Shape optimisation has become a key tool for improving hydrodynamic performance and reducing drag in modern marine architecture. By systematically exploring the influence of geometric parameters on flow behaviour, optimisation loops enable designers to identify efficient configurations while accounting for physical and operational constraints. However, when high-fidelity Computational Fluid Dynamics (CFD) simulations are involved, the associated computational cost can become a major limitation. In this context, surrogate-based optimisation (SBO) offers an efficient framework by replacing a large number of expensive simulations with a predictive model trained on a limited dataset, thereby making CFD-driven optimisation more suitable for industrial applications.

An illustrative and relevant application of this approach is the shape optimisation of a sailing yacht keel bulb. With the increasing use of hydrofoils on modern racing yachts, the relative contribution of appendages to the total drag has become more significant. Optimising the keel bulb geometry is therefore of particular interest for performance improvement. Moreover, this problem can be formulated with a limited number of design variables while still capturing meaningful hydrodynamic effects, making it a suitable case study for the development and validation of an optimisation framework.

The objective of this thesis is to develop a complete and automated optimisation loop for the CFD-based shape optimisation of an IMOCA yacht keel bulb. The work includes the creation of a parametric geometric modeller, the automation of Reynolds-Averaged Navier--Stokes (RANS) simulations, and the implementation of a Gaussian Process Regressor (GPR) surrogate model. Special attention is given to the selection of initial and adaptive sampling strategies in order to minimise the number of CFD evaluations while preserving surrogate accuracy. The optimisation is performed under a volume constraint, with the aim of reducing hydrodynamic drag. The resulting methodology is intended to provide a robust and reusable framework that can be extended to more complex marine optimisation problems.

Formoptimering har blivit ett centralt verktyg för att förbättra hydrodynamisk prestanda och reducera motstånd inom modern marinteknik. Genom att systematiskt analysera hur geometriska parametrar påverkar strömningen möjliggör optimeringsloopar identifiering av effektiva geometrier samtidigt som fysiska och operativa begränsningar beaktas. När högupplösta, tidskrävande, numeriska strömningsberäkningar (CFD) används uppstår dock betydande beräkningskostnader, vilket kan utgöra en avgörande begränsning. I detta sammanhang erbjuder surrogate-based optimisation (SBO) ett effektivt ramverk genom att ersätta ett stort antal simuleringar med en prediktiv modell tränad på en begränsad datamängd. Detta gör CFD-baserad optimering genomförbar i industriella tillämpningar.

Ett relevant och illustrativt tillämpningsområde är formoptimering av kölbulben på en segelbåt. I takt med den ökade användningen av bärplan på moderna kappseglingsyachter har bihangens relativa bidrag till det totala motståndet blivit mer betydande. Optimering av kölbulbens geometri är därför av särskild betydelse ur prestandasynvinkel. Problemet kan formuleras med ett begränsat antal designvariabler, samtidigt som väsentliga hydrodynamiska effekter inkluderas, vilket gör det till en lämplig fallstudie för utveckling och validering av ett optimeringsramverk.

Syftet med detta examensarbete är att utveckla en komplett och automatiserad optimeringsloop för CFD-baserad formoptimering av kölbulben på en IMOCA-yacht. Arbetet omfattar utveckling av en parametrisk geometrimodell, automatisering av Reynolds-Averaged Navier–Stokes (RANS)-simuleringar samt implementering av en SBO-modell baserad på Gaussian Process Regressor (GPR). Särskild vikt läggs vid val av initiala och adaptiva samplingsstrategier för att minimera antalet CFD-beräkningar samtidigt som SBO-modellens noggrannhet bibehålls. Optimeringen genomförs under en volymbegränsning med målet att reducera det hydrodynamiska motståndet. Den föreslagna metodiken syftar till att utgöra ett robust och återanvändbart ramverk som kan vidareutvecklas för mer komplexa marina optimeringsproblem.