Machine Translated by Google

Consultez  les  discussions,  les  statistiques  et  les  profils  des  auteurs  de  cette  publication  sur :  https://www.researchgate.net/publication/238521415

Conception  d'un  sous­marin  jouet  à  l'aide  d'un  cadre  d'optimisation  de  la  conception  de  véhicules  sous­marins

Articles  ·  avril  2011
DOI :  10.1109/CIVTS.2011.5949527

CITATIONS LIT
9 1 527

3  auteurs :

Khairul  Alam Raie  Tapabrata
UNSW  Sydney UNSW  Sydney

11  PUBLICATIONS  257  CITATIONS 305  PUBLICATIONS  6  763  CITATIONS

VOIR  LE  PROFIL VOIR  LE  PROFIL

SG  Anavatti

Académie  australienne  des  forces  de  défense

288  PUBLICATIONS  3  292  CITATIONS

VOIR  LE  PROFIL

Certains  des  auteurs  de  cette  publication  travaillent  également  sur  ces  projets  connexes :

Nouvelles  stratégies  de  gestion  des  contraintes  pour  les  problèmes  d'optimisation  coûteux  en  temps  de  calcul  Afficher  le  projet

Beaucoup  d'objectifs  Coûteux  en  termes  de  calcul  Optimisation  contrainte  Voir  le  projet

Tout  le  contenu  suivant  cette  page  a  été  téléchargé  par  SG  Anavatti  le  01  septembre  2014.

L'utilisateur  a  demandé  l'amélioration  du  fichier  téléchargé.
Machine Translated by Google

Conception  d'un  sous­marin  jouet  utilisant  l'eau  sous­marine
Cadre  d'optimisation  de  la  conception  des  véhicules
Khairul  Alam,  Tapabrata  Ray  et  Sreenatha  G.  Anavatti  School  
of  Engineering  and  Information  Technology  University  of  
New  South  Wales  Australian  Defence  Force  
Academy  UNSW@ADFA,  Canberra,  ACT  2600,  
Australie  Téléphone :  +61  2  6268  8479,  Fax :  +61  2  
6268  8276  Courriel :  khairul.alam@student.adfa.edu.au,  
t.ray@adfa.edu.au,  s.anavatti@adfa.edu.au

Résumé—Cet  article  présente  un  cadre  pour  la  conception   en  glissant  en  profondeur  et  en  utilisant  la  flottabilité  pour  remonter  à  la  
optimale  d'un  petit  sous­marin  jouet  léger  à  faible  coût  à  des  fins   surface),  les  véhicules  télécommandés  (ROV),  les  véhicules  de  surface  
récréatives.  Deux  algorithmes  d'optimisation  de  pointe,  à  savoir  
autonomes  (ASV)  et  les  véhicules  sous­marins  autonomes  (AUV).
l'algorithme  génétique  de  tri  non  dominé  (NSGA­II)  et  l'algorithme  
évolutif  basé  sur  l'infaisabilité  (IDEA),  ont  été  utilisés  dans  cette   En  particulier,  les  UUV  ont  été  promus  comme  une  option  et  un  outil  de  premier  
étude  pour  optimiser  la  conception  du  sous­marin  jouet.  La   plan  dans  les  programmes  d'exploration  et  d'exploitation  océanographiques.
formulation  objective  unique  du  problème  de  conception  du  sous­
marin  jouet  est  considérée  dans  cet  article  pour  identifier  les   Traditionnellement,  le  processus  de  conception  UUV  a  été  en  grande  partie  
conceptions  avec  une  traînée  minimale  et  un  assemblage  sans  
«ad  hoc»  avec  des  conceptions  régies  par  l'expérience  et  des  règles  empiriques  
collision  interne.  La  flexibilité  du  cadre  proposé  et  sa  capacité  à  
identifier  les  conceptions  préliminaires  optimales  d'un  sous­marin   [3].  L'application  de  méthodes  d'optimisation  formelles  à  la  minimisation  de  la  
jouet  sont  démontrées.  La  conception  identifiée  par  le  processus   traînée  ou  à  l'évaluation  de  la  conception  optimale  des  UUV  n'a  jusqu'à  présent  
d'optimisation  est  comparée  à  un  sous­marin  jouet  existant  pour   pas  retenu  l'attention  des  chercheurs  [4].  Il  est  important  de  souligner  que  
mettre  en  évidence  les  avantages  offerts  par  l'approche  actuelle. l'utilisation  d'outils  d'optimisation  efficaces  conduit  à  une  meilleure  qualité  du  
produit  et  à  une  fonctionnalité  améliorée  [5].
NOMENCLATURE
Ces  dernières  années,  certains  travaux  se  sont  penchés  sur  le  problème  
D  Faites  glisser  
d de  trouver  la  forme  de  coque  optimale  pour  les  UUV,  notamment  les  travaux  de  
Diamètre  maximal  du  corps  dt
Plus  petit  diamètre  de  la  queue  l [3],  [6]–[8]  pour  minimiser  la  traînée.  Une  petite  amélioration  de  la  traînée  peut  
entraîner  une  économie  substantielle  de  la  poussée  requise.
Longueur  hors  tout  
Cependant,  beaucoup  de  travail  reste  à  faire  en  termes  d'optimisation  de  la  
lm Longueur  du  corps  médian  parallèle  ln
conception  de  la  forme  de  la  coque  pour  minimiser  la  traînée  et  augmenter  
Longueur  du  nez  lt
l'efficacité  de  la  propulsion  [9].
Longueur  de  la  queue
Bien  qu'un  certain  nombre  de  travaux  actuels  aient  été  consacrés  à  la  
LA1  Longueur  du  premier  bras  de  levier
recherche  de  la  forme  de  coque  optimale  pour  les  UUV,  une  attention  limitée  a  
LA2  Longueur  du  deuxième  bras  de  levier
été  accordée  au  placement  optimal  "sans  collision"  des  composants  internes  et  
nn Coefficient  de  variation  de  forme  du  nez
des  facteurs  affectant  la  contrôlabilité,  c'est­à­dire  le  centre  de  gravité  (CG)  et  
NT Coefficient  de  variation  de  forme  de  la  queue
s effets  du  centre  de  flottabilité  (CB).
Distance  longitudinale  entre  CB  et  CG
Cet  article  présente  un  cadre  pour  l'optimisation  de  la  conception  d'un  sous­
ZB  Coordonnée  Z  de  l'unité  de  batterie
marin  jouet  qui  représente  une  classe  de  véhicules  sous­marins  en  forme  de  
ZC  Coordonnée  Z  du  contrôleur
torpille  en  considérant  simultanément  à  la  fois  la  disposition  interne  sans  
ZL  Coordonnée  Z  de  l'unité  d'hélice  pour  le  mouvement  latéral
collision  des  composants  embarqués  et  la  taille  et  la  forme  externes  pour  des  
ZV  Coordonnée  Z  de  l'hélice  pour  le  déplacement  vertical
ment exigences  de  conception  données.  L'objectif  est  de  trouver  une  forme  de  coque  
appropriée  pour  minimiser  la  traînée  et  un  placement  optimal  sans  collision  des  

