[發明專利]基于艇身自由變形的游艇減阻優化方法

有效

• 申請號: 202010533937.0
• 申請日: 2020-06-12
• 公開（公告）號: CN111723535B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 魯聰;楊瀟;田碩;王梓越;紀連正
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06F30/15;G06F119/14
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.基于艇身自由變形的游艇減阻優化方法，其特征在于，包括以下步驟：

S1、以游艇的總阻力為優化目標，建立基于關鍵控制點進行自由變形的游艇外流場仿真模型；

S2、基于樣本點和響應值構建Stacking集成學習的代理模型，使用機器學習中的網格搜索策略和和五折交叉驗證方法優化代理模型；具體實現方法為：基于實驗設計的樣本點及其響應的有限元仿真響應，建立Stacking集成學習的代理模型并驗證其精度；

Stacking集承學習的代理模型具有兩層結構：第一層為初級學習器，第二層是以上一層學習器的輸出結果作為輸入數據進行訓練的次級學習器；

訓練Stacking集成學習過程中使用網格搜索策略尋找最佳的參數組合，并采用平均絕對誤差MAE對基礎學習器進行評估，從Sklearn機器學習庫中選擇最佳的五個基礎學習器，每個基礎學習器都應該是回歸模型；

選擇次級學習器時利用MAE和相對平均絕對誤差RMAE進行評估，從多個待選模型中選擇出最好的次級模型作為Stacking集成學習的第二層模型；

使用Python編程實現Stacking集成學習類的定義，類中提供predict()接口，將模型定義為類后可以對模型進行序列化避免重復訓練，序列化工具使用Python中的pickle模塊；

S3：利用遺傳算法對所建立的Stacking集成學習的代理模型進行全局尋優，得到設計變量的最優組合；基于設計變量的最優組合，利用自由變形技術對原始艇身實現相應變形，采用逆向工程技術將變形后的艇身STL格式文件轉化為STEP格式文件，得到優化艇身模型。

2.根據權利要求1所述的基于艇身自由變形的游艇減阻優化方法，其特征在于，所述步驟S1包括以下子步驟：

S11、在游艇舭部、底部以及船首區域選擇關鍵控制點作為優化設計變量，利用拉丁超立方抽樣進行設計變量樣本點的選取；

基于自由變形技術對艇身進行變形，采用逆向工程技術將艇身STL格式文件轉化為STEP格式文件；最后再添加上游艇艙室，得到完整的游艇模型；

S12、建立艇身外流場仿真計算域，利用ANSYS ICEM對游艇計算域進行網格劃分，將網格文件導入FLUENT并添加相應的邊界條件，并進行數值仿真，得到艇身的總阻力值。

3.根據權利要求1所述的基于艇身自由變形的游艇減阻優化方法，其特征在于，所述步驟S3具體實現方法為：以游艇總阻力最低為優化目標，利用遺傳算法對所建立的Stacking集成學習的代理模型進行全局尋優，得到設計變量控制點的最優組合；尋優過程中使用pickle模塊提供的反序列化工具，將訓練好的模型載入內存，在計算目標函數時調用模型的predict()函數接口即可提供相應的響應值；基于優化得到的設計變量控制點最優組合，利用自由變形技術對游艇艇身進行變形；然后采用逆向工程技術將變形后的艇身STL格式文件轉化為STEP格式文件；最后再添加上游艇艙室，得到完整的游艇模型。