基于人工智能技术的船体水动力构型优化设计流程架构制造技术

本发明专利技术涉及一种基于人工智能技术的船体水动力构型优化设计的流程架构，包括专家经验、船体水动力构型历史样本数据、船体水动力构型设计输入、船体水动力构型设计知识和评价知识库、船体水动力构型参数化模型、知识驱动的船体水动力模型重构、基于人工智能技术的船体水动力构型优化设计、船体水动力性能快速评估、船体水动力性能综合评价指标模型等模块。本发明专利技术能够充分挖掘利用历史样本数据蕴藏的设计经验，将众多专家的经验提炼成设计知识融入船体水动力构型优化设计流程，流程架构通过设计知识驱动船体水动力模型智能重构,通过建立基于机器学习算法的水动力性能快速预报代理模型改进、提升传统的船体水动力性能预报方法耗时、效率低的缺陷。效率低的缺陷。效率低的缺陷。

【技术实现步骤摘要】
基于人工智能技术的船体水动力构型优化设计流程架构


[0001]本专利技术涉及一种基于人工智能技术的船体水动力构型优化设计的流程架构，尤其是一种适用于开发船体水动力构型智能优化设计软件或相关优化设计平台的流程架构设计方法。

技术介绍

[0002]传统的船体水动力构型设计依靠母型船的变换和设计师的经验，借助CAD、CAE和CFD等辅助工具，对船体水动力构型方案进行性能评估，依据性能评估结果与技术指标的比较决定是否进一步进行水动力构型优化设计，如此不断迭代，直至方案满足技术指标要求。上述船体水动力构型优化设计模式主要依靠设计师的经验和水平，效率低，费时耗力，船体水动力构型的水平受限于当前设计师个人和团队的经验，纵向上无法吸收利用纵多历史上优秀的船体水动力构型经验，横向上也影响了借鉴参考其他设计团队成功的经验和失败的教训，设计师的脑力无法同时考虑多维度的船体水动力构型设计约束与多个水动力性能指标之间的匹配、权衡问题，限制了船体水动力构型水平的提升；另外，水动力构型优化的大量过程方案和最终方案分散在各个设计团队手中，是相互隔离的信息孤岛，影响了对历史样本数据挖掘分析的基础。
[0003]传统的船体水动力构型优化设计模式未将历史设计样本数据以及专家经验充分利用，历史样本中蕴藏的优化设计知识未能充分挖掘、提炼、利用，专家经验和历史样本数据挖掘提炼形成的设计、评价知识尚未在船体水动力构型优化设计决策中得到应用；船体水动力性能预报手段通常是数值仿真或模型试验，时间周期较长，影响了船体水动力构型优化设计的效率；水动力性能综合评价指标模型也未融入优化设计流程之中，无法及时评判多个性能指标之间的匹配、权衡问题；船体水动力构型优化设计需要在多个独立功能模块之间切换，费时耗力，影响优化设计的效率和质量。另外，传统船体水动力构型优化设计流程只关注了满足指标要求的最终方案，其中大量的过程方案没有被重视，对过程方案中蕴藏的优化设计知识和策略尚未有开展挖掘分析和利用的流程惯例。
[0004]随着计算机算力以及人工智能技术的发展，为解决上述问题提供了契机，借助机器学习、数据挖掘分析等人工智能技术对船体水动力构型历史样本数据以及专家经验等进行处理分析形成指导水动力构型的设计知识和评价知识，同时结合船体水动力构型模型参数化、船体构型水动力性能快速预报方法以及船体水动力性能综合评价指标模型，将其融入到基于人工智能技术的船体水动力构型优化设计流程之中，提出区别于传统船体水动力构型优化设计模式的、基于人工智能技术的船体水动力构型优化设计的流程架构。