I.  INTRODUCTION objets  internes  pour  une  séparation  optimale  CG/CB  assurant  ainsi  une  meilleure  
contrôlabilité  d'un  véhicule  se  déplaçant  immergé  près  de  la  surface  libre  tout  
Les  véhicules  sous­marins  sans  pilote  (UUV)  ont  reçu  une  attention  mondiale   en  respectant  les  contraintes  de  conception.
et  ont  été  largement  utilisés  dans  l'exploration  des  océans,  les  applications  
militaires  et  industrielles  [1],  [2].  Le  large  éventail  d'applications  a  abouti  au   L'organisation  de  ce  journal  est  la  suivante.  La  section  II  fournit  un  cadre  
développement  de  centaines  d'UUV  avec  une  variété  de  formes,  de  tailles,  de   pour  l'optimisation  de  la  conception  du  sous­marin  jouet.  Par  la  suite,  les  détails  
limites  de  profondeur  de  travail,  de  sources  d'énergie,  de  moyens  de  propulsion   de  l'expérience  numérique  sont  décrits  dans  la  section  III.  Les  résultats  
et  de  moyens  de  contrôle. numériques  sont  présentés  dans  la  section  IV.  Enfin,  des  conclusions  sont  tirées  
Ces  véhicules  comprennent  les  planeurs  (véhicules  sous­marins  non  propulsés dans

978­1­4244­9976­2/11/$26.00  ©2011  IEEE
Machine Translated by Google

Section  V. 1)  Géométrie  de  la  coque  et  sélection  des  matériaux :  la  taille  de  la  
coque  du  sous­marin  jouet  est  limitée  par  l'espace  pour  les  instruments  de  
II.  CADRE  D'OPTIMISATION
bord  qui  doivent  être  transportés,  et  la  forme  de  la  coque  est  limitée  par  les  
Ce  travail  présente  un  cadre  d'optimisation  pour  la  conception  d'un  sous­ caractéristiques  hydrodynamiques  pour  minimiser  la  traînée.  Un  corps  de  
marin  jouet  avec  considération  de  traînée  minimale.  Le  cadre  intègre  des   révolution  axisymétrique  se  déplaçant  immergé  près  de  la  surface  libre  est  
modules  de  géométrie  et  de  configuration,  un  module  d'hydrodynamique,   considéré  dans  cette  étude.
plusieurs  méthodes  d'estimation  des  performances  et  des  caractéristiques   L'illustration  de  la  paramétrisation  de  la  géométrie  de  la  coque  est  illustrée  
maritimes  acceptées  et  une  suite  d'algorithmes  d'optimisation.  La  figure  1   à  la  Fig.  2,  où  l'on  voit  que  le  corps  comprend  une  section  de  nez  de  
montre  l'organigramme  du  cadre  d'optimisation.  Le  cadre  facilite  la   longueur  variable  ln,  une  section  médiane  de  longueur  variable  lm  et  une  
communication  des  données  d'une  application  à  l'autre,  produisant  un   section  de  queue  de  longueur  variable  lt,  ce  qui  rend  jusqu'à  la  longueur  
environnement  de  conception  multidisciplinaire  automatisé. totale  du  corps  de  l  unités.

Fig.  2 :  Paramétrage  de  la  géométrie  de  coque

Le  rayon  du  nez  découle  de  l'équation.  (1),
1
nn nn
ln  −  xn  
rn  = 1  j  1  −  2 (1)
ln
où  d  est  le  diamètre  maximal  du  corps  en  m,  qui  peut  être  modifié,  et  nn  est  
le  coefficient  de  variation  de  forme  du  nez  qui  peut  également  être  modifié  
pour  donner  différentes  formes,  comme  illustré  à  la  Fig.  3.

