CN113591206B - 一种基于几何变形空间特征的船型优化设计方法及系统 - Google Patents
一种基于几何变形空间特征的船型优化设计方法及系统 Download PDFInfo
- Publication number
- CN113591206B CN113591206B CN202110776931.0A CN202110776931A CN113591206B CN 113591206 B CN113591206 B CN 113591206B CN 202110776931 A CN202110776931 A CN 202110776931A CN 113591206 B CN113591206 B CN 113591206B
- Authority
- CN
- China
- Prior art keywords
- ship
- sample
- geometric
- matrix
- curved surface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- 239000013598 vector Substances 0.000 claims abstract description 9
- 101150080778 INPP5D gene Proteins 0.000 claims description 92
- 230000009466 transformation Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000013401 experimental design Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 101100057959 Mus musculus Atxn1l gene Proteins 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种基于几何变形空间特征的船型优化设计方法及系统,通过对样本船型库的几何信息矩阵进行降维得到一组基向量和基系数,基系数即为新的设计变量,通过基系数和基向量可快速重构出新的船型,从而实现用较少的参数表征船型的几何特征。本发明从众多控制船体变形的参数中,分析出在保证实现船体几何变形空间不变的情况下所需要的最少的控制参数,从而缩减了船型优化问题的维度,有效提高了优化效率。
Description
技术领域
本发明属于计算机仿真设计技术领域,涉及一种船型优化设计方法及系统,具体涉及一种基于几何变形空间特征的船型优化设计方法及系统。
背景技术
船型优化设计是船舶总体设计的核心环节,近年来一种面向知识化、智能化的船型设计模式——基于仿真的设计(Simulation Based Design,SBD)技术悄然兴起,将传统的“先提方案后做评估”的正向设计模式转变为新型的“以设计目标驱动方案生成”的逆向设计模式,大幅提升了船型智能设计能力。
船型优化设计的核心是找到性能较优的船体外形,同时由于船体外形复杂多变,为能更加精确和丰富地表达船体外形,需要采用众多参数来控制船体外形,实现船体外形的连续型变化。
船型优化问题的设计变量即为控制船体外形变形的参数,控制船体变形的参数越多,意味着船型优化问题的维度越大,求解难度越大。
发明内容
本发明从船体几何外形变化空间的角度入手,提供了一种通过分析几何变形空间特征的方法,从众多控制船体变形的参数中,分析出在保证实现船体几何变形空间不变的情况下所需要的最少的控制参数,从而缩减了船型优化问题的维度,有效降低了设计难度。
本发明的方法所采用的技术方案是:一种基于几何变形空间特征的船型优化设计方法,包括以下步骤:
步骤1:将船体曲面离散化,选择船体曲面上的点作为控制点,其坐标值作为设计变量,确定设计变量的上下限,并采用拉丁方实验设计进行采样;
步骤2:船体曲面自动变形,生成变形后的样本船型,形成样本船型集;
步骤3:根据样本船型集的信息,得到设计变量与船型几何变形空间之间的几何信息矩阵,每一列表示一条样本船型的型值点信息;
其中,样本数量为N,每条样本船取M个型值点坐标,则每条样本船的几何信息表示为:
Xi T=(x1,y1,z1,x2,y2,z2,…,xM,yM,zM);
每个新船型表示为样本船型的线性组合:
步骤4:对几何信息矩阵进行标准化处理,计算其协方差矩阵,并对协方差矩阵进行特征分解,将得到的特征值按照从大到小的顺序排列;
步骤5:根据设定的阈值β选择前MP个较大的特征值对应的特征向量组成变换矩阵,称为基模态;将转换后的数据矩阵称为基系数,即得到缩减后的设计变量以及相应的变化范围;其中,β为预设值;
步骤6:基于得到的缩减后的设计变量,每输入一组设计变量,即:得到一组对应的基系数,再根据保留的基模态重构出新船型的几何信息矩阵,生成对应的船型。
本发明的系统所采用的技术方案是:一种基于几何变形空间特征的船型优化设计系统,包括以下模块:
模块1,用于将船体曲面离散化,选择船体曲面上的点作为控制点,其坐标值作为设计变量,确定设计变量的上下限,并采用拉丁方实验设计进行采样;
