基于遺傳算法的汽車外觀造型創(chuàng)新設(shè)計(jì)

摘要：針對汽車造型設(shè)計(jì)中對計(jì)算機(jī)輔助設(shè)計(jì)支持不夠以及對已有優(yōu)秀汽車造型利用率不高的問題，提出了一種采用模式識(shí)別技術(shù)和新穎的樹型遺傳算法生成汽車造型的方法。實(shí)驗(yàn)證明，該方法可以充分利用已有資源，自動(dòng)生成優(yōu)秀創(chuàng)新車型，提高設(shè)計(jì)效率。

關(guān)鍵詞：創(chuàng)新設(shè)計(jì)； 模式識(shí)別； 遺傳算法

中圖分類號(hào)：TP391.72文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001－3695(2008)01－0203－03

汽車設(shè)計(jì)的創(chuàng)新一直伴隨著汽車的百年歷史，不斷的創(chuàng)新和改變是汽車發(fā)展的一個(gè)永恒旋律。現(xiàn)階段汽車生產(chǎn)技術(shù)日趨成熟，同等價(jià)位汽車性能相差無幾，汽車外觀的創(chuàng)新度和新穎性成為吸引消費(fèi)者購買欲的重要手段。這種趨勢使得生產(chǎn)商把對汽車的創(chuàng)新性、外觀造型等的設(shè)計(jì)提到一個(gè)新的高度。如何對車型進(jìn)行創(chuàng)新成為困擾廠商的一大難題。

本文提出了一種新的汽車造型設(shè)計(jì)思路。首先對汽車進(jìn)行模塊化分解，通過模式識(shí)別將優(yōu)秀汽車的圖片轉(zhuǎn)換為計(jì)算機(jī)識(shí)別的標(biāo)準(zhǔn)化汽車構(gòu)件；然后利用遺傳操作生成創(chuàng)新構(gòu)件，運(yùn)用計(jì)算機(jī)模擬技術(shù)將構(gòu)件組裝成全新車型。實(shí)驗(yàn)證明，該方法能夠充分利用現(xiàn)有資源，提高設(shè)計(jì)效率，具有很大的發(fā)展潛力。

1國內(nèi)外的研究現(xiàn)狀

近年來，國內(nèi)外已做了許多將遺傳算法應(yīng)用到創(chuàng)新設(shè)計(jì)中的工作。P.J.Bentley系統(tǒng)地揭示了利用遺傳算法進(jìn)行創(chuàng)新和優(yōu)化概念設(shè)計(jì)的思想，提出了一種利用遺傳算法作為核心的遺傳算法設(shè)計(jì)系統(tǒng)[1]。John Frazer教授多年來致力于進(jìn)化計(jì)算在設(shè)計(jì)中的應(yīng)用研究，曾經(jīng)成功地將遺傳算法應(yīng)用于建筑創(chuàng)新設(shè)計(jì)，生成了許多令人驚訝而又富有靈感的建筑造型[2]。文獻(xiàn)[3]中提出了一種如何協(xié)調(diào)人機(jī)矛盾，充分利用計(jì)算機(jī)輔助設(shè)計(jì)環(huán)境進(jìn)行產(chǎn)品創(chuàng)新設(shè)計(jì)的思想，并給出了一個(gè)設(shè)計(jì)陶瓷的CAD系統(tǒng)。韓國人利用IGA(interactive genetic algorithm)的思想，實(shí)現(xiàn)了具有創(chuàng)新性的服裝設(shè)計(jì)和基于靈感的圖像修補(bǔ)[4]。在國內(nèi)，浙江大學(xué)的潘云鶴校長及他的學(xué)生通過智能CAD技術(shù)，創(chuàng)造性地解決了圖案構(gòu)圖、色彩和描繪等知識(shí)表達(dá)及實(shí)現(xiàn)的問題[5]。山東師范大學(xué)的劉弘院長等人提出了一種支持外觀造型創(chuàng)新設(shè)計(jì)的進(jìn)化計(jì)算方法，并利用此方法生成了一些產(chǎn)品的創(chuàng)新造型，如臺(tái)燈、手機(jī)等[6]。