Fig.  1 :  Organigramme  détaillé  du  cadre  d'optimisation

A.  Modules  de  géométrie  et  de  configuration

Le  concept  de  conception  de  base  du  sous­marin  jouet  utilisé  ici  est  basé   Fig.  3 :  Paramétrage  de  la  géométrie  du  nez
sur  le  développement  d'un  petit  véhicule  léger  qui  peut  être  facilement  lancé,  
récupéré  et  utilisé  sans  aucun  équipement  de  manutention  spécial  capable   Pour  la  capacité  de  loger  l'hélice  arrière  et  la  facilité  de  fabrication,  un  
de  travailler  à  une  profondeur  de  plongée  en  apnée.  Les  exigences  de   long  cône  de  queue  conique  est  utilisé  dans  cette  étude.  Cette  forme  suit  
conception  choisies  dans  cette  étude  sont :  •  La  vitesse  est  de  0,5  m/s  •  Pas   les  lignes  d'écoulement  du  fluide  et  comme  la  contraction  se  produit  toujours  
plus  de  400  mm  •  Le  poids  total  doit  être  inférieur  ou  égal  à  450  g  •  Le   à  la  sortie  de  la  buse,  la  vitesse  du  fluide  continue  d'augmenter  lorsqu'il  
véhicule  doit  être  propulsé  par  une  hélice  arrière  et  deux  hélices  chacune   quitte  la  buse.
pour  les  déplacements  verticaux  et  mouvements  latéraux  •  Économique Les  matériaux  du  véhicule  type  doivent  avoir  les  propriétés  suivantes :  
•  bonne  résistance  à  la  corrosion  •  haute  résistance  mais  relativement  léger  
•  facilité  de  fabrication :  le  véhicule  peut­il  être  fabriqué ?

Compte  tenu  des  exigences  de  conception  de  base,  la  géométrie  et  les   facilement  avec  le  matériel  choisi ?  •  
configurations  du  système  pour  le  sous­marin  jouet  sont  formulées  comme   bon  marché  •  disponibilité
suit.
Machine Translated by Google

parties  du  sous­marin  jouet  pour  une  position  optimale  du  CG.  Le  terme  
sans  collision  est  défini  comme  le  placement  des  composants  internes  tels  
que  le  contrôleur,  les  hélices  et  le  compartiment  de  la  batterie  dans  leurs  
positions  respectives  sans  aucun  chevauchement  ainsi  qu'en  gardant  un  
espacement  approprié  entre  eux.  Pratiquement,  les  composants  considérés  
ici  sont  de  forme  irrégulière.  Cependant,  pour  la  simplicité  du  mécanisme  
sans  collision,  nous  avons  considéré  les  dimensions  minimales  de  la  boîte  
englobante  de  ces  composants  dans  cette  étude.
Fig.  4 :  Paramétrage  de  la  géométrie  de  la  queue
Une  fois  que  les  pièces  internes  sont  placées  dans  un  état  sans  collision,  
le  corps  central  parallèle  est  généré  automatiquement  couvrant  l'arrangement  
La  conduite  d'eau  en  chlorure  de  polyvinyle  (PVC)  pour  ses  propriétés   interne,  puis  le  nez,  l'hélice  arrière  et  le  cône  de  queue  sont  attachés  avec  
intrinsèques  convient  le  mieux  à  toutes  les  exigences  ci­dessus  et,  par   le  milieu  du  corps,  générant  ainsi  la  forme  entière  du  sous­marin  jouet.  Dans  
conséquent,  a  été  choisie  pour  cette  étude. la  présente  étude,  Matlab  est  utilisé  pour  la  manipulation  de  la  géométrie,  
2)  Système  de  propulsion :  La  propulsion  du  sous­marin  jouet  en  question   et  l'interfaçage  avec  CATIA  se  fait  à  l'aide  de  macros  VBScript  pour  la  
est  obtenue  grâce  à  l'utilisation  de  trois  unités  d'hélices,  dont  l'une  est   conception  du  véhicule  dans  ce  cadre.
utilisée  pour  le  mouvement  vertical,  c'est­à­dire  pour  déplacer  le  véhicule  de  
haut  en  bas.  Une  autre  unité  d'hélice  est  utilisée  pour  diriger  le  véhicule  à  
B.  Module  Hydrodynamique :  Estimation  de  la  traînée
gauche  et  à  droite,  et  l'hélice  restante  est  utilisée  pour  propulser  le  véhicule  
La  coque  du  véhicule  de  conception  a  été  optimisée  pour  une  traînée  
vers  l'avant  et  vers  l'arrière  dans  l'eau,  comme  illustré  à  la  Fig.  5.
minimale  qui  réduit  éventuellement  les  besoins  en  puissance  du  véhicule  
immergé  [4].  Pour  l'estimation  de  la  traînée,  la  formule  suivante  a  été  utilisée :

1
ré  = ρV  2CV  S (2)
2

où  ρ  est  la  masse  volumique  du  fluide  en  kg/m3,  V  est  la  vitesse  en  m/s,  S  
est  la  surface  mouillée  du  véhicule  en  m2,  et  CV  est  le  coefficient  de  
résistance  visqueuse  pour  la  coque  nue  lisse.

