基于先验规则和深度神经网络的舰船电气图纸布局方法技术

本发明专利技术提供了基于先验规则和深度神经网络的舰船电气图纸布局方法，通过对于符合条件的连接场景，确定的完成布局布线任务并且不会发生布线交叉或布线失败，实现了在电气图纸设计中自动化布局布线的功能。本发明专利技术在大部分实际的电气布线任务中，有效提高了电气布局布线工作中的自动化程度，提高了图纸的布局速度和布局布线的可靠性；实现了电气图纸正确、快速、合理的自动布线布局；运行速度快，源占用低，充分利用奇异值分解的方法提取特征，降低了神经网络的运算复杂程度。网络的运算复杂程度。网络的运算复杂程度。

【技术实现步骤摘要】
基于先验规则和深度神经网络的舰船电气图纸布局方法


[0001]本专利技术属于装备智能设计
，具体涉及基于先验规则和深度神经网络的舰船电气图纸布局方法。

技术介绍

[0002]在现代船舶的研发、设计和生产过程中，电气系统都起到了至关重要的作用，因此电气图纸的绘制也成为船舶设计过程中的重要一环。经过几十年的技术发展和演进，现代舰船的设计已经大规模使用CAD设计软件来辅助相关技术人员的设计工作，降低了相关技术人员的设计工作强度。同时随着计算机系统在相关设计领域的大范围应用，现代舰船系统的设计数据也大部分实现了电子化。现有技术在已经实现了设计信息化的初步目标后，现在也逐步向智能化开始迈进。
[0003]在现在舰船设计工程中CAD技术已经得到了广泛的应用，传统使用纸笔的绘制方式已经基本被淘汰。现代舰船电气布线图纸主要依靠工程技术人员操作计算机CAD软件绘制，操作计算机CAD软件绘制图纸的速度相对于使用纸笔来绘制来说有了较大的提升，但是由于依旧依赖于人工的一步步操作，速度还是相对较为缓慢，一个熟练的工程师绘制一张较为复杂的图纸就需要大约三天的时间，即便是比较简单的图纸也可能需要数小时的工作。绘图速度慢导致研发过程中迭代周期变长，降低了舰船的设计研发效率。同时由于人员操作CAD软件绘图时总会存在各种各样的疏漏，因此现阶段人工绘图速度慢，可靠性低已经成为制约舰船设计工作进一步提升效率的瓶颈。
[0004]人工操作CAD软件绘图主要存在的问题包括三个方面：
[0005]第一，人工操作软件过程步骤多且繁琐，并且各个设计步骤间存在相应的耦合和关联。一般常规舰船电气图纸设计按以下步骤设计：工程技术人员首先需要根据器件的型号和参数，将器件标志从器件库导入，然后再将器件拖动到图纸的相应位置，最后再根据电子表格中的连接关系进行布线和连接。期间可能还会根据实际的布线情况调整相应的器件布局，并相应的调整走线，经过反复的迭代调整直到完成设计，这样繁复人工设计流程直接导致了绘图速度较慢，大大拖累了船舶的设计进度。
[0006]第二，图纸数据的多样化导致布局设计的复用及其困难。由于图纸的多样性，很难找到一种较为科学的方法复用图纸，这就导致每一张图纸的绘制都要重复上述的绘图流程，工程技术人员在绘制每张图纸都要对上述流程进行机械重复，使得图纸的绘制效率大大降低。大量的重复劳动一方面会降低技术工作人员的设计效率，另一方面也容易导致设计疏漏。