盡管利用遺傳算法進(jìn)行創(chuàng)新設(shè)計(jì)已經(jīng)取得了許多令人矚目的成果，但創(chuàng)新是無止境的，設(shè)計(jì)的領(lǐng)域也隨時(shí)都在變化和擴(kuò)展。因此將遺傳算法應(yīng)用到具體的汽車造型創(chuàng)新設(shè)計(jì)中去還是一個(gè)很有吸引力的課題。它可以充分利用已有的優(yōu)秀資源，開闊設(shè)計(jì)人員的思路，生成許多人們想象不到的造型。

2汽車造型創(chuàng)新設(shè)計(jì)具體流程

對汽車的外觀造型進(jìn)行創(chuàng)新設(shè)計(jì)可以分成兩大部分：生成父個(gè)體構(gòu)件庫和選擇合適的父個(gè)體進(jìn)行遺傳操作生成新個(gè)體。具體的流程如圖1所示。

2．1父個(gè)體構(gòu)件庫的生成

進(jìn)行遺傳操作最重要的是父個(gè)體的選擇，優(yōu)秀父個(gè)體經(jīng)過交叉變異后更容易產(chǎn)生優(yōu)秀新個(gè)體。因此生成優(yōu)秀父個(gè)體是關(guān)鍵一步。

1）汽車造型的表示

2）父個(gè)體的來源

父個(gè)體是生命力強(qiáng)、體格健壯的個(gè)體，因此在汽車造型設(shè)計(jì)中的父個(gè)體應(yīng)該是形狀優(yōu)美、安全性強(qiáng)且被人們普遍認(rèn)可的車型。主要有以下三種來源：

社會(huì)中在使用的、比較暢銷的汽車造型；

汽車設(shè)計(jì)師設(shè)計(jì)出來的優(yōu)秀作品；

經(jīng)遺傳操作并通過智能評價(jià)驗(yàn)證為優(yōu)秀的個(gè)體。

3）應(yīng)用模式識(shí)別將已有的汽車造型圖片轉(zhuǎn)換為父個(gè)體

社會(huì)中已有的、成熟的、優(yōu)秀的汽車造型是構(gòu)件的主要來源，但是所能利用的只是這些造型某一角度的圖片。因此采用模式識(shí)別與人工生成控制點(diǎn)相結(jié)合的技術(shù)從優(yōu)秀造型的圖片中提取需要的元素，再利用幾何造型軟件ACIS自動(dòng)組裝成為父個(gè)體。

本文的模式識(shí)別采用了一種基元識(shí)別的方法，它將復(fù)雜的模式分解為若干個(gè)簡單的模式的結(jié)合，子模式再分解為若干基元。通過對基元的識(shí)別，進(jìn)而識(shí)別子模式，最終識(shí)別復(fù)雜模式。具體對于汽車圖片，它首先將其分解成為一個(gè)個(gè)子圖像，如車燈、車窗，然后將子圖像繼續(xù)分解為最簡單、最小的基元，如直線段、斜線段、圓弧段甚至到控制點(diǎn)；然后進(jìn)行語法分析、檢查，按照對象的結(jié)構(gòu)規(guī)則去組成這些基元形成模式，匹配要識(shí)別的對象，進(jìn)行決策輸出。

2．2遺傳算法方面

1）適應(yīng)度函數(shù)

汽車的安全穩(wěn)定是非常重要的；同時(shí)汽車又要滿足人們對個(gè)性的追求，要有創(chuàng)新性。因此本文結(jié)合這兩方面的內(nèi)容，將穩(wěn)定性和創(chuàng)新性引入到遺傳算法適應(yīng)度函數(shù)的計(jì)算中來。該函數(shù)既充分利用了遺傳算法在全局優(yōu)化方面的優(yōu)勢， 克服了汽車布局單一的弊病， 又簡化了遺傳算法的運(yùn)算復(fù)雜度， 從而提高了算法性能。