Trois  méthodes  ­  Virginia  Tech  (VT)  [3],  MIT  [13]  et  la  méthode  G&J  [14]  
sont  utilisées  dans  cette  étude  pour  mesurer  le  coefficient  de  résistance  
Fig.  5 :  Configuration  du  système  de  propulsion visqueuse  (CV )  de  trois  manières  différentes  afin  d'assurer  l'uniformité  dans  
l'estimation  de  la  traînée  de  la  conception.  véhicule.
Pour  atteindre  la  vitesse  de  conception  requise  de  0,5  m/s,  une  
C.  Modules  d'optimisation
optimisation  de  l'ensemble  du  véhicule  doit  être  effectuée  pour  réduire  la  
traînée  au  minimum  tout  en  augmentant  la  poussée  au  maximum  pour   Dans  ce  cadre,  deux  algorithmes  d'optimisation  de  pointe,  NSGA­II  et  
améliorer  l'efficacité  des  hélices.  Par  conséquent,  la  position  des  unités   IDEA  sont  utilisés.  Les  algorithmes  sont  écrits  en  Matlab  et  sont  intégrés  à  
d'hélice  pour  les  mouvements  verticaux  et  latéraux,  comme  illustré  sur  la   CATIA  avec  VBScript  pour  automatiser  l'ensemble  du  processus  de  
figure  5,  n'est  pas  fixe,  mais  est  plutôt  libre  de  se  déplacer  dans  toute  la   conception.
section  médiane.  Au  cours  du  processus  d'optimisation,  l'optimiseur  choisit   •  NSGA­II :  Algorithme  génétique  de  tri  non  dominé  II  (NSGA­II)  proposé  
les  positions  optimales  de  ces  unités  d'hélices  lors  de  la  conception  du   par  Deb  et  al.  [15],  est  l'un  des  algorithmes  d'optimisation  basés  sur  
véhicule. la  population  les  plus  populaires  qui  a  été  utilisé  avec  succès  dans  un  
3)  Source  d'alimentation :  La  plupart  des  véhicules  sous­marins  utilisés   certain  nombre  d'applications  réelles.  Les  principales  étapes  de  NSGA­
aujourd'hui  sont  alimentés  par  des  batteries  rechargeables  à  faible  coût.   II  sont  décrites  dans  l'algorithme  1.  Il  utilise  le  croisement  binaire  
Quelques­uns  des  plus  gros  véhicules  sont  alimentés  par  une  pile  à   simulé  (SBX)  et  la  mutation  polynomiale  pour  générer  des  descendants.  
combustible  à  électrolyte  polymère  solide  (PEFC)  [10],  une  pile  à  combustible   Les  solutions  individuelles  dans  une  population  sont  classées  en  
aluminium/oxygène  [11]  et  par  l'énergie  solaire  [12]  où  l'endurance  est  un   fonction  de  leur  valeur  de  fitness.  Les  solutions  réalisables  sont  
problème  crucial.  Cependant,  ils  nécessitent  une  maintenance  importante   considérées  comme  meilleures  que  les  solutions  irréalisables  et  sont  
et  des  recharges  coûteuses  pour  un  déploiement  continu.  En  raison  de  la   classées  plus  haut.  Les  solutions  réalisables  et  irréalisables  sont  
simplicité  et  de  la  disponibilité  commerciale,  les  piles  alcalines  de  taille  AA   classées  séparément.  Pour  l'optimisation  à  objectif  unique,  les  
avec  une  tension  nominale  de  1,5  V  et  une  densité  d'énergie  de  140  Wh/kg   solutions  réalisables  sont  triées  en  fonction  de  la  valeur  de  l'objectif,  
ont  été  sélectionnées  dans  cette  étude.  Ces  batteries  sont  attrayantes  car   tandis  que  pour  l'optimisation  à  objectifs  multiples,  les  solutions  sont  
elles  sont  bon  marché,  petites  et  généralement  sûres. classées  en  fonction  de  la  non­dominance.  •  IDÉE :  Les  solutions  aux  
4)  Mécanisme  sans  collision :  Un  point  remarquable  de  ce  travail  est   problèmes  réels  d'optimisation  sous  contraintes  reposent  souvent  sur  
d'appliquer  un  mécanisme  «  sans  collision  »  tout  en  aménageant  l'intérieur des  limites  de  contraintes.  En  réalité,
Machine Translated by Google

Algorithme  1  Algorithme  génétique  de  tri  non  dominé III.  EXPÉRIENCE  NUMÉRIQUE
II  (NSGA­II)
Exigez :  NG  >  1  {Nombre  de  générations} Dans  cette  section,  la  formulation  du  problème  d'optimisation  est  

1 :  Initialiser  (P1)  {Créer  une  population  initiale  de  solutions} présentée.  Sur  la  base  des  exigences  de  conception,  le  problème  suivant  a  
2 :  Évaluer  (P1) été  formulé.

