[6]。Manzi在原有钻井平台的基础上设计了一种能够进行人机交互的压载水调拨系统，通过人机交互的实现了压载水调配效率得到极大提高[7]。

通过分析国内外学者对船舶压载水调配技术的研究，目前船舶压载水调配规划数学模型深度优化和解算算法优化研究相对较少，本文对船舶压载水调配规划数学模型进行优化，通过采取蜂群算法进行解算，实现船舶压载水调配自动化解算，为船舶自动化压载系统技术发展提供了一定的理论支持，加快船舶压载系统数字化、智能化发展进程。

1 船舶压载水调配规划数学模型

1.1 问题描述

以重型船舶起吊作业过程中压载水在各舱室之间的配置为研究背景，各压载舱室舱容、作业目标质量和初始压载水量已知，船舶起吊重物后重物绕吊臂回转中心旋转角度到目标角度过程中，压载舱NO. 1 BWT(P)，NO. 1 BWT(S)，……NO. n BWT(P)，NO. n BWT(S)之间压载水进行灵活配置，保证船舶的稳定性和安全性。

以船舶中各压载舱室的压载水高度为优化变量，以压载舱室总的压载水调拨量为目标函数，以船舶配置各压载舱室压载水过程的稳定性为约束条件，建立船舶压载水调配规划数学模型。保证船舶稳定性的前提下，用尽可能低的压载水调拨量完成起吊任务。

1.2 约束条件

船舶在起吊作业过程中，各压载舱室压载水的调配应保证船舶船体的稳定，约束条件如下：

(2)

其中(1)式表示各压载舱在调配前后水位高度不能超过该压载舱的最高高度；(2)式表示压载水在各舱室调配前后压载水总量保持不变，H，L，D为第个压载舱室配载完成后的压载舱水位高度、长度和宽度；(3)式表示船舶作业过程中质心的横纵坐标位置保持不变，始终与初始质心保持一致，m,m,m分别为第个压载舱的压载水质量、吊臂质量和起吊货物质量。

1.3 目标函数建立

假设第个压载舱室的压载水水位高度为H，已知各压载舱室舱容、作业目标质量和初始压载水量，船舶以最低压载水调拨量完成起吊任务，目标函数为：

其中，为海水密度。

2 蜂群算法

2.1 种群的初始化

算法解算过程中的种群由个维解向量组成的矩阵组成，数学模型解算起始阶段，随机选取3个变化压载舱压载水高度数值进行初始化，根据式（5）建立矩阵方程可对特定起吊旋转角度下的各压载舱室高度值进行解算，其中各压载舱高度值应在该压载舱水位的上下限之间，通过计算得出的压载舱NO. 1 BWT(P)，NO. 1 BWT(S)，……NO. n BWT(P)，NO. n BWT(S)的高度值组成的个维解向量即为初始种群。

其中x,y为第个压载舱室的质心横纵坐标。

2.2 选择机制

通过轮盘赌的方式对较优种群个体进行选择，种群变异选择跟随某个较优个体的概率通过较优个体的适用度值确定，适应度值越高，越容易被跟随[8]。选择跟随概率如下式:

2.3 邻域搜索

根据适用度值得大小，种群被分为三类：较优种群，一般种群，较差种群。

较优种群通过(6)式在各自解附近进行邻域搜索，通过邻域搜索，若新解具有更高的适用度函数值，则新解将原解替换。邻域搜索过程中每次仅对随机选取的某一压载舱高度进行变异搜寻。一般种群会跟随较优种群进行邻域搜索，采取与较优种群一样的邻域搜索策略。较差种群由于解得适用度函数值较差，只能重新对解进行初始化。

其中k为某较优随机个体，k按照式(6)选择机制进行选择，ψ为-1到1比例因子，j为个体变异位置。

3 仿真实验与结果分析

通过某重型起重船舶为例对本文所提算法进行分析，该船舶起吊重物质量为300 t，起吊旋转角度为90°，各压载舱舱深上限为4 m，吊臂的回转中心为(35,0)，吊臂长度为30 m。各压载舱室已换算为等值长方体压载舱室，具体的船舶压载舱布局参数如图2所示。

如图2所示，在起吊起始阶段，NO.1 BWT(P)压载舱水位逐渐下降，减少的压载水调配到NO.1 BWT(S)和NO.4 BWT(S)，当NO.1 BWT(P)压载水完全调配完毕，则从外部环境压载入压载水继续进行配载，保证完成起吊任务。