[0007]第三，人工绘图的可靠性较低。复杂的流程和大量的图纸绘制工作都由工程技术人员手工完成，设计工作的工作量也会随着图纸数量越来越大，绘制人员越来越多而极大的增加。虽然一个技术人员绘制一张技术图纸出错概率极小，但是根据大数定律不难发现，庞大的工作量会导致错误的发生会成为一个确定事件不可避免，而排查这些小错误也需要耗费大量的人力和时间，因此在图纸规模逐渐变大，数量逐渐变多的过程中，人工绘图的可
靠性会逐渐变低。
[0008]正是因为人工设计绘图存在速度慢和效率低的缺点，越来越多的目光开始投向计算机的智能自动化绘图，人工智能技术也为解决电气图纸的设计提供了新的手段。在人工智能指导布局布线问题的理论研究方面，国内外学者的探索还处于早期阶段，缺乏一种可扩展的奖励设计体系和端到端的学习范式。国内上海交通大学研究人员为了解决芯片设计中的布局问题，提出了一种称为DeepPlace的联合学习方法用于放置宏和标准单元，实现了端到端的布局任务的学习。来自于美国google公司的研究人员也针对芯片布局这类问题进行了大量的研究，Google的研究人员提出了一种基于深度强化学习的芯片布局的规划算法，该算法将芯片布局规划问题作为一个强化学习问题，并应用了一种基于边的图卷积神经网络架构，能够学习芯片的特征并将其表征出来，最终通过大量的训练解决芯片布局的自动化设计问题。加拿大西蒙菲莎大学的学者对于建筑设计中的布局问题，提出了一种生成器和鉴别器建立在关系架构上的图约束生成对抗网络。他们通过将约束编码到其关系网络的图结构中来实现生成器和鉴别器的关系连接的。同时由于布局问题和图论之间的紧密联系，来自加拿大的一些科学家结合组合优化与推理的场景，提出了一系列的图神经网络作为求解器或者增强精确求解器的方法。同时也基于上述研究介绍了图神经网络对于排列的不变性和输入稀疏性的一些研究结果。上述的一些研究主要是针对各类布局问题一些研究情况。针对于布线问题，国内天津大学的研究人员提出了一种协同进化算法的船舶管道布线设计方法。该方法通过将工作空间划分为三维网格单元，结合迷宫算法、非支配排序遗传算法II和协同进化非支配排序遗传算法，实现了一种可以从帕累托最优解中提取最佳折衷管道的优化程序。
[0009]综上所述，针对布局问题和布线问题已经有一定的解决路径和技术方法，但是现有的研究方法往往聚焦于单一的布局或者布线问题。在布局和布线相互耦合，互相干涉的场景下，尚无一种统筹性的方法来系统性的解决问题。同时现有的一些布局优化算法，大量使用各类端到端的神经网络算法，其算法效果大大依赖于数据的数量。由于端到端神经网络主要依赖数据驱动，缺乏先验知识的支撑，存在一定的错误率，无法完全避免布线失败或是布线错误，因此距离实际的生产应用还有较大的差距。

