[发明专利]基于轻量化网络的船型参数化设计方法

权利要求书

1.基于轻量化网络的船型参数化设计方法，其特征在于，包括：

获取描述现有样本船型的船型特征参数，分别生成原始NURBS船型曲面；

根据所述船型曲面划分方法进行划分，导出划分后曲面全部NURBS控制点为三维坐标序列；

基于所述船型特征参数与控制点三维坐标序列构造船型数据集；

构建轻量化网络模型PDNN，将所述船型特征参数作为网络输入、对应船型曲面的三维坐标序列作为输出；

利用所述船型数据集训练PDNN网络模型对预测得到的控制点数据进行评估，并生成船型曲面。

2.如权利要求1所述的基于轻量化网络的船型参数化设计方法，其特征在于：所述船型特征参数具体包括，

选取21种能够准确描述船舶特性的典型参数作为船型特征参数，包括主尺度、船型系数、其它参数三类参数。

3.如权利要求2所述的基于轻量化网络的船型参数化设计方法，其特征在于：所述船型曲面划分方法包括将原始船型曲面被沿着船体特征曲线划分为11片子曲面，其中船艏5片、船舯4片、船尾2片；单个船型各子曲面所需控制点共334个，合并导出得到带指定位序的三维坐标序列，序列长度为3×334。

4.如权利要求3所述的基于轻量化网络的船型参数化设计方法，其特征在于：基于所述船型特征参数与控制点三维坐标序列构造的船型数据集包括173艘船型样本，其中162艘船型样本用作训练集、11艘船型样本用作验证集。

5.如权利要求4所述的基于轻量化网络的船型参数化设计方法，其特征在于：包括，

在构建的轻量化网络模型PDNN中，输入层为所述船型特征参数，隐含层由1个正则化层与2个128神经元全连接层组成，全连接层后设置ReLU激活层，输出层为船型曲面控制点的三维坐标序列，在网络输出之前加入平滑层，对坐标数据进行先验的规范处理。

6.如权利要求1～5任一所述的基于轻量化网络的船型参数化设计方法，其特征在于：对所述轻量化网络模型PDNN的构建包括，

采用MAE与MSE的带权联合损失作为损失函数，所述损失函数Loss的计算包括，

其中，n表示坐标数据的数量，y_i表示坐标数据的真值，为坐标数据的预测值，μ₁与μ₂分别表示MAE与MSE的权重。

7.如权利要求6所述的基于轻量化网络的船型参数化设计方法，其特征在于：包括，

Adam作为优化器，初始学习率为2×10^-3，迭代器为余弦退火函数，待损失收敛至指定阈值时停止训练。

8.如权利要求7所述的基于轻量化网络的船型参数化设计方法，其特征在于：对预测得到的控制点数据进行评估包括，

计算目标值与预测值的平均绝对百分比误差以评估模型性能；

当各项参数误差均小于5％时，即满足设计需求，训练完成；

否则，调整优化网络结构重新进行训练；

所述各项参数包括水线长、排水体积、浸水面积、方形系数以及棱形系数。

9.如权利要求8所述的基于轻量化网络的船型参数化设计方法，其特征在于：包括，

部署训练完成的PDNN模型于计算机系统中，包含目标船型特征参数输入模块、控制点坐标预测模块、船型曲面拟合模块、IGES文件存储模块；

目标船型特征参数输入模块用于用户输入符合设计需求得的船型特征参数；

控制点坐标预测模块用于根据输入的船型特征参数预测船型曲面控制点坐标；

IGES文件存储模块用于将符合设计要求的船型IGES文件进行存储。

10.如权利要求9所述的基于轻量化网络的船型参数化设计方法，其特征在于：所述船型曲面的生成包括，

应用部署好的PDNN参数化设计系统进行实际测试，输入目标船型特征参数，经过系统的坐标预测、曲面拟合、曲面文件输出，最终得到生成船型曲面。