图2 船舶压载舱布置

图3 传统方案各压载舱室水位变化曲线

优化方案中假设船舶起吊重物过程中压载水的总量保持不变，压载水只在各舱室之间实现调配,通过对建立的数学模型进行解算，起吊任务各转向角度下船舶压载舱室的水位如表1所示。

通过表1和图4可以看出，在起吊起始阶段，回转角度为0°到30°时，NO.1 BWT(P)和NO.2 BWT(P)压载舱中水位逐渐减少，NO.1 BWT(P)和NO.2 BWT(P)中压载水被调配到NO.1 BWT(S)和NO.2 BWT(S)保证完成起吊任务；回转角度为30°到50°时，NO.1 BWT(P)和NO.2 BWT(P)中压载水调配入NO.1 BWT(S)、NO.2 BWT(S)和NO.4 BWT(S)压载舱中，直至压载舱室水位为0；回转角度为50°到80°时，NO.2 BWT(P)、NO.3 BWT(S)、NO.3 BWT(P) 中压载水调配入NO.1 BWT(S)、NO.2 BWT(S)和NO.4 BWT(S)中；回转角度为80°到90°时，NO.2 BWT(S)中压载水被调配入NO.1 BWT(S)和NO.4 BWT(S)中，通过各个舱室之间的压载水互相之间调配完成起吊任务。

图4 优化方案各压载舱室水位变化曲线

本次仿真实验单独进行10次，解算过程以1°为一个阶段将规定转向角度全部解算完毕，通过统计发现船舶压载水调配规划数学模型解算耗时均值为1.46 s，满足实船作业。10次仿真实验压载水调配变化总量方差为3.07，算法稳定性较强。

表1 压载舱室水位高度

图5 船舶压载水调配量变化曲线

如图5，传统方案和优化方案对应压载水调配量变化曲线可以看出，每次压载舱室水位变为0后，压载水调配量都会发生突变，工程作业过程中要重点关注该节，保证起吊作业在此类节点附近适当降低回转速度，从而与压载水配载保持同步。通过计算，传统方式完成起吊作业需调配压载水量为816 t，优化方案完成作业需调配压载水量754 t，比传统方案降低7.56%。若压载泵流量为500 m3/h，则完成起吊作业所需压载水调配工作，传统方式耗时约1.59 h，优化方案耗时约1.47 h，优化方案较传统方式耗时能节约7.56%。

4 结论

通过对船舶压载水调配规划问题进行分析，根据船舶当前的各舱室压载水质心位置进行指定作业任务的压载水调配解算，建立了该问题的数学模型，通过设计蜂群算法对该数学模型进行解算，并通过多次仿真实验对比解算模型的可行性。

1）该算法的解算速度和稳定性较传统方式更好，算法不受船舶压载舱布局限制，适用性强，能够满足不同压载舱室布局的船舶压载水调配规划问题的求解。

2）船舶压载水调配过程中，在压载舱室水位归零位置易发生压载水调配量突变，工程中需格外注意，节点附近需降低起吊臂回转速度，保证与压载水调配同步进行，以防事故发生。

3）本文所提算法可用于船舶自动压载系统，保证船舶作业过程中的稳定性和安全性，提高船舶压载自动化水平和压载效率。

[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] 黄超. 大型驳船型起重船的复合压载管路系统的优化研究[D]. 上海交通大学, 2012, 14-15.

[3] 刘志杰, 刘晓宇, 熊伟, 等. 起重船舶压载水调配优化模型[J]. 交通运输工程学报, 2017(2), 83-89.

[4] 潘伟, 谢新连, 包甜甜, 等. 全回转起重船作业压载水调节优化研究[J]. 哈尔滨工程大学学报, 2019(1): 189-195.

[5] 柳春清, 张克正, 张志敏.半潜式海洋起重平台压载调配优化[J]. 中国科技论文, 2018, 809-812.

[6] 董智惠, 韩端锋, 林晓杰, 等．基于井群原理的起重船压载水系统仿真[J]．交通运输工程学报, 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] 江铭炎, 袁东风. 人工蜂群算法及其应用[M]. 科学出版社, 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

王庆海（1992-），男，硕士，助理工程师

研究方向：船舶压载水处理及系统优化研究E-mail：wangqinghai@sunrui.net