ShipHullGAN：基于深度卷积生成模型的通用参数化船体设计建模器
机器学习
2023-05-02 v1
摘要
本工作中，我们介绍了 ShipHullGAN，一个使用深度卷积生成对抗网络（GANs）构建的通用参数化建模器，用于船体的通用表示与生成。总体而言，新模型旨在解决当前参数化船舶设计范式中的保守性，即参数化建模器只能处理特定船型。我们在来自广泛现有船型（包括集装箱船、油轮、散货船、拖船和补给船）的 52,591 个\textit{经物理验证}的设计大型数据集上训练了 ShipHullGAN。我们开发了一种新的形状提取与表示策略，将所有训练设计转换为相同分辨率的通用几何表示，因为通常 GAN 只能接受固定维度的向量作为输入。在生成器组件之后紧接着放置一个空间填充层，以确保训练后的生成器能覆盖所有设计类别。训练期间，设计以形状签名张量（SST）形式提供，其利用紧凑几何表示（通过几何矩）进而实现在船舶设计中低成本融入物理信息元素。我们通过广泛的比较研究与优化案例表明，ShipHullGAN 能生成具有增强特征的设计，从而形成通用设计空间，产出具有几何有效且实际可行形状的传统与新颖设计。
引用
@article{arxiv.2305.00210,
title = {ShipHullGAN: A generic parametric modeller for ship hull design using deep convolutional generative model},
author = {Shahroz Khan and Kosa Goucher-Lambert and Konstantinos Kostas and Panagiotis Kaklis},
journal= {arXiv preprint arXiv:2305.00210},
year = {2023}
}