3 :  Rang  (P1)  {Attribuer  des  rangs  à  chaque  solution}  4 :  
pour  i  =  2  à  NG  faire Optimisation  à  objectif  unique
5 :  Ci  =  Evolve  (Pi−1)  {Créer  des  solutions  enfants  à  partir  des  parents  de   Le  problème  d'optimisation  à  objectif  unique  est  posé  comme  
la  génération  précédente} l'identification  d'une  forme  de  coque  de  véhicule  avec  une  traînée  minimale  
6 :  Évaluer  Ci  {Calculer  les  performances  des  solutions  filles} ainsi  qu'un  placement  optimal  «sans  collision»  des  objets  internes  soumis  
aux  contraintes  sur  les  bras  de  levier  et  la  séparation  CG /  CB.
7 :  Rang  (Pi−1  +  Ci)  {Attribuer  des  rangs  à  chaque  solution} Les  premier  (LA1)  et  deuxième  (LA2)  bras  de  levier  sont  respectivement  
8 : Pi  =  Réduire  (Pi−1  +Ci)  {Identifier  les  parents  pour  la  prochaine   les  distances  longitudinales  des  hélices  au  centre  de  flottabilité.  La  valeur  
génération}  9 :  fin  pour plus  élevée  du  bras  de  levier  produit  des  moments  de  tangage  et  de  virage  
plus  élevés  qui  conduisent  à  de  meilleurs  changements  de  plongée  et  de  
cap.  La  séparation  CG/CB  est  la  distance  longitudinale  entre  le  centre  de  
gravité  et  le  centre  de  flottabilité.  Plus  la  valeur  de  s  est  faible,  plus  la  
position  du  CG  et  du  CB  est  proche,  ce  qui  conduit  à  une  meilleure  stabilité  
un  concepteur  est  intéressé  à  examiner  la  solution  qui  pourrait  être  
du  véhicule.  La  minimisation  de  la  traînée  est  importante  car  une  traînée  
marginalement  irréalisable.  NSGA­II  et  la  plupart  des  autres  
minimale  entraîne  une  consommation  d'énergie  moindre  pour  la  propulsion  
algorithmes  d'optimisation  préfèrent  intrinsèquement  une  solution  
et  des  économies  correspondantes  sur  les  coûts  d'exploitation.  La  fonction  
réalisable  à  une  solution  irréalisable  au  cours  de  sa  recherche.  
objectif,  les  contraintes  et  les  variables  de  conception  sont  répertoriées  dans  
Cependant,  l'algorithme  IDEA  (Infeasibility  Driven  Evolutionary  Algo  
l'équation.  (3).
rithm)  introduit  par  Singh  et  al.  [16],  suggère  que  la  préservation  de  
solutions  marginalement  irréalisables  au  cours  de  la  recherche  peut  
accélérer  le  taux  de  convergence. Minimiser :  
Étant  donné  que  les  solutions  optimales  de  Pareto  pour  un  problème   f  (1)  =  D
contraint  reposent  généralement  sur  une  frontière  de  contrainte,  IDEA  
essaie  de  concentrer  la  recherche  près  des  frontières  de  contrainte   Contraintes :  
en  maintenant  un  ensemble  de  solutions  irréalisables  (en  plus  des   g  (1)  =  LA1  ≥  45  mm ;  g  (2)  =  LA2  ≥  90  mm  g  (3)  =  s  ≤  4  mm
solutions  réalisables)  près  de  la  frontière  de  contrainte  pendant  la  
(3)
recherche.  Les  principales  étapes  d'IDEA  sont  décrites  dans  
l'algorithme  2.  IDEA  classe  les  solutions  irréalisables  plus  haut  que   Variables  de  
les  solutions  réalisables  pour  fournir  une  pression  de  sélection  pour   conception :  0  ≤  ZC  ≤  300  mm ;  0  ≤  ZV  ≤  300  mm  0  
créer  de  meilleures  solutions  irréalisables  résultant  en  une  recherche   ≤  ZB  ≤  300  mm ;  0  ≤  ZL  ≤  300  mm  35  ≤  dt  ≤  50  mm ;  
active  dans  l'espace  de  recherche  irréalisable.  Les  lecteurs  intéressés   80  ≤  lt  ≤  150  mm  1,5  ≤  nn  ≤  3 ;  45  ≤  ln  ≤  100  mm
sont  renvoyés  à  Ray  et  al.  [17]  pour  une  comparaison  d'IDEA  avec  
d'autres  algorithmes  d'optimisation  de  pointe.
Le  problème  formulé  ci­dessus  est  résolu  en  utilisant  NSGA­II  et  IDEA.  
Algorithme  2  Algorithme  évolutionnaire  basé  sur  l'infaisabilité Plusieurs  essais  sont  effectués  en  faisant  varier  les  paramètres  de  probabilité  
(IDÉE) de  croisement,  de  probabilité  de  mutation,  d'indice  de  distribution  de  
croisement  et  d'indice  de  distribution  de  mutation.  Les  valeurs  des  
Requiert :  N  {Taille  de  la  population}
paramètres  sont  répertoriées  dans  le  tableau  I,  et  pour  chaque  combinaison  
Exigez :  NG  >  1  {Nombre  de  générations}
de  paramètres,  les  deux  algorithmes  sont  exécutés  avec  deux  graines  
Requiert :  0  <α<  1  {Proportion  de  solutions  irréalisables}
aléatoires  différentes.
1 :  Ninf  =  α     N
2 :  Nf  =  N  −  Ninf  3 :  
pop1  =  Initialiser() TABLEAU  I :  Paramètres  utilisés  pour  NSGA­II  et  IDEA  Valeur  
4 :  Evaluate(pop1)  5 :   Paramètre 0,9  0,1  10  20
for  i  =  2  to  NG  do  6 :   Probabilité  de  croisement
Probabilité  de  mutation
childpopi−1  =  Evolve(popi−1) Indice  de  distribution  croisée
7 :  Evaluer(childpopi−1) Indice  de  distribution  des  mutations