技术实现思路

[0010]本专利技术要解决的技术问题是：提供基于先验规则和深度神经网络的舰船电气图纸布局方法，用于在电气图纸设计中自动化布局布线。
[0011]本专利技术为解决上述技术问题所采取的技术方案为：基于先验规则和深度神经网络的舰船电气图纸布局方法，包括以下步骤：
[0012]S1：对电气图纸的拓扑结构进行分类，分析拓扑特点，列出树状图；
[0013]S2：结合图论中关于多叉树的性质与结构知识制定布局布线的先验规则；通过确定的流程和约束条件完成基础布局；基础布局包括元件串联场景、元件子图串联场景和元件子图并联场景；
[0014]S3：使用神经网络对布线和布局中的布局参数进行微调和优化，使图纸的布局合理美观。
[0015]按上述方案，所述的步骤S1中，具体步骤为：
[0016]树状图是图形内不包含回环的图；树状图的连接方式包括串联和并联；树状图包括元件和子图；元件是图中的最小的、不可拆分的节点；子图用于描述经过布局后的一部分元件或子图形成的整体。
[0017]进一步的，所述的步骤S2中，具体步骤为：
[0018]S21：根据串联和并联的不同场合制定先验规则，照自底向上的方法分解树状图，套用相应的先验规则进行布局，然后组合形成完整的布局；制定布局布线的先验规则的核心原则为：保证线缆连接无相交；在满足线缆无相交的情况下提高每个小结构的布局的空间利用率；
[0019]S22：采用迭代的方法优化布局，自底向上布置和调整布局，在每个部分的元件布局完成之后，在一个子图中将子图和子图、子图和元件、元件和元件打包成一个整体，进行迭代形成新的子图，形成包含所有元件的子图得到最终的布局图。
[0020]进一步的，所述的步骤S2中，
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于先验规则和深度神经网络的舰船电气图纸布局方法，其特征在于：包括以下步骤：S1：对电气图纸的拓扑结构进行分类，分析拓扑特点，列出树状图；S2：结合图论中关于多叉树的性质与结构知识制定布局布线的先验规则；通过确定的流程和约束条件完成基础布局；基础布局包括元件串联场景、元件子图串联场景和元件子图并联场景；S3：使用神经网络对布线和布局中的布局参数进行微调和优化，使图纸的布局合理美观。2.根据权利要求1所述的基于先验规则和深度神经网络的舰船电气图纸布局方法，其特征在于：所述的步骤S1中，具体步骤为：树状图是图形内不包含回环的图；树状图的连接方式包括串联和并联；树状图包括元件和子图；元件是图中的最小的、不可拆分的节点；子图用于描述经过布局后的一部分元件或子图形成的整体。3.根据权利要求2所述的基于先验规则和深度神经网络的舰船电气图纸布局方法，其特征在于：所述的步骤S2中，具体步骤为：S21：根据串联和并联的不同场合制定先验规则，照自底向上的方法分解树状图，套用相应的先验规则进行布局，然后组合形成完整的布局；制定布局布线的先验规则的核心原则为：保证线缆连接无相交；在满足线缆无相交的情况下提高每个小结构的布局的空间利用率；S22：采用迭代的方法优化布局，自底向上布置和调整布局，在每个部分的元件布局完成之后，在一个子图中将子图和子图、子图和元件、元件和元件打包成一个整体，进行迭代形成新的子图，形成包含所有元件的子图得到最终的布局图。4.根据权利要求2所述的基于先验规则和深度神经网络的舰船电气图纸布局方法，其特征在于：所述的步骤S2中，元件串联场景布局的单元仅包括元件，且元件之间为串联关系；元件串联场景的先验规则优先考量空间利用率；元件串联场景的排布算法为：首先根据设定的子图长宽比计算长宽节点数，对长宽节点数的浮点数向上取整；然后采用试探法试探是否有一个子图的大小可以缩小；若不行则使用向上取整之后的长宽作为所需的长宽；若可以则使用缩小后的长宽；确定好布置的长宽节点数后，将元件按照顺序进行蛇形排列，完成元件串联场景的布局。5.根据权利要求2所述的基于先验规则和深度神经网络的舰船电气图纸布局方法，其特征在于：所述的步骤S2中，元件子图串联场景为不同元件子图的串联布局，最后一个子图较大，前面的元件为标准元件且大小相同；元件子图串联场景的先验规则优先考量空间利用率；元件子图串联场景的排布算法为：首先将最大的子图放在最上方，并以子图的宽度作为新的布局的宽度；
然后在最大的子图的下方按照蛇形走线的方法布置元件；若起点元件的起点向左，则将元件对应的连接点顺延至左方；若起点元件的起点向右，则在该布局下方另起一个新行，将元件对应的连接点放置于新行的最左边，使布局的实际连接点保证在左下方，完成元件子图串联场景的布局。6.根据权利要求2所述的基于先验规则和深度神经网络的舰船电气图纸布局方法，其特征在于：所述的步骤S2中，元件子图并联场景为不同大小的子图和元件的并联合并场景；元件子图并联场景的先验规则优先考量避免线缆相交，其次考虑布局的空间利用率；元件子图并联场景的排布算法为：对所有需要并联的元件和子图进行一次排序，将大的子图放在前面，小的子图或元件放在后面；然后按照先大后小的顺序从左到右布置子图和元件的位置，直到布置完为止；最后将父元件放在整个布局的下方正...

【专利技术属性】
技术研发人员：罗威，黄一学，吴盛，秦克，陶浩，
申请(专利权)人：中国舰船研究设计中心，
类型：发明
国别省市：