定義適應(yīng)度函數(shù)為

其中：Sta代表穩(wěn)定性； Cre代表創(chuàng)新性；兩者的權(quán)值分別是w和(1-w)。設(shè)計(jì)人員可根據(jù)自己需要改變它們的權(quán)值。

2）遺傳操作

傳統(tǒng)的遺傳算法采用二進(jìn)制字符串表示。該表示方法已經(jīng)成功地解決了很多問題，但是這種表示方法不夠靈活[7]。本文采用一種新穎的樹型遺傳算法。

(1)交叉

交叉操作是從當(dāng)前種群中，根據(jù)適應(yīng)度值選出兩個(gè)父個(gè)體；從每個(gè)父輩樹上隨機(jī)選擇一棵子樹，然后交換兩棵子樹，經(jīng)過這樣的重新組合產(chǎn)生兩個(gè)新的子個(gè)體。該操作用來執(zhí)行局部搜索并試圖找到更好的解[8]。針對本文具體的汽車外觀造型的存儲(chǔ)結(jié)構(gòu)，交叉操作如圖4所示。它的交叉操作可以分為兩類：a)整個(gè)部件的交叉，如兩車的車燈進(jìn)行互換；b)部件的屬性進(jìn)行交叉，如兩車的車燈顏色進(jìn)行互換。

(2)變異

變異操作是由程序隨機(jī)產(chǎn)生一棵新的子樹代替被突變概率選中節(jié)點(diǎn)以下的原有子樹部分。該操作用來執(zhí)行隨機(jī)搜索并試圖探索局部最優(yōu)解以外的區(qū)域。圖5是汽車外觀造型的變異操作。與交叉類似，汽車造型的變異也分為整個(gè)部件的變異和某部件屬性的變異兩類。

圖5樹結(jié)構(gòu)遺傳算法的變異操作

(3)選擇

對于有創(chuàng)意的設(shè)計(jì)，無法給出一個(gè)形成目標(biāo)函數(shù)的統(tǒng)一標(biāo)準(zhǔn)。創(chuàng)新設(shè)計(jì)是最能體現(xiàn)人的智慧的，所以本文采用一種人機(jī)交互的方式進(jìn)行產(chǎn)品選擇。設(shè)計(jì)人員可以對選擇出的產(chǎn)品進(jìn)行評分，指定穩(wěn)定性和創(chuàng)新性的值，而此時(shí)設(shè)計(jì)agent則記錄下相應(yīng)的各個(gè)分?jǐn)?shù)存儲(chǔ)到知識(shí)庫中。以后再遇到類似情況時(shí)，設(shè)計(jì)agent直接從產(chǎn)品庫中調(diào)用。這樣既體現(xiàn)了設(shè)計(jì)人員的選擇，同時(shí)又節(jié)省時(shí)間，避免重復(fù)操作。

