本研究的技术核心在于利用modeFRONTIER构建了一个集成化的自动分析与优化平台。

• 研究基于Myring型回转体方程，选取了7个关键几何参数作为设计变量，包括：船头长度 a、平行中体长度 b、船尾长度 c、直径 d、船头形状指数 n、船尾角 θ 及尾翼安装位置 R_{i0}。

• 在modeFRONTIER中，采用最优拉丁超立方采样 方法，在预设的设计变量空间内生成了具有良好空间填充性的样本点集合，为后续构建高精度代理模型奠定了数据基础。

• 几何建模自动化：通过CATIA的二次开发接口，将建模过程脚本化。modeFRONTIER将每一组采样参数传递给CATIA脚本，驱动其自动生成对应的三维几何模型。

• CFD/声学仿真自动化：利用STAR-CCM+的Java宏功能，实现了从网格划分、物理模型设置（采用RANS k-ε模型进行稳态流场计算）、边界条件定义、求解计算到结果提取的全流程自动化。流噪声的预测基于大涡模拟与FW-H声类比理论。

• modeFRONTIER作为调度中心，有序地调用CATIA和STAR-CCM+，并传递参数、监控计算状态、提取目标响应值（阻力 F_x、排水体积 V、总声压级 L_p），形成了一个完整的闭环分析流程。

为克服直接调用仿真器进行优化的计算瓶颈，研究系统性地比较了多种代理模型在本次问题上的拟合精度：

• 对比模型：二阶、三阶、四阶响应面模型，径向基函数神经网络模型，高斯Kriging模型，指数Kriging模型。

• 评估指标：采用决定系数、均方根误差、平均绝对误差和最大误差进行综合评判。

• 模型选定：结果表明，二阶响应面模型 在预测阻力与体积时表现出最高精度，而指数Kriging模型 则在拟合复杂的流噪声响应方面最为优越。因此，优化最终采用这两种模型分别构建目标函数的近似关系。

研究选取了四种经典的多目标优化算法进行对比测试：

• NSGA-II (带精英策略的非支配排序遗传算法)

• NCGA (小生境遗传算法)

• MOPSO (多目标粒子群优化算法)

• MOASA (多目标模拟退火算法)

在ZDT和DTLZ系列标准测试函数上的评测结果表明，NSGA-II在解的收敛性与分布均匀性上综合表现最佳。因此，研究选用NSGA-II作为最终优化器，对构建的Myring外形多目标优化模型进行求解。

经过NSGA-II的优化搜索，获得了分布良好的帕累托最优解集。分析表明：

• 性能提升：从解集中选取的典型优化方案显示，与初始设计相比，直航阻力最大可降低1.28%，排水体积最大可增加3.94%，总声压级最大可降低1.17%。

• 设计规律：敏感性分析指出，平行中体直径 d 与长度 b 是对所有目标影响最为显著的设计变量。优化解中设计变量的变化趋势与敏感性分析结果相吻合，验证了优化过程的合理性。

• 方案权衡：帕累托前沿清晰地展示了三个目标函数之间固有的权衡关系。例如，追求更大的容积通常会伴随阻力的增加。然而，优化过程成功找到了一些方案，能够在所有目标上均优于初始设计，证明了该方法的有效性。

直航速度云图优化对比

直航压力云图优化对比

船体表面声压云图优化对比