1.一种基于卷积神经网络的船体型线设计方法,其特征在于,所述方法包括:
从船型数据库中获取样本船舶的船型几何数据以及水动力性能数据;
对船型几何数据进行数据标准化处理构建得到样本船舶的几何特征数组;
将样本船舶的几何特征数组作为输入、水动力性能数据作为输出,基于卷积神经网络训练得到船型性能预报模型;
获取目标船舶的初始的船型几何数据并提取得到对应的几何特征数组输入所述船型性能预报模型,得到所述目标船舶的水动力性能数据;
基于所述船型性能预报模型进行敏感性分析,根据敏感性分析结果对所述目标船舶的船体型线进行优化直至所述目标船舶的水动力性能数据达到预定性能值时,完成船体型线设计。
2.根据权利要求1所述的方法,其特征在于,所述基于所述卷积神经网络进行敏感性分析,根据敏感性分析结果对所述目标船舶的船体型线进行优化,包括:
将所述船型性能预报模型作为目标函数或适应度函数进行敏感性分析,确定各条船体型线与水动力性能数据之间的相关性;
根据相关性的大小对所述目标船舶的船体型线进行优化。
3.根据权利要求1所述的方法,其特征在于,所述样本船舶的船型几何数据包括样本船舶的几何曲面上离散点的三维坐标,和/或,对所述样本船舶的船体型线进行参数化处理后的船型数据。
4.根据权利要求3所述的方法,其特征在于,所述船型几何数据来源于所述样本船舶的三维模型文件,则从船型数据库中获取样本船舶的几何曲面上离散点的三维坐标,包括:
将所述样本船舶的三维模型文件的剖面上的点投影到几何曲面上作为离散点,并将所述样本船舶的三维模型文件中位于轮廓线上的点直接作为离散点,在所述三维模型文件中读取所有离散点的三维坐标。
5.根据权利要求3所述的方法,其特征在于,所述船型几何数据来源于所述样本船舶的型值表,则从船型数据库中获取样本船舶的几何曲面上离散点的三维坐标,包括:
将所述型值表中的型值点作为离散点,将型值点站号与站距乘积、型值点半宽、型值点所处的水线高分别作为所述离散点的三维坐标。
6.根据权利要求3-5任一所述的方法,其特征在于,所述对船型几何数据进行数据标准化处理构建得到样本船舶的几何特征数组,包括:
将所述根据船型几何数据排布形成二维特征矩阵,二维特征矩阵中的每个元素分别包括若干个通道,且每个元素表示一个离散点的三维坐标或者表示若干个船型数据;
根据所有样本船舶的船型几何数据对所述二维特征矩阵中的各个通道的数据进行归一化处理得到所述几何特征数组。
7.根据权利要求6所述的方法,其特征在于,对于任意一个元素处的三维坐标,所述根据所有样本船舶的船型几何数据对所述二维特征矩阵中的各个通道的数据进行数据标准化处理,包括:
对所述三维坐标中的x方向的坐标值除以所有样本船舶的最大船长,对所述三维坐标中的y方向的坐标值除以所有样本船舶的最大船宽,对所述三维坐标中的z方向的坐标值除以所有样本船舶的最大型深,完成对所述元素处的三维坐标的数据标准化处理。
8.根据权利要求6所述的方法,其特征在于,对于任意一个元素处的三维坐标,所述根据所有样本船舶的船型几何数据对所述二维特征矩阵中的各个通道的数据进行数据标准化处理,包括:
对各离散点三维坐标中的x方向的坐标值除以所有对应点三维坐标中x方向的坐标最大值,对各离散点三维坐标中的y方向的坐标值除以所有对应点三维坐标中y方向的坐标最大值,对各离散点三维坐标中的z方向的坐标值除以所有对应点三维坐标中z方向的坐标最大值,完成对元素处的三维坐标的数据标准化处理。
9.根据权利要求6所述的方法,其特征在于,对于任意一个元素处的三维坐标,所述根据所有样本船舶的船型几何数据对所述二维特征矩阵中的各个通道的数据进行数据标准化处理,包括:
将所述三维坐标的x方向的坐标值、y方向的坐标值和z方向的坐标值分别除以所有样本船舶的最大船长,完成对所述元素处的三维坐标的数据标准化处理。