本發(fā)明涉及人工智能計算機輔助設計的，尤其是涉及一種基于拓撲優(yōu)化的輪轂樣式生成方法、裝置及服務器。

背景技術(shù)：

1、通過汽車輪轂樣式的生成是汽車造型設計中的重要環(huán)節(jié)，對于輪轂樣式的設計來說，首先需要確保輪轂的工程性能，此外，對于用戶來說，輪轂的美學設計也是必不可少的因素，目前，現(xiàn)有技術(shù)提出，可以通過cad設計師手動設計輪轂樣式或者通過自動編碼器自動生成新的輪轂樣式，其中，手動設計的輪轂樣式多樣性較低，而編碼器的自動設計只能關(guān)注輪轂的工程性能，無法創(chuàng)造美學設計，進而無法實現(xiàn)輪轂設計的美學與工程性能的平衡。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種基于拓撲優(yōu)化的輪轂樣式生成方法、裝置及服務器，可以顯著提升生成輪轂樣式的多樣性及工程性能。

2、第一方面，本發(fā)明實施例提供了一種基于深度學習與拓撲優(yōu)化的輪轂樣式生成方法，方法包括：獲取原始數(shù)據(jù)集，其中，原始數(shù)據(jù)集包括：以現(xiàn)有車輛輪轂樣式為基礎的預設數(shù)量的輪轂參考樣式；基于輪轂參考樣式，對初始輪轂樣式進行拓撲優(yōu)化處理，以降低初始輪轂樣式的柔度以及初始輪轂樣式與輪轂參考樣式之間的差異，確定第一輪轂優(yōu)化樣式，其中，柔度用于表示工程性能，柔度越小則輪轂樣式的工程性能越好；通過預設l1損失函數(shù)，對輪轂優(yōu)化樣式進行篩選處理，確定第二輪轂優(yōu)化樣式，并獲取第二輪轂優(yōu)化樣式對應的新樣式比例，其中，新樣式比例為當前迭代中的新輪轂樣式數(shù)量與前一次迭代中的總輪轂樣式數(shù)量的比例；當新樣式比例小于預設比例閾值時，確定第二輪轂優(yōu)化樣式為目標輪轂樣式，并針對目標輪轂樣式進行樣式評估處理，生成可視化評估結(jié)果。

3、在一種實施方式中，基于輪轂參考樣式，對初始輪轂樣式進行拓撲優(yōu)化處理，以降低初始輪轂樣式的柔度以及初始輪轂樣式與輪轂參考樣式之間的差異，確定第一輪轂優(yōu)化樣式的步驟，包括：針對輪轂參考樣式進行數(shù)據(jù)解析處理，確定輪轂參考樣式中包含的位移向量、整體剛度矩陣和密度向量，并基于位移向量、整體剛度矩陣和密度向量確定優(yōu)化模型；利用優(yōu)化模型對初始輪轂樣式進行拓撲優(yōu)化處理，確定第一輪轂優(yōu)化樣式，其中，優(yōu)化模型包括：柔度項和差異項，優(yōu)化模型為：

4、

5、其中，為設計變量，表示單元的密度，為密度向量，為位移向量，t為矩陣的轉(zhuǎn)置，為整體剛度矩陣，為柔度項，為差異項，為輪轂參考樣式，為l1范數(shù)，為相似度參數(shù)，越大，表示最優(yōu)設計越接近輪轂參考樣式，對于較小的，則忽略輪轂參考樣式，并對其進行優(yōu)化，使順應性最小化，為體積分數(shù)，為材料體積，為設計域體積。

6、在一種實施方式中，優(yōu)化模型中的柔度項為：

7、

8、其中，為位移向量，k為整體剛度矩陣，為柔度，為單元位移向量，為單元剛度矩陣，為體積分數(shù)，為單元數(shù)，為單元的密度，為材料體積，為設計域體積。

9、在一種實施方式中，在獲取第二輪轂優(yōu)化樣式對應的新樣式比例的步驟之后，包括：當新樣式比例不小于預設比例閾值時，利用預設生成模型對第二輪轂優(yōu)化樣式進行輔助設計處理，確定第三輪轂優(yōu)化樣式。