8 :  (Sf ,  Class )  =  Split(popi−1  +  childpopi−1)
9 :  Rang(Sf )
Une  taille  de  population  de  500  est  développée  pendant  300  générations,  
10 :  Rang(Classe )  
ce  qui  donne  150  000  évaluations  de  fonction  pour  chaque  exécution.  Vingt  
11 :  popi  =  Classe  (1,  Ninf )  +  Sf  (1,  Nf )  12 :  fin  
exécutions  indépendantes  sont  effectuées  à  l'aide  de  NSGA­II  et  IDEA.  Pour  
pour
IDEA,  un  rapport  d'infaisabilité  (α)  de  0,2  est  utilisé.
Machine Translated by Google

0,22
IV.  RÉSULTATS  ET  DISCUSSION NSGA­II
IDÉE
A.  Résultats  d'optimisation  à  objectif  unique 0,2

La  figure  6  montre  le  résultat  de  la  meilleure  exécution  pour  le  problème  de  
0,18
minimisation  de  la  traînée  à  objectif  unique  en  utilisant  NSGA­II  et  IDEA.

0,16
Glisser  
(N)

0,16
0,14
NSGA­II
IDÉE
0,15
0,12

0,14
0,1
0,13

0,08  
Glisser  
(N)
0,12 0 5  10 15
Évaluations  de  fonction 4
x10

0,11
Fig.  7 :  Diagramme  de  progression  de  la  conception  médiane  pour  la  minimisation  
0,1 de  la  traînée  d'objectif  unique  à  l'aide  de  NSGA­II  et  IDEA

0,09

0,08  
0 5  10 15
Évaluations  de  fonction 4
x10

Fig.  6 :  Diagramme  de  progression  de  la  meilleure  conception  pour  la  minimisation  
de  la  traînée  d'objectif  unique  à  l'aide  de  NSGA­II  et  IDEA
Fig.  8 :  Modèle  CATIA  du  sous­marin  jouet  optimisé  résultant

On  peut  observer  que  les  deux  algorithmes  d'optimisation  sont  capables   Unité  d'hélice  pour   Unité  d'hélice  pour  

Nez mouvement  vertical le  mouvement  latéral Queue

d'atteindre  une  valeur  de  traînée  presque  optimale  dans  environ  37  000  
évaluations  de  fonction.  Les  statistiques  des  résultats  calculés  sur  20  exécutions  
pour  chaque  algorithme  sont  présentées  dans  le  tableau  II.  On  voit  que  les  
meilleures  valeurs  objectives,  médianes  et  moyennes  obtenues  par  IDEA  sont  
meilleures  que  NSGA­II.  De  plus,  l'écart  type  entre  les  multiples  essais  est  bien  
Unité  de  contrôle Compartiment  à  piles Unité  d'hélice  pour  
inférieur  à  celui  de  NSGA­II,  ce  qui  indique  qu'il  est  capable  d'atteindre  de  
le  mouvement  longitudinal
meilleures  valeurs  objectives  de  manière  plus  cohérente.  Cela  se  reflète  
également  dans  les  séries  médianes,  comme  le  montre  la  figure  7,  où  IDEA   Fig.  9 :  Configuration  du  sous­marin  jouet  optimisé  résultant
semble  converger  plus  rapidement  que  NSGA­II.

TABLEAU  II :  Résultats  de  la  minimisation  de  la  traînée  à  objectif  unique  
Conception  NSGA­II  IDEA  Meilleur  
Moyenne  0,084003  
0,086081  
0,082177  
0,083828  
Médiane  0,0859657   0,0841192  
SD  0,000937534   Pire  0,087465  0,086806  
0,000892474

Fig.  10 :  Coupe  longitudinale  du  sous­marin  jouet  optimisé  résultant

B.  Résultats  de  la  conception  optimale  du  sous­marin  jouet  
sous­marin  a  des  hélices  indépendantes  pour  lui  permettre  de  monter,  descendre,  
Sur  la  base  des  résultats  obtenus  en  effectuant  l'optimisation  de  la  traînée,   tourner  et  avancer  et  reculer.  La  configuration  des  composants  internes  du  sous­
les  Fig.  8­10  montrent  la  forme  optimale  et  les  configurations  internes  du  sous­ marin  jouet  est  illustrée  à  la  Fig.  12.  Les  spécifications  et  les  critères  de  
marin  jouet  optimisé. performance  mesurés  pour  ce  sous­marin  jouet  sont  également  répertoriés  dans  
Les  critères  de  performance  résultants  du  sous­marin  jouet  optimisé  sont   le  tableau  III.
énumérés  dans  le  tableau  III.  Les  valeurs  des  bras  de  levier  et  de  la  séparation   On  peut  observer  que  les  critères  de  performance  du  sous­marin  jouet  
CG/CB  telles  que  rapportées  dans  le  tableau  III,  indiquent  clairement  que  les   optimisé  résultant  sont  proches  des  résultats  mesurés  pour  le  sous­marin  jouet  
contraintes  de  conception  sont  satisfaites  tout  en  obtenant  une  traînée  minimale. existant.  De  plus,  la  longueur  du  premier  bras  de  levier  du  sous­marin  jouet  
optimisé  est  supérieure  et  la  valeur  de  séparation  CG/CB  est  également  inférieure  
Un  exemple  de  sous­marin  jouet  existant  similaire  disponible  sur  le  marché   à  celle  du  sous­marin  jouet  existant ;  assurant  ainsi  une  meilleure
est  le  sous­marin  jouet  USS  Dallas  RC.  Ce  modèle
Machine Translated by Google

