基于虚拟仿真的数字样船数据分析研究

DAE专栏 / 05-19

引言

数字化是制造业信息化的核心，随着数字化设计和制造技术的迅猛发展，特别是CAD及信息化技术的普及，基于产品三维模型的数字化制造技术已经成为企业信息化发展的趋势。在产品研制过程中，如何发挥三维数字样船的作用，是提高船企数字化能力的关键。逼真的船舶三维数字模型，可用于消除后续设计阶段中潜在的弊端，达到缩短设计周期，降低设计成本，提高设计质量的目的。

基于产品三维数字化设计制造，形成产品研制过程中的三维数字样机，已在航空、航天、汽车工业等行业的研制过程中得到广泛应用。由于船舶产品的相对复杂性，其数字化应用程度相对落后。参照航空等制造行业数字样机发展经验，借鉴国外先进造船企业的三维数字化设计建造技术发展情况和应用理念，本文以虚拟船舶为设计目标，基于虚拟现实技术，讨论船舶设计、建造、使用和维修保障等全生命周期中数字样船涉及的相关技术。

1 数字样船技术及其特点

1.1数字样船技术的概念

数字样机技术（DMU，Digital Mockup）从上世纪90年代开始发展，早期的概念是指建立整个产品的全三维数字化模型，实现对复杂产品整体的显示和装配过程的模拟和仿真。数字样船技术是数字样机技术在船舶领域中的应用，它是将CAD、CAE、虚拟仿真等技术结合在一起的集成技术。数字样船模型是集成了船舶产品各种几何特征、物理特性和工作特性的计算机数字化模型系统，它由反映船舶产品不同特性的数字化模型共同组成。

相比于其它行业，现代船舶设计具有如下特点：1）研制阶段多，周期长；2）涉及专业种类复杂；3）参与机构人员众多；4）系统性强，配套要求高；5）研制费用昂贵。将虚拟现实技术应用于船舶研制，采用船舶虚拟设计方法可以有效克服目前国内船舶研制中现有的设计方法、手段和管理流程存在的问题。采用船舶虚拟设计与传统研制过程相比，虚拟设计最大的不同是在计算机建立的虚拟空间中开展研制工作。

船舶虚拟设计方法可以完成以下工作内容：

1）指标论证：从历史设计数据库中根据任务需求选择适当的船舶特性和性能参数，在虚拟环境中进行仿真测试，以确定所选数据（航速、主尺度、各系统配置及其它参数）是否能完成规定的任务。

2）虚拟设计：应用快速原型法，以CAD技术为基础，利用三维实体建模技术建立总体布置、结构及其它系统模型，构成虚拟产品原型。在集成的CAD分析环境中，进行综合仿真分析，以确定各种备选方案的性能特征。在这一过程中，以往成熟的辅助设计方法可直接采用。

3）虚拟评审及技术状态固化：大多数的审查随着研制进展而随时进行，差错、不适当的设计以及基于错误信息的设计结果都在研制过程中进行改正，因此，虚拟设计过程结束时，得到的是满足规格书要求的、完整的船舶技术状态，主管机关可以迅速地进行审批。

1.2数字样船的分类及特点

最初的数字样船模型是从舰艇产品三维模型的基础上发展起来的，用于实现对舰艇产品整体外形及舱室综合布置的显示，并可以在此基础上利用虚拟现实技术实现产品的虚拟漫游和虚拟装配等应用，这类数字样船称为几何样船。通过在三维几何模型上添加了各类物理参数，建立装配模型之间的约束关系和驱动关系，并设定各种触发机制，来实现对产品运行过程的虚拟仿真分析，这类数字样船称之为功能样船。而在三维几何模型的基础上，利用有限元技术进行网格划分、边界处理和负载定义，利用各类专业分析工具对产品的各种性能进行分析与评估，并利用可视化技术进行分析结果的展示和表达，这类数字样船称为性能样船。

图2 几何样船

图3 功能样船

图4 性能样船

数字样船技术具有以下三个特点：

1）真实性。数字样船必须在模拟和仿真等方面具有同物理样船相当或一致的外部形态或内在特性，即能够在几何外观、物理特性以及行为特性上与物理样船保持一致。

2）面向船舶制造的全生命周期。数字样船是对物理样船全方位的一种计算机仿真和模拟，而传统的工程仿真是对船舶制造过程中某个方面进行的测试，以获得产品该方面的性能。数字样船是由分布的、不同工具开发的甚至是异构子模型的联合体，主要包括CAD模型、外观模型、功能和性能仿真模型、各种分析模型、使用维护模型以及环境模型。

3）多学科交叉性。复杂的船舶产品设计通常涉及机械、控制、电子、流体力学等多个领域和专业。要想对这些产品能够进行完整而准确的仿真和模拟分析，必须将多个不同学科领域的子系统作为一个整体进行仿真分析，使得数字样船能够满足设计者进行功能验证和性能分析的需求。

2 数字样船数据分析及处理

2.1数据处理流程

本文提及的几何模型为通用CAD软件绘制的模型，如CATIA V6、Creo、SolidWorks、UG等。导出的模型文件，可导入工业虚拟现实软件，由参数化模型转为面片模型。针对设备、结构、电缆、风管等模型，可导入3DS Max，在3DS Max中对模型进一步简化，删掉部分影响不大的细节及内部不可见的模型面片，部分曲率变化较大且面片数多但必须保留轮廓的模型直接删除，重建替代模型，进一步减少面片数量；针对管路这种较长且有双层面的模型，直接参考工程模型重建单向面管路模型。收集实船照片，作为材质、贴图素材。用3DS Max对模型进行UV拆分，使模型表面展开为平面。参考实船照片绘制模型贴图。由3DS Max导出简化后的模型、贴图及材质为FBX格式，并导入工业虚拟现实软件。为模型赋予材质，舱室中布置灯光，并进行渲染烘焙。

图5 数字样船数据分析流程

2.2模型优化原理

多边形建模方法是传统的建模方法，适合于建立规则的物体模型，多边形建模的基础在于点、线和多边形，任何模型都可以最终看作是由无数三角形面按一定的组成关系所构成的三维对象。构成模型的面数越多，模型的细节越能表达的细致、模型也越真实，但也需要考虑模型的细节需求与面数的折衷。要实现虚拟漫游或交互体验等系列目标，则需要将工业模型转换为虚拟开发环境能够识别和操作的多边形模型。要自动完成这一转换过程，其核心在于对工业模型的识别和反向转换以及对非规则和异常情况的处理。可采用多维插值和神经网络方法进行模型优化。

用特征线例如平边线、平底线、尾封板线、折角线和特殊线等，把船体曲面划分为内部不含特征线的曲面片网格，便于表达复杂船体曲面并保留船体特征。通过分块规则使相关曲面片的节点向量保持一致，满足工业网格的要求。对于某些难以处理的复杂曲面或原始物体曲面部分损坏的情况，采用神经网络的方法作为补充。传统的多层神经网络学习算法试图从训练集中获得输入、输出的映射。但在实际使用的同时，由于测量时不可避免会出现一些“坏”点，因此用传统的算法得到的映射可能会在错误数据点和正确数据点之间振荡。在坏点附近产生较大的误差导致整个算法的无效性。因此需要通过求误差函数的偏导来加强学习算法的鲁棒性，在此基础上对传统的神经网络方法进行改进，对复杂曲面或损坏曲面进行专门的学习，最终真正有效地提升模型转换的自动化程度和有效性。

3 模型处理效果

图6 模型减面前后对比