模块2,用于船体曲面自动变形,生成变形后的样本船型,形成样本船型集;
模块3,用于根据样本船型集的信息,得到设计变量与船型几何变形空间之间的几何信息矩阵,每一列表示一条样本船型的型值点信息;
其中,样本数量为N,每条样本船取M个型值点坐标,则每条样本船的几何信息表示为:
Xi T=(x1,y1,z1,x2,y2,z2,…,xM,yM,zM);
每个新船型表示为样本船型的线性组合:
模块4,用于对几何信息矩阵进行标准化处理,计算其协方差矩阵,并对协方差矩阵进行特征分解,将得到的特征值按照从大到小的顺序排列;
模块5,用于根据设定的阈值β选择前MP个较大的特征值对应的特征向量组成变换矩阵,称为基模态;将转换后的数据矩阵称为基系数,即得到缩减后的设计变量以及相应的变化范围;其中,β为预设值;
模块6,用于基于得到的缩减后的设计变量,每输入一组设计变量,即得到一组对应的基系数,再根据保留的基模态重构出新船型的几何信息矩阵,生成对应的船型。
相对于现有技术,本发明的有益效果是:通过对船型的几何特征进行采样分析,从几何变形的角度对设计变量进行降维,无需进行性能计算,计算量较小,提高了优化效率。
附图说明
图1为本发明实施例的方法流程图;
图2为本发明实施例的船体曲面离散化示意图;
图3为本发明实施例的初步选定的船体曲面上的控制点示意图;
图4为本发明实施例的变形的型线对比示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
请见图1,本发明提供的一种基于几何变形空间特征的船型优化设计方法,包括以下步骤:
步骤1:将船体曲面离散化,选择船体曲面上的点作为控制点,其坐标值作为设计变量,确定设计变量的上下限,并采用拉丁方实验设计进行采样;
本实施例中步骤1的具体实现包括以下子步骤:
步骤1.1:将船体曲面将沿船体曲面uv方向离散化后获得的曲线交叉点作为控制点离散化;uv度为曲面的一种表达形式,通过uv值可表示曲面上任意一点。请见图2,本实施例中笛卡儿积均匀有理B样条曲面在四维齐次坐标空间中表示为:
其中,是四维齐次控制多边形顶点,Ni,k(u)和Mj,l(v)是非均匀有理B样条的基函数;m、n、u、v、k、i、j、l分别表示控制点的序号;上式投影到三维物理空间得非均匀有理B样条NURBS曲面的数学表达式:
其中Bi,j是三维曲面的控制顶点,ωi,j是相应控制顶点Bi,j的权重因子,Qi,j(u,v)是两变量的B样条基函数:
步骤1.2:将沿船体曲面uv方向离散化后获得的曲线交叉点作为控制点,其坐标值作为设计变量;
请见图3,为本实施例中初步选定的船体曲面上的控制点。
步骤1.3:确定设计变量的上下限,并采用拉丁方实验设计进行采样。
步骤2:使用船体变形程序完成船体曲面的自动变形,生成变形后的样本船型,形成样本船型集;
请见图4,本实施例中,在船体曲面变形时,使用完整形式的插值方程:
式中,船体曲面上点X=(x,y,z)移动的距离用S(X)表示,点的数量用n表示,λi表示权重系数,φ表示基函数,Xi表示船体曲面上的点;p(X)是低阶多项式,具体形式及矩阵形式为:
p(X)=c1x+c2y+c3z+c4;
在几何变换中,A表示复合变换,T为平移变量;c1、c2、c3、c4均为系数。
将n个点移动前后的坐标变化量代入下式,求取出方程中的系数λi和ci;
S(Xi)=fi,i=1,2,...,n;
其中,fi表示控制点的坐标变化量;加入多项式p(X)后,同时联立权重系数所满足的正交约束条件,保证方程有解;
综合得式:
记λ=[λ1,λ2,…,λn]T,c=[c1,c2,c3,c4]T,F=[f1,f2,…,fn]T,Ai,j=φ(||Xi-Xj||),i,j=1,2,…n,
分x,y,z三个方向展开,得如下方程组:
通过使用LU分解的方法快速求解上述线性方程组,获得插值的系数,从而得到完整的表达式。
步骤3:根据样本船型集的信息,得到设计变量与船型几何变形空间之间的几何信息矩阵,每一列表示一条样本船型的型值点信息;
本实施例中,样本数量为N,每条样本船取M个型值点坐标,则每条样本船的几何信息表示为:
Xi T=(x1,y1,z1,x2,y2,z2,…,xM,yM,zM);
每个新船型表示为样本船型的线性组合:
步骤4:对几何信息矩阵进行标准化处理,计算其协方差矩阵,并对协方差矩阵进行特征分解,将得到的特征值按照从大到小的顺序排列;
本实施例中,用每列的数据减去这一列的均值,得到每条样本船的平均几何特征表示为:
所有样本船型标准化后的几何信息矩阵为:
协方差矩阵为:
对协方差矩阵进行分解,其中λj为特征值,uj为特征向量;
步骤5:根据设定的阈值β选择前MP个较大的特征值对应的特征向量组成变换矩阵,称为基模态;将转换后的数据矩阵称为基系数,即得到缩减后的设计变量以及相应的变化范围;其中,β为预设值;
本实施例中根据下式进行阈值判断:
将特征值按照从大到小的顺序排列,取前MP个特征值对应的特征向量组成变换矩阵:
步骤6:基于得到的缩减后的设计变量,每输入一组设计变量,即得到一组对应的基系数,再根据保留的基模态重构出新船型的几何信息矩阵,生成对应的船型,实现了船型变形的维度缩减,进而实现了船型优化问题的维度降低;