技术实现思路

[0005]有鉴于此，本专利技术提出一种基于人工智能技术的船体水动力构型优化设计流程架构。
[0006]本专利技术采用如下技术方案：
[0007]一种基于人工智能技术的船体水动力构型优化设计流程架构，包括专家经验、船体水动力构型历史样本数据、船体水动力构型设计输入、船体水动力构型设计知识和评价知识库、船体水动力构型参数化模型、知识驱动的船体水动力模型重构、基于人工智能技术的船体水动力构型优化设计、船体水动力性能快速评估、船体水动力性能综合评价指标模型等模块，所述船体水动力构型设计知识和评价知识库通过专家经验、船体水动力构型历史样本数据挖掘分析形成的知识共同构建，所述基于人工智能技术的船体水动力构型优化设计的流程从船体水动力构型设计输入开始，根据设计输入参数，人工智能引擎将设计要求与船体水动力构型设计知识库进行关联匹配分析，形成驱动船体水动力构型参数化模型构建的流程，设计知识驱动生成参数化模型，并进入船体水动力构型参数化模型构成的优化空间内，通过人工智能算法在优化空间内计算船体水动力构型设计优化的方向，探索满足技术指标要求的构型方案，每生成一个船体水动力构型方案后，通过应用船体水动力性能快速预报模块进行阻力、推进、波浪增阻、耐波性能、操纵性能以及流场性能的快速预报，流程架构一方面将船体水动力性能预报结果连同构型方案的参数、几何信息存储更新到船体水动力构型历史样本数据库中，另一方面将船体水动力性能预报结果传送到船体水动力性能综合评价指标模块，根据设计输入中的场景由算法选择适合的评价指标模型对船体水动力构型方案的综合性能指标进行评价分析，满足所有指标要求时，则输出满足要求的船体水动力构型方案；若指标不满足要求时，则综合该船体水动力构型方案的各类性能、流场特征以及评价指标模型给出的评价结论，通过深度学习算法，在设计知识和评价知识库中学习、探索水动力构型进一步优化的方向，形成驱动船体水动力模型重构的知识，完成知识驱动船体水动力参数化模型的重构，结合专家经验和历史样本数据经验知识重构的水动力参数化模型开始进入新一轮的智能优化设计，优化生成的船体水动力构型新方案再开始迭代计算分析，直至优化设计得到满足技术指标的方案。
[0008]进一步，所述专家经验包括：船体水动力构型成功的案例和失败的教训以及在实践中积累的优化设计知识。
[0009]进一步，所述专家经验采用专家经验与船体水动力构型设计知识和评价知识库之间的流程将专家长期实践过程中总结提炼的有形的、或是无形的、或是形态粗糙的经验通过知识工程、语义化技术形成系统的船体水动力构型优化设计知识库。
[0010]进一步，所述船体水动力构型历史样本数据包括：船体水动力构型的试验数据和仿真数据。
[0011]进一步，所述船体水动力构型的试验数据和仿真数据包括船体水动力构型几何参数和性能数据。
[0012]进一步，所述船体水动力构型历史样本数据采用船体水动力构型历史样本数据与船体水动力构型设计知识和评价知识库之间的流程对多源异构的船体水动力构型历史样本数据通过机器学习算法建立船体水动力构型参数与性能之间以及数据间、信息间、知识片段间多维度、多粒度的映射关联，与专家经验与船体水动力构型设计知识和评价知识库之间的流程形成的专家知识共同构成船体水动力构型设计知识、评价知识库。
[0013]进一步，所述专家经验与船体水动力构型设计知识和评价知识库之间的流程和船体水动力构型历史样本数据与船体水动力构型设计知识和评价知识库之间的流程事先基于已有的船体水动力构型历史样本数据和专家经验通过多元统计学习、支持向量机、深度
学习、知识工程等机器学习算法构建形成水动力构型优化设计的基础知识库，且通过不断自学习的智能技术持续更新。
[0014]进一步，每次优化生成的船体水动力构型参数、几何信息及其性能数据都通过流程保存到历史样本数据库，当增加的样本数据累积到一定数量之后，触发数据挖掘算法对历史样本数据进行新一轮的分析挖掘，将新挖掘的或需要调整的船体水动力构型设计知识和评价知识对船体水动力构型设计知识和评价知识库进行更新,自动升级水动力构型水平。
[0015]进一步，所述船体水动力性能快速预报，是基于不同船型大量的仿真数据集和试验数据集通过对机器学习算法的训练、调参构建的水动力性能快速预报的代理模型。
[0016]进一步，所述船体水动力性能快速预报包括：阻力性能、推进性能、波浪增阻、耐波性能、操纵性能和流场特征的分析评估。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能技术的船体水动力构型优化设计流程架构，其特征在于：包括专家经验、船体水动力构型历史样本数据、船体水动力构型设计输入、船体水动力构型设计知识和评价知识库、船体水动力构型参数化模型、知识驱动的船体水动力模型重构、基于人工智能技术的船体水动力构型优化设计、船体水动力性能快速评估、船体水动力性能综合评价指标模型等模块，所述船体水动力构型设计知识和评价知识库通过专家经验、船体水动力构型历史样本数据挖掘分析形成的知识共同构建，所述基于人工智能技术的船体水动力构型优化设计的流程从船体水动力构型设计输入开始，根据设计输入参数，人工智能引擎将设计要求与船体水动力构型设计知识库进行关联匹配分析，形成驱动船体水动力构型参数化模型构建的流程，设计知识驱动生成参数化模型，并进入船体水动力构型参数化模型构成的优化空间内，通过人工智能算法在优化空间内计算船体水动力构型设计优化的方向，探索满足技术指标要求的构型方案，每生成一个船体水动力构型方案后，通过应用船体水动力性能快速预报模块进行阻力、推进、波浪增阻、耐波性能、操纵性能以及流场性能的快速预报，流程架构一方面将船体水动力性能预报结果连同构型方案的参数、几何信息存储更新到船体水动力构型历史样本数据库中，另一方面将船体水动力性能预报结果传送到船体水动力性能综合评价指标模块，根据设计输入中的场景由算法选择适合的评价指标模型对船体水动力构型方案的综合性能指标进行评价分析，满足所有指标要求时，则输出满足要求的船体水动力构型方案；若指标不满足要求时，则综合该船体水动力构型方案的各类性能、流场特征以及评价指标模型给出的评价结论，通过深度学习算法，在设计知识和评价知识库中学习、探索水动力构型进一步优化的方向，形成驱动船体水动力模型重构的知识，完成知识驱动船体水动力参数化模型的重构，结合专家经验和历史样本数据经验知识重构的水动力参数化模型开始进入新一轮的智能优化设计，优化生成的船体水动力构型新方案再开始迭代计算分析，直至优化设计得到满足技术指标的方案。2.根据权利要求1所述的基于人工智能技术的船体水动力构型优化设计流程架构，其特征在于：所述专家经验包括：船体水动力构型成功的案例和失败的教训以及在实践中积累的优化设计知识。3.根据权利要求2所述的基于人工智能技术的船体水动力构型优化设计流程架构，其特征在于：所述专家经验采用专家经验与船体水动力构型设计知识和评价知识库之间的流程将专家长期实践过程中总结提炼的有形的、或是无形的...

【专利技术属性】
技术研发人员：沈兴荣，范佘明，黄蔚，杨素军，孙群，吴永顺，夏召丹，王志勇，李兆辉，
申请(专利权)人：中国船舶工业集团公司第七零八研究所，
类型：发明
国别省市：