10、在一種實施方式中，生成模型中包括預設生成對抗網(wǎng)絡，預設生成對抗網(wǎng)絡包括：生成器和判別器，在利用預設生成模型對第二輪轂優(yōu)化樣式進行輔助設計處理，確定第三輪轂優(yōu)化樣式的步驟之前，包括：獲取隨機噪聲向量，并將隨機噪聲向量發(fā)送至生成器，以提供輪轂樣式生成的隨機性，確定不同風格的隨機輪轂樣式；將隨機輪轂樣式發(fā)送至判別器中，使生成器和判別器進行對抗訓練，確定目標生成對抗網(wǎng)絡，以利用目標生成對抗網(wǎng)絡對第二輪轂優(yōu)化樣式進行輔助設計處理，確定第三輪轂優(yōu)化樣式。

11、在一種實施方式中，在利用預設生成模型對第二輪轂優(yōu)化樣式進行輔助設計處理，確定第三輪轂優(yōu)化樣式的步驟之后，包括：通過預設l1損失函數(shù)，對第三輪轂優(yōu)化樣式進行二次篩選處理，確定第四輪轂優(yōu)化樣式，并結(jié)束本輪次的拓撲優(yōu)化，重新針對第四輪轂優(yōu)化樣式進行拓撲優(yōu)化處理。

12、在一種實施方式中，針對目標輪轂樣式進行樣式評估處理，生成可視化評估結(jié)果的步驟，包括：通過預設自編碼器對目標輪轂樣式的創(chuàng)新性進行量化評估，根據(jù)目標輪轂樣式與輪轂參考樣式的差異，確定目標輪轂樣式的結(jié)構(gòu)創(chuàng)新性評估結(jié)果，并針對目標輪轂樣式進行物理性能測試，確定目標輪轂樣式的可行性評估結(jié)果；將結(jié)構(gòu)創(chuàng)新性評估結(jié)果和可行性評估結(jié)果整合，確定可視化評估結(jié)果。

13、第二方面，本發(fā)明實施例還提供一種基于拓撲優(yōu)化的輪轂樣式生成裝置，裝置包括：數(shù)據(jù)獲取模塊，獲取原始數(shù)據(jù)集，其中，原始數(shù)據(jù)集包括：以現(xiàn)有車輛輪轂樣式為基礎的預設數(shù)量的輪轂參考樣式；拓撲優(yōu)化模塊，基于輪轂參考樣式，對初始輪轂樣式進行拓撲優(yōu)化處理，以降低初始輪轂樣式的柔度以及初始輪轂樣式與輪轂參考樣式之間的差異，確定第一輪轂優(yōu)化樣式，其中，柔度用于表示工程性能，柔度越小則輪轂樣式的工程性能越好；篩選過濾模塊，通過預設l1損失函數(shù)，對輪轂優(yōu)化樣式進行篩選處理，確定第二輪轂優(yōu)化樣式，并獲取第二輪轂優(yōu)化樣式對應的新樣式比例，其中，新樣式比例為當前迭代中的新輪轂樣式數(shù)量與前一次迭代中的總輪轂樣式數(shù)量的比例；輪轂樣式評估模塊，當新樣式比例小于預設比例閾值時，確定第二輪轂優(yōu)化樣式為目標輪轂樣式，并針對目標輪轂樣式進行樣式評估處理，生成可視化評估結(jié)果。

14、第三方面，本發(fā)明實施例還提供一種服務器，包括處理器和存儲器，存儲器存儲有能夠被處理器執(zhí)行的計算機可執(zhí)行指令，處理器執(zhí)行計算機可執(zhí)行指令以實現(xiàn)第一方面提供的任一項的方法。

15、第四方面，本發(fā)明實施例還提供一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，計算機可執(zhí)行指令在被處理器調(diào)用和執(zhí)行時，計算機可執(zhí)行指令促使處理器實現(xiàn)第一方面提供的任一項的方法。