3）交叉變異概率

3具體實(shí)例

3．1運(yùn)用模式識(shí)別方法對優(yōu)秀造型進(jìn)行識(shí)別

對優(yōu)秀圖片進(jìn)行識(shí)別，然后生成構(gòu)件，這是得到父個(gè)體的一種重要方法。具體過程如下： 

a)選擇優(yōu)秀的造型或某一構(gòu)件的圖片，如圖6中的左側(cè)車燈。

b)對圖片進(jìn)行模式識(shí)別，提取關(guān)鍵點(diǎn)，繪制出二維曲線草圖，如圖6、7所示。

c)對不滿意的地方可以進(jìn)行小范圍的調(diào)整。

d)對二維曲線執(zhí)行沿z坐標(biāo)軸掃描操作，生成構(gòu)件如圖8所示，并進(jìn)行評價(jià)存入構(gòu)件庫。

e)若造型各構(gòu)件識(shí)別完畢，則結(jié)束；否則轉(zhuǎn)向b)繼續(xù)識(shí)別其他構(gòu)件。



3．2運(yùn)用遺傳算法生成新的造型

在這里，以汽車的車尾為例介紹一下遺傳操作的流程。

a)根據(jù)設(shè)計(jì)人員給出的適應(yīng)度函數(shù)值，從構(gòu)件庫中選擇構(gòu)件組裝作為父個(gè)體，如圖9所示。

b)進(jìn)行遺傳操作：交叉和變異，結(jié)果如圖10、11所示。

c)與設(shè)計(jì)人員進(jìn)行交互，對生成的實(shí)體造型進(jìn)行評價(jià)，將優(yōu)秀的造型存入父個(gè)體庫。

d)人工結(jié)束該過程或者轉(zhuǎn)到b)繼續(xù)進(jìn)行遺傳操作。

經(jīng)過遺傳操作生成的構(gòu)件，只是概念設(shè)計(jì)階段的構(gòu)造草圖，設(shè)計(jì)人員可以將喜歡的造型存為*.sat文件，進(jìn)一步用3D設(shè)計(jì)軟件細(xì)化。

3．3組裝生成新車型

將各個(gè)構(gòu)件標(biāo)準(zhǔn)化之后，整車的生成就

比較簡單。設(shè)計(jì)人員提出自己的要求后，則由設(shè)計(jì)agent自動(dòng)地從構(gòu)件庫中進(jìn)行選取、裝配，生成汽車。具體的過程有三步：

a)設(shè)計(jì)人員設(shè)定適應(yīng)度值。

b)設(shè)計(jì)agent根據(jù)適應(yīng)度值從構(gòu)件庫中選取構(gòu)件，如圖12~15所示。

c)自動(dòng)組裝成為汽車，如圖16所示。



4結(jié)束語

本文在汽車造型的創(chuàng)新設(shè)計(jì)中，首先通過對優(yōu)秀的汽車造型進(jìn)行模式識(shí)別生成初始種群，然后對其執(zhí)行交叉、變異等遺傳操作，不斷生成新的個(gè)體；同時(shí)將汽車設(shè)計(jì)中需要的穩(wěn)定性和創(chuàng)新性引入到遺傳算法中去，對新實(shí)體進(jìn)行評價(jià)，提高了算法的有效性。

但從汽車各個(gè)構(gòu)件生成之后如何組合裝配方面來說，本系統(tǒng)還是存在一些問題，特別是部件曲線的形狀、大小、位置發(fā)生變化之后，如何將它們恰如其分地組裝到一起還不夠理想。相信隨著這些問題的解決，該系統(tǒng)的應(yīng)用前景將更加廣闊。

參考文獻(xiàn)：

[1]BENTLEY P J， CORNE D W. Introduction to creative evolutionary systems[M]. San Francisco: Morgan Kaufmann Publishers Inc， 2001:253－274.

[2]FRAZER J. An evolutionary architecture[M]. London: Architectural Association Publications， British University Publisher， 1995:62－64.

[3]CAO Shao zhong， YANG Guo wei， TU Xu yan. Computer aided conceptual design based on harmonics[C]//Proc of IEEE Networking， Sensing and Control.2005:317－320.

[4]CHO S B. Towards creative evolutionary systems with interactive genetic algorithm[J]. Applied Intelligence，2002，16(2):129 138.

[5]潘云鶴，包恩偉，孫守遷.基于組合原理的概念創(chuàng)新設(shè)計(jì)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，1999，11(3):262－265.

[6]劉弘，劉希玉. 支持外觀造型創(chuàng)新設(shè)計(jì)的進(jìn)化計(jì)算方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2006，18（1）:101 107 .

[7]劉弘，劉希玉，馬麗娜. 支持進(jìn)化的計(jì)算機(jī)輔助設(shè)計(jì)環(huán)境[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)， 2003，15(2):167 173.

[8]玄光南，程潤偉. 遺傳算法與工程優(yōu)化[M]. 北京:清華大學(xué)出版社，2004:9 11.

[9]陳長征，王楠. 遺傳算法中交叉和變異概率選擇的自適應(yīng)方法及作用機(jī)理[J].控制理論與應(yīng)用，2002，19(1):41－43.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”