système  d'analyse/conception  intégré  efficace  comprenant  un  package  
mathématique  haut  de  gamme  (Matlab)  et  CAO  (CATIA),  le  cadre  est  capable  
de  générer  une  géométrie  optimisée  du  sous­marin  jouet  en  fonction  des  
exigences  de  conception  données.  Une  formulation  d'optimisation  contrainte  
à  objectif  unique  du  problème  de  conception  de  sous­marin  jouet  est  
considérée  dans  cet  article  et  résolue  à  l'aide  de  deux  algorithmes  
d'optimisation  de  pointe  NSGA­II  et  IDEA.  L'étude  a  démontré  les  avantages  
de  la  préservation  de  solutions  marginalement  irréalisables  dans  IDEA,  ce  qui  
représente  une  performance  supérieure  d'IDEA  par  rapport  à  NSGA­II  pour  
Fig.  11 :  Sous­marin  jouet  USS  Dallas  RC les  problèmes  d'optimisation  contraints.  Il  est  souligné  que  la  modularité  et  la  
structure  axée  sur  le  catalogue  du  cadre  proposé  permettent  la  conception  de  
Unité  d'hélice  pour   Unité  d'hélice  pour  
Nez mouvement  vertical le  mouvement  latéral Queue
véhicules  sous­marins  de  différentes  tailles,  propulsions  et  systèmes  
d'alimentation.

Avec  la  conception  optimale  finale,  des  analyses  de  plus  en  plus  raffinées  
peuvent  être  effectuées  à  l'aide  d'outils  externes  en  tant  que  post­processus.
L'intégration  de  l'outil  de  dynamique  des  fluides  computationnelle  (CFD)  pour  
une  meilleure  estimation  de  la  traînée,  et  un  module  d'analyse  qui  pourrait  
Unité  de  contrôle Compartiment  à  piles Unité  d'hélice  pour  
aider  à  la  dynamique  du  véhicule  et  à  l'analyse  de  contrôle  restent  à  effectuer  
le  mouvement  longitudinal
dans  les  travaux  futurs.
Fig.  12 :  Configuration  du  sous­marin  jouet  USS  Dallas  RC
REMERCIEMENTS

Les  auteurs  tiennent  à  remercier  le  Dr  Amitay  Isaacs,  M.
TABLE  III :  Critères  de  performance  de  l'USS  Dallas  existant
Hemant  K.  Singh  et  M.  Ahmad  F.  Ayob  pour  leur  soutien  dans  la  programmation  
RC  et  sous­marins  jouets  optimisés
des  méthodes.
Détails  du  véhicule USS  Dallas  RC  optimisé
Longueur  du  nez 45  mm   49  mm  
210  mm   231  mm   RÉFÉRENCES
Longueur  du  corps  médian  parallèle
Longueur  de  la  queue 95  mm   80  mm  
350  mm   360  mm   [1]  W.  Wang,  X.  Chen,  A.  Marburg,  J.  Chase  et  C.  Hann,  «  Un  prototype  de  véhicule  sous­
Longueur  totale
Diamètre  maximal 60  mm   58  mm   marin  sans  pilote  à  faible  coût  pour  les  tâches  en  eau  peu  profonde  »,  dans  Actes  de  la  
5,8  39,6   6,2  38  mm conférence  internationale  IEEE/ASME  sur  Systèmes  et  applications  mécatroniques  et  
Rapport  longueur/diamètre
Dimension  maximale  de  l'intérieur mm embarqués,  MESA  2008,  Pékin,  Chine,  2008,  pp.  204–209.

carré
Surface  mouillée 0,082385  m2  0,082624  m2  0,000437   [2]  K.  Mohseni,  "Générateurs  de  vortex  pulsatiles  pour  les  manœuvres  à  basse  vitesse  de  
petits  véhicules  sous­marins",  Ocean  Engineering,  vol.  33,  p.  2209–2223,  2006.
Volume  de  déplacement m3  0,000433  m3  437  g  428  
433  g  45  
30  
mgm  
  
Masse  de  l'eau  déplacée 48  mm  90  mm  90  mm  ­0,981462  
­0,982488  
mm m  
m  
Masse  totale  du  véhicule [3]  MA  Martz,  "Conception  préliminaire  d'un  véhicule  sous­marin  autonome  utilisant  un  
­0,210313  mm  ­0,210533  
mm0  
mm  
m1m0  
67,08  
mm0  
mm0. optimiseur  génétique  à  objectifs  multiples",  Mémoire  de  maîtrise,  Virginia  Polytechnic  
Longueur  du  premier  bras  de  levier
Institute  and  State  University,  Blacksburg,  Virginie,  États­Unis,  27  mai  2008.
Longueur  du  deuxième  bras  de  levier
Coordonnée  X  du  CG
Coordonnée  Y  du  CG [4]  JS  Parsons,  RE  Goodson  et  FR  Goldschmied,  "Formation  de  corps  axisymétriques  pour  
Coordonnée  Z  du  CG une  traînée  minimale  dans  un  écoulement  incompressible",  J.
Coordonnée  X  de  CB 0  
Hydronautique,  vol.  8,  non.  3,  p.  100–107 ,
Coordonnée  Y  de  CB 0 [5]  M.  Diez  et  D.  Peri,  « Optimisation  robuste  pour  la  conception  conceptuelle  des  navires »,
Coordonnée  Z  de  CB Ingénierie  océanique,  vol.  37,  p.  966–977,  2010.
[6]  T.  Lutz  et  S.  Wagner,  "Optimisation  numérique  de  la  forme  des  corps  à  flux  laminaire  
Distance  longitudinale  entre
CB  et  CG naturel",  dans  Actes  du  21e  Congrès  ICAS,  Melbourne,  Australie,  1998.