16、本發(fā)明實施例帶來了以下有益效果：

17、本發(fā)明實施例提供的一種基于拓撲優(yōu)化的輪轂樣式生成方法、裝置及服務器，該方法在獲取原始數(shù)據(jù)集后，基于輪轂參考樣式，對初始輪轂樣式進行拓撲優(yōu)化處理，以降低初始輪轂樣式的柔度以及初始輪轂樣式與輪轂參考樣式之間的差異，確定第一輪轂優(yōu)化樣式，之后通過預設l1損失函數(shù)，對輪轂優(yōu)化樣式進行篩選處理，以過濾掉相似樣式，確定第二輪轂優(yōu)化樣式，并獲取第二輪轂優(yōu)化樣式對應的新樣式比例，當新樣式比例小于預設比例閾值時，確定第二輪轂優(yōu)化樣式為目標輪轂樣式，并針對目標輪轂樣式進行樣式評估處理，生成可視化評估結(jié)果，本發(fā)明實施例通過拓撲優(yōu)化處理，保證了生成輪轂的工程性能，同時結(jié)合深度學習生成多樣的輪轂樣式，可以顯著提升生成輪轂樣式的多樣性及工程性能。

18、本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

19、為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

技術(shù)特征：

1.一種基于深度學習與拓撲優(yōu)化的輪轂樣式生成方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于深度學習與拓撲優(yōu)化的輪轂樣式生成方法，其特征在于，所述基于所述輪轂參考樣式，對初始輪轂樣式進行拓撲優(yōu)化處理，以降低所述初始輪轂樣式的柔度以及所述初始輪轂樣式與所述輪轂參考樣式之間的差異，確定第一輪轂優(yōu)化樣式的步驟，包括：

3.根據(jù)權(quán)利要求2所述的基于深度學習與拓撲優(yōu)化的輪轂樣式生成方法，其特征在于，所述優(yōu)化模型中的柔度項為：

4.根據(jù)權(quán)利要求1所述的基于深度學習與拓撲優(yōu)化的輪轂樣式生成方法，其特征在于，在獲取所述第二輪轂優(yōu)化樣式對應的新樣式比例的步驟之后，包括：

5.根據(jù)權(quán)利要求4所述的基于深度學習與拓撲優(yōu)化的輪轂樣式生成方法，其特征在于，所述生成模型中包括預設生成對抗網(wǎng)絡，所述預設生成對抗網(wǎng)絡包括：生成器和判別器，在所述利用預設生成模型對所述第二輪轂優(yōu)化樣式進行輔助設計處理，確定第三輪轂優(yōu)化樣式的步驟之前，包括：

6.根據(jù)權(quán)利要求4所述的基于深度學習與拓撲優(yōu)化的輪轂樣式生成方法，其特征在于，在所述利用預設生成模型對所述第二輪轂優(yōu)化樣式進行輔助設計處理，確定第三輪轂優(yōu)化樣式的步驟之后，包括：

7.根據(jù)權(quán)利要求1所述的基于深度學習與拓撲優(yōu)化的輪轂樣式生成方法，其特征在于，所述針對所述目標輪轂樣式進行樣式評估處理，生成可視化評估結(jié)果的步驟，包括：

8.一種基于拓撲優(yōu)化的輪轂樣式生成裝置，其特征在于，所述裝置包括：

9.一種服務器，其特征在于，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執(zhí)行的計算機可執(zhí)行指令，所述處理器執(zhí)行所述計算機可執(zhí)行指令以實現(xiàn)權(quán)利要求1至7任一項所述的方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，所述計算機可執(zhí)行指令在被處理器調(diào)用和執(zhí)行時，計算機可執(zhí)行指令促使處理器實現(xiàn)權(quán)利要求1至7任一項所述的方法。

技術(shù)總結(jié)
本發(fā)明提供了一種基于拓撲優(yōu)化的輪轂樣式生成方法、裝置及服務器，涉及人工智能計算機輔助設計的技術(shù)領域，包括：獲取原始數(shù)據(jù)集；基于輪轂參考樣式，對初始輪轂樣式進行拓撲優(yōu)化處理，以降低初始輪轂樣式的柔度以及初始輪轂樣式與輪轂參考樣式之間的差異，確定第一輪轂優(yōu)化樣式；通過預設L1損失函數(shù)，對輪轂優(yōu)化樣式進行篩選處理，確定第二輪轂優(yōu)化樣式，并獲取第二輪轂優(yōu)化樣式對應的新樣式比例；當新樣式比例小于預設比例閾值時，確定第二輪轂優(yōu)化樣式為目標輪轂樣式，并針對目標輪轂樣式進行樣式評估處理，生成可視化評估結(jié)果。本發(fā)明可以顯著提升生成輪轂樣式的多樣性及工程性能。

技術(shù)研發(fā)人員：郎超豪,廖銀,吳健明
受保護的技術(shù)使用者：浙江遠算科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17