本实施例中,根据下式对几何信息矩阵进行重构:
本发明从船体几何外形变化空间的角度入手,提供了一种通过分析几何变形空间特征的方法,从众多控制船体变形的参数中,分析出在保证实现船体几何变形空间不变的情况下所需要的最少的控制参数,从而缩减了船型优化问题的维度,有效降低了设计难度。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (7)
1.一种基于几何变形空间特征的船型优化设计方法,其特征在于,包括以下步骤:
步骤1:将船体曲面离散化,选择船体曲面上的点作为控制点,其坐标值作为设计变量,确定设计变量的上下限,并进行采样;
步骤2:船体曲面自动变形,生成变形后的样本船型,形成样本船型集;
步骤3:根据样本船型集的信息,得到设计变量与船型几何变形空间之间的几何信息矩阵,每一列表示一条样本船型的型值点信息;
其中,样本数量为N,每条样本船取M个型值点坐标,则每条样本船的几何信息表示为:
Xi T=(x1,y1,z1,x2,y2,z2,…,xM,yM,zM);
每个新船型表示为样本船型的线性组合:
步骤4:对几何信息矩阵进行标准化处理,计算其协方差矩阵,并对协方差矩阵进行特征分解,将得到的特征值按照从大到小的顺序排列;
步骤5:根据设定的阈值β选择前MP个较大的特征值对应的特征向量组成变换矩阵,称为基模态;将转换后的数据矩阵称为基系数,即得到缩减后的设计变量以及相应的变化范围;
步骤6:基于得到的缩减后的设计变量,每输入一组设计变量,即得到一组对应的基系数,再根据保留的基模态重构出新船型的几何信息矩阵,生成对应的船型。
2.根据权利要求1所述的基于几何变形空间特征的船型优化设计方法,其特征在于,步骤1的具体实现包括以下子步骤:
步骤1.1:将船体曲面沿船体曲面的uv方向离散化;
笛卡儿积均匀有理B样条曲面在四维齐次坐标空间中表示为:
其中,是四维齐次控制多边形顶点,Ni,k(u)和Mj,l(v)是非均匀有理B样条的基函数,m、n、u、v、k、i、j、l分别表示控制点的序号;上式投影到三维物理空间得非均匀有理B样条NURBS曲面的数学表达式:
其中Bi,j是三维曲面的控制顶点,ωi,j是相应控制顶点Bi,j的权重因子,Qi,j(u,v)是两变量的B样条基函数:
步骤1.2:将沿船体曲面uv方向离散化后获得的曲线交叉点作为控制点,其坐标值作为设计变量;
步骤1.3:确定设计变量的上下限,并采用拉丁方实验设计进行采样。
3.根据权利要求1所述的基于几何变形空间特征的船型优化设计方法,其特征在于,步骤2中,在船体曲面变形时,使用完整形式的插值方程:
式中,船体曲面上点X=(x,y,z)移动的距离用S(X)表示,点的数量用n表示,λi表示权重系数,φ表示基函数,Xi表示船体曲面上的点;p(X)是低阶多项式,具体形式及矩阵形式为:
p(X)=c1x+c2y+c3z+c4;
在几何变换中,A表示复合变换,T为平移变量;c1、c2、c3、c4均为系数;
将n个点移动前后的坐标变化量代入下式,求取出方程中的系数λi和ci;
S(Xi)=fi,i=1,2,...,n;
其中,fi表示控制点的坐标变化量;加入多项式p(X)后,同时联立权重系数所满足的正交约束条件,保证方程有解;
综合得式:
分x,y,z三个方向展开,得如下方程组:
通过使用LU分解的方法快速求解上述方程组,获得插值的系数,从而得到完整的表达式。
7.一种基于几何变形空间特征的船型优化设计系统,其特征在于,包括以下模块:
模块1,用于将船体曲面离散化,选择船体曲面上的点作为控制点,其坐标值作为设计变量,确定设计变量的上下限,并进行采样;
模块2,用于船体曲面自动变形,生成变形后的样本船型,形成样本船型集;
模块3,用于根据样本船型集的信息,得到设计变量与船型几何变形空间之间的几何信息矩阵,每一列表示一条样本船型的型值点信息;
其中,样本数量为N,每条样本船取M个型值点坐标,则每条样本船的几何信息表示为:
Xi T=(x1,y1,z1,x2,y2,z2,…,xM,yM,zM);
每个新船型表示为样本船型的线性组合:
模块4,用于对几何信息矩阵进行标准化处理,计算其协方差矩阵,并对协方差矩阵进行特征分解,将得到的特征值按照从大到小的顺序排列;
模块5,用于根据设定的阈值β选择前MP个较大的特征值对应的特征向量组成变换矩阵,称为基模态;将转换后的数据矩阵称为基系数,即得到缩减后的设计变量以及相应的变化范围;其中,β为预设值;
模块6,用于基于得到的缩减后的设计变量,每输入一组设计变量,即得到一组对应的基系数,再根据保留的基模态重构出新船型的几何信息矩阵,生成对应的船型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110776931.0A CN113591206B (zh) | 2021-07-09 | 2021-07-09 | 一种基于几何变形空间特征的船型优化设计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110776931.0A CN113591206B (zh) | 2021-07-09 | 2021-07-09 | 一种基于几何变形空间特征的船型优化设计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113591206A CN113591206A (zh) | 2021-11-02 |