Vitesse  nominale 0,5  m/s   0,5  m/s

0,0792024  N  0,0789568  N  0,0800956   [7]  V.  Bertram  et  A.  Alvarez,  «  Aspects  hydrodynamiques  de  la  conception  AUV  »,  dans  The  
Glisser  (méthode  VT)
N  0,0798317  N  0,0825858  N  0,0821771   Fifth  Conference  on  Computer  and  IT  Applications  in  the  Maritime  Industries  (COMPIT),  
Drag  (méthode  G&J)
N Oegstgeest,  Pays­Bas,  2006,  pp.  45–53.
Glisser  (méthode  MIT)
[8]  A.  Alvarez,  V.  Bertram  et  L.  Gualdesi,  "Optimisation  hydrodynamique  de  la  coque  des  
véhicules  sous­marins  autonomes  fonctionnant  à  la  profondeur  de  la  plongée  en  apnée",
Ingénierie  océanique,  vol.  36,  p.  105–112,  2009.
[9]  T.  Joung,  K.  Sammut,  F.  He  et  S.­K.  Lee,  "Une  étude  sur  l'optimisation  de  la  conception  
performance  et  contrôlabilité  du  véhicule  conçu  par  rapport  à  celui  existant.  
d'un  AUV  en  utilisant  l'analyse  dynamique  des  fluides  computationnelle",  dans  Actes  de  
On  constate  également  que  la  traînée  du  sous­marin  jouet  optimisé  est   la  dix­neuvième  (2009)  Conférence  internationale  d'ingénierie  offshore  et  polaire,  
inférieure  à  celle  du  sous­marin  jouet  existant  pour  la  même  vitesse  marginale. Osaka,  Japon,  2009.
[10]  T.  Hyakudome,  T.  Aoki,  T.  Murashima,  S.  Tsukioka,  H.  Yoshida,  H.  Nakajoh,  T.  Ida,  S.  
Ishibashi  et  R.  Sasamoto,  «  Key  technologies  for  AUV  URASHIMA  »,  dans  Oceans  
CONCLUSIONS  _ Conference  Record  (IEEE),  volume  1,  2002,  pages  162–166.

Cet  article  présente  un  cadre  d'optimisation  pour  la  conception  préliminaire   [11]  K.  Vestgard,  R.  Hansen,  B.  Jalving  et  O.  Pedersen,  "The  HUGIN  3000  survey  AUV  ­  
design  and  field  results",  dans  Actes  de  la  onzième  (2001)  Conférence  internationale  
d'un  sous­marin  jouet  léger,  à  petite  échelle  et  à  faible  coût  à  des  fins   d'ingénierie  offshore  et  polaire,  Sta  vanger ,  Norvège,  vol.  4,  2001,  p.  679–684.
récréatives.  L'utilisation  d'un
Machine Translated by Google

[12]  J.  Jalbert,  J.  Baker,  J.  Duchesney,  P.  Pietryka,  W.  Dalton,  D.  Blidberg,  S.   Transactions  IEEE  sur,  vol.  6,  p.  182–197,  2002.
Chappell,  R.  Nitzel  et  K.  Holappa,  « Un  véhicule  sous­marin  autonome  à   [16]  HK  Singh,  A.  Isaacs,  T.  Ray  et  W.  Smith,  "Algorithme  évolutif  piloté  par  
énergie  solaire »,  dans  Oceans  Conference  Record  (IEEE),  vol.  2,  2003,  p.   l'infaisabilité  (IDEA)  pour  l'optimisation  de  la  conception  technique",  dans  
1132–1140. 21st  Australasian  Joint  Conference  on  Artificial  Intelligence:  Advances  in  
[13]  H.  Jackson,  MIT  Professional  Summer  Course  Submarine  Design  Trends,   Artificial  Intelligence,  Auckland,  Nouvelle­Zélande  (2008),  Springer­Verlag  
1992. Berlin  Heidelberg,  no.  LNAI  5360,  2008,  p.  104–115.
[14]  T.  Gillmer  et  B.  Johnson,  Introduction  à  l'architecture  navale,  2e  éd. [17]  T.  Ray,  HK  Singh,  A.  Isaacs  et  W.  Smith,  Infeasibility  Driven  Evo  utionary  
US  Naval  Institute  Press,  1982. Algorithm  for  Constrained  Optimization,  E.  Mezura­Montes,  Ed.  Gestion  
[15]  K.  Deb,  A.  Pratap,  S.  Agarwal  et  T.  Meyarivan,  "Un  algorithme  génétique   des  contraintes  dans  l'optimisation  évolutive,  Studies  in  Computational  
multiobjectif  rapide  et  élitiste :  NSGA­II,"  Evolutionary  Computation, Intelligence  Series  198,  2009.

Afficher  les  statistiques  de  publication