System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能计算机辅助设计的,尤其是涉及一种基于拓扑优化的轮毂样式生成方法、装置及服务器。
技术介绍
1、通过汽车轮毂样式的生成是汽车造型设计中的重要环节,对于轮毂样式的设计来说,首先需要确保轮毂的工程性能,此外,对于用户来说,轮毂的美学设计也是必不可少的因素,目前,现有技术提出,可以通过cad设计师手动设计轮毂样式或者通过自动编码器自动生成新的轮毂样式,其中,手动设计的轮毂样式多样性较低,而编码器的自动设计只能关注轮毂的工程性能,无法创造美学设计,进而无法实现轮毂设计的美学与工程性能的平衡。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种基于拓扑优化的轮毂样式生成方法、装置及服务器,可以显著提升生成轮毂样式的多样性及工程性能。
2、第一方面,本专利技术实施例提供了一种基于深度学习与拓扑优化的轮毂样式生成方法,方法包括:获取原始数据集,其中,原始数据集包括:以现有车辆轮毂样式为基础的预设数量的轮毂参考样式;基于轮毂参考样式,对初始轮毂样式进行拓扑优化处理,以降低初始轮毂样式的柔度以及初始轮毂样式与轮毂参考样式之间的差异,确定第一轮毂优化样式,其中,柔度用于表示工程性能,柔度越小则轮毂样式的工程性能越好;通过预设l1损失函数,对轮毂优化样式进行筛选处理,确定第二轮毂优化样式,并获取第二轮毂优化样式对应的新样式比例,其中,新样式比例为当前迭代中的新轮毂样式数量与前一次迭代中的总轮毂样式数量的比例;当新样式比例小于预设比例阈值时,确定第二轮毂优化样式为目标
3、在一种实施方式中,基于轮毂参考样式,对初始轮毂样式进行拓扑优化处理,以降低初始轮毂样式的柔度以及初始轮毂样式与轮毂参考样式之间的差异,确定第一轮毂优化样式的步骤,包括:针对轮毂参考样式进行数据解析处理,确定轮毂参考样式中包含的位移向量、整体刚度矩阵和密度向量,并基于位移向量、整体刚度矩阵和密度向量确定优化模型;利用优化模型对初始轮毂样式进行拓扑优化处理,确定第一轮毂优化样式,其中,优化模型包括:柔度项和差异项,优化模型为:
4、
5、其中,为设计变量,表示单元的密度,为密度向量,为位移向量,t为矩阵的转置,为整体刚度矩阵,为柔度项,为差异项,为轮毂参考样式,为l1范数,为相似度参数,越大,表示最优设计越接近轮毂参考样式,对于较小的,则忽略轮毂参考样式,并对其进行优化,使顺应性最小化,为体积分数,为材料体积,为设计域体积。
6、在一种实施方式中,优化模型中的柔度项为:
7、
8、其中,为位移向量,k为整体刚度矩阵,为柔度,为单元位移向量,为单元刚度矩阵,为体积分数,为单元数,为单元的密度,为材料体积,为设计域体积。
9、在一种实施方式中,在获取第二轮毂优化样式对应的新样式比例的步骤之后,包括:当新样式比例不小于预设比例阈值时,利用预设生成模型对第二轮毂优化样式进行辅助设计处理,确定第三轮毂优化样式。
10、在一种实施方式中,生成模型中包括预设生成对抗网络,预设生成对抗网络包括:生成器和判别器,在利用预设生成模型对第二轮毂优化样式进行辅助设计处理,确定第三轮毂优化样式的步骤之前,包括:获取随机噪声向量,并将随机噪声向量发送至生成器,以提供轮毂样式生成的随机性,确定不同风格的随机轮毂样式;将随机轮毂样式发送至判别器中,使生成器和判别器进行对抗训练,确定目标生成对抗网络,以利用目标生成对抗网络对第二轮毂优化样式进行辅助设计处理,确定第三轮毂优化样式。
11、在一种实施方式中,在利用预设生成模型对第二轮毂优化样式进行辅助设计处理,确定第三轮毂优化样式的步骤之后,包括:通过预设l1损失函数,对第三轮毂优化样式进行二次筛选处理,确定第四轮毂优化样式,并结束本轮次的拓扑优化,重新针对第四轮毂优化样式进行拓扑优化处理。
12、在一种实施方式中,针对目标轮毂样式进行样式评估处理,生成可视化评估结果的步骤,包括:通过预设自编码器对目标轮毂样式的创新性进行量化评估,根据目标轮毂样式与轮毂参考样式的差异,确定目标轮毂样式的结构创新性评估结果,并针对目标轮毂样式进行物理性能测试,确定目标轮毂样式的可行性评估结果;将结构创新性评估结果和可行性评估结果整合,确定可视化评估结果。
13、第二方面,本专利技术实施例还提供一种基于拓扑优化的轮毂样式生成装置,装置包括:数据获取模块,获取原始数据集,其中,原始数据集包括:以现有车辆轮毂样式为基础的预设数量的轮毂参考样式;拓扑优化模块,基于轮毂参考样式,对初始轮毂样式进行拓扑优化处理,以降低初始轮毂样式的柔度以及初始轮毂样式与轮毂参考样式之间的差异,确定第一轮毂优化样式,其中,柔度用于表示工程性能,柔度越小则轮毂样式的工程性能越好;筛选过滤模块,通过预设l1损失函数,对轮毂优化样式进行筛选处理,确定第二轮毂优化样式,并获取第二轮毂优化样式对应的新样式比例,其中,新样式比例为当前迭代中的新轮毂样式数量与前一次迭代中的总轮毂样式数量的比例;轮毂样式评估模块,当新样式比例小于预设比例阈值时,确定第二轮毂优化样式为目标轮毂样式,并针对目标轮毂样式进行样式评估处理,生成可视化评估结果。
14、第三方面,本专利技术实施例还提供一种服务器,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现第一方面提供的任一项的方法。
15、第四方面,本专利技术实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现第一方面提供的任一项的方法。
16、本专利技术实施例带来了以下有益效果:
17、本专利技术实施例提供的一种基于拓扑优化的轮毂样式生成方法、装置及服务器,该方法在获取原始数据集后,基于轮毂参考样式,对初始轮毂样式进行拓扑优化处理,以降低初始轮毂样式的柔度以及初始轮毂样式与轮毂参考样式之间的差异,确定第一轮毂优化样式,之后通过预设l1损失函数,对轮毂优化样式进行筛选处理,以过滤掉相似样式,确定第二轮毂优化样式,并获取第二轮毂优化样式对应的新样式比例,当新样式比例小于预设比例阈值时,确定第二轮毂优化样式为目标轮毂样式,并针对目标轮毂样式进行样式评估处理,生成可视化评估结果,本专利技术实施例通过拓扑优化处理,保证了生成轮毂的工程性能,同时结合深度学习生成多样的轮毂样式,可以显著提升生成轮毂样式的多样性及工程性能。
18、本专利技术的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
19、为使本专利技术的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述基于所述轮毂参考样式,对初始轮毂样式进行拓扑优化处理,以降低所述初始轮毂样式的柔度以及所述初始轮毂样式与所述轮毂参考样式之间的差异,确定第一轮毂优化样式的步骤,包括:
3.根据权利要求2所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述优化模型中的柔度项为:
4.根据权利要求1所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,在获取所述第二轮毂优化样式对应的新样式比例的步骤之后,包括:
5.根据权利要求4所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述生成模型中包括预设生成对抗网络,所述预设生成对抗网络包括:生成器和判别器,在所述利用预设生成模型对所述第二轮毂优化样式进行辅助设计处理,确定第三轮毂优化样式的步骤之前,包括:
6.根据权利要求4所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,在所述利用预设生成模型对
7.根据权利要求1所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述针对所述目标轮毂样式进行样式评估处理,生成可视化评估结果的步骤,包括:
8.一种基于拓扑优化的轮毂样式生成装置,其特征在于,所述装置包括:
9.一种服务器,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述基于所述轮毂参考样式,对初始轮毂样式进行拓扑优化处理,以降低所述初始轮毂样式的柔度以及所述初始轮毂样式与所述轮毂参考样式之间的差异,确定第一轮毂优化样式的步骤,包括:
3.根据权利要求2所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述优化模型中的柔度项为:
4.根据权利要求1所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,在获取所述第二轮毂优化样式对应的新样式比例的步骤之后,包括:
5.根据权利要求4所述的基于深度学习与拓扑优化的轮毂样式生成方法,其特征在于,所述生成模型中包括预设生成对抗网络,所述预设生成对抗网络包括:生成器和判别器,在所述利用预设生成模型对所述第二轮毂优化样式进行辅助设计处理,确定第三轮毂优化样...
【专利技术属性】
技术研发人员:郎超豪,廖银,吴健明,
申请(专利权)人:浙江远算科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。