CN113591206B true CN113591206B (zh) | 2023-04-28 |
Family
ID=78246690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110776931.0A Active CN113591206B (zh) | 2021-07-09 | 2021-07-09 | 一种基于几何变形空间特征的船型优化设计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113591206B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115659497B (zh) * | 2022-10-18 | 2023-07-21 | 武汉理工大学 | 一种基于直接控制自由变形的船体建模方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6560498B1 (en) * | 1998-03-05 | 2003-05-06 | Jong Gye Shin | Formation method and device for curved plates |
CN105243243A (zh) * | 2015-11-16 | 2016-01-13 | 武汉理工大学 | 基于自由变形技术的车身气动造型优化方法 |
CN110110444A (zh) * | 2019-05-09 | 2019-08-09 | 武汉理工大学 | 一种面向大型商船耦合型翼帆优化方法及系统 |
CN111506969A (zh) * | 2020-04-21 | 2020-08-07 | 常熟理工学院 | 一种基于多目标粒子群算法的船型优化方法 |
CN111619755A (zh) * | 2020-06-09 | 2020-09-04 | 中国船舶科学研究中心 | 一种基于卷积神经网络的船体型线设计方法 |
CN111666632A (zh) * | 2020-06-09 | 2020-09-15 | 中国船舶科学研究中心 | 一种基于几何特征参数的船体型线曲面逆向构建方法 |
CN111709097A (zh) * | 2020-06-08 | 2020-09-25 | 西安交通大学 | 一种基于零亏格网格曲面连续变形的柔顺机构生成方法 |
-
2021
- 2021-07-09 CN CN202110776931.0A patent/CN113591206B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6560498B1 (en) * | 1998-03-05 | 2003-05-06 | Jong Gye Shin | Formation method and device for curved plates |
CN105243243A (zh) * | 2015-11-16 | 2016-01-13 | 武汉理工大学 | 基于自由变形技术的车身气动造型优化方法 |
CN110110444A (zh) * | 2019-05-09 | 2019-08-09 | 武汉理工大学 | 一种面向大型商船耦合型翼帆优化方法及系统 |
CN111506969A (zh) * | 2020-04-21 | 2020-08-07 | 常熟理工学院 | 一种基于多目标粒子群算法的船型优化方法 |
CN111709097A (zh) * | 2020-06-08 | 2020-09-25 | 西安交通大学 | 一种基于零亏格网格曲面连续变形的柔顺机构生成方法 |
CN111619755A (zh) * | 2020-06-09 | 2020-09-04 | 中国船舶科学研究中心 | 一种基于卷积神经网络的船体型线设计方法 |
CN111666632A (zh) * | 2020-06-09 | 2020-09-15 | 中国船舶科学研究中心 | 一种基于几何特征参数的船体型线曲面逆向构建方法 |
Non-Patent Citations (4)
Title |
---|
一种新的曲面修改方法在船型优化中的应用;冯佰威等;《中国造船》;第30-39页 * |
优化参数的数量对船型优化结果的影响研究;钱前进等;《武汉理工大学学报(交通科学与工程版)》;第1135-1139页 * |
基于径向基函数插值的船体曲面修改方法研究;沈通等;《中国造船》;第45-54页 * |
基于径向基插值的曲面变形方法在船型多目标优化中的应用;冯佰威等;《华南理工大学学报(自然科学版)》;第128-136页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113591206A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7473335B2 (ja) | ソリッドcadフィーチャを推測するためのニューラルネットワークの学習 | |
JP7473336B2 (ja) | ソリッドcadフィーチャを推測するためのニューラルネットワークの学習 | |
Kim et al. | Hull form optimization for reduced resistance and improved seakeeping via practical designed-oriented CFD tools | |
Chrismianto et al. | Parametric bulbous bow design using the cubic Bezier curve and curve-plane intersection method for the minimization of ship resistance in CFD | |
CN113591206B (zh) | 一种基于几何变形空间特征的船型优化设计方法及系统 | |
CN116341097A (zh) | 一种基于新型高维代理模型的跨音速机翼优化设计方法 | |
CN113205609A (zh) | 变形基础学习 | |
Guan et al. | A new method for parametric design of hull surface based on energy optimization | |
Wang et al. | Machining allowance calculation for robotic edge milling an aircraft skin considering the deformation of assembly process | |
Jiang et al. | Reparameterization of B-spline surface and its application in ship hull modeling | |
Pérez et al. | Parametric generation, modeling, and fairing of simple hull lines with the use of nonuniform rational B-spline surfaces | |
CN116049925A (zh) | 面向建模-分析-优化一体化的组合薄壁元件结构自适应几何建模方法 | |
Bole et al. | Integrating parametric hull generation into early stage design | |
Zhang et al. | Geometric space construction method combined of a spline-skinning based geometric variation method and PCA dimensionality reduction for ship hull form optimization | |
Berrini et al. | Geometric modelling and deformation for shape optimization of ship hulls and appendages | |
CN117274425B (zh) | 一种基于几何特征的样条曲线生成方法、系统及终端 | |
Wu et al. | Adjoint-based optimization for blended-wing-body underwater gliders' shape design | |
CN111709086B (zh) | 一种面向滑行艇的参数化建模方法 | |
Wei et al. | Ship Robust Design Optimization Based on Polynomial Chaos Expansions | |
Seo et al. | A study on ship hull form transformation using convolutional autoencoder | |
Leng et al. | Improvement of FFD parametric approach in the application of a lifting body | |
EP4057222B1 (en) | Machine-learning for 3d segmentation | |
CN115659497B (zh) | 一种基于直接控制自由变形的船体建模方法 | |
CN111723535B (zh) | 基于艇身自由变形的游艇减阻优化方法 | |
CN117152311B (zh) | 基于双分支网络的三维表情动画编辑方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |