(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111425119.X (22)申请日 2021.11.26 (71)申请人 江苏科技大学 地址 212100 江苏省镇江市丹徒区长晖路 666号 (72)发明人 卜赫男　袁昕　吕宏宇　纪星宇　 胡常州　周宏根　李磊　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 柏尚春 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 17/16(2006.01)G06Q 50/04(2012.01) (54)发明名称 一种基于改进DBSCAN和决策树的船舶分段 涂装工艺设计方法 (57)摘要 本发明公开了一种基于改进DBSCAN和决策 树的船舶分段涂装工艺设计方法， 包括以下步 骤： 利用拉普拉斯计分法对分段涂装部位的特征 进行特征提取， 实现涂装部位的特征降维； 利用 灰狼算法改进的DBSCAN算法对现有分段涂装部 位进行聚类分析， 形成分段涂装部位的类别； 基 于聚类的结果， 构造训练集和测试集， 对决策树 算法进行训练， 得到分段涂装部位分类模型， 基 于决策树算法的训练结果， 对待涂分段部位进行 分类， 得到相似分段涂装部位集及其对应的相似 分段涂装工艺集； 分析影响涂装工艺评价的因 素， 构造涂装工艺模糊综合评价指标体系， 基于 模糊综合评价法对相似分段涂装工艺集中的每 一条工艺进行评价。 本发明为分段涂装工艺的合 理制定提供有力手段。 权利要求书2页 说明书8页 附图1页 CN 114117637 A 2022.03.01 CN 114117637 A 1.一种基于改进DBSCAN和决策树的船舶分段涂装工艺设计方法， 其特征在于： 包括以 下步骤： S1， 利用拉普拉斯计分法对分段涂装部位的特征进行特征提取， 实现涂装部位的特征 降维； S2， 利用灰狼算法改进的DBSCAN算法对现有分段涂装部位进行聚类分析， 形成分段涂 装部位的类别； S3， 基于聚类的结果， 构造训练集和测试集， 对决策树算法进行训练， 得到分段涂装部 位分类模 型， 基于决策树算法的训练结果， 对待涂 分段部位进 行分类， 得到相似分段涂装部 位集及其对应的相似分段涂装工艺 集； S4， 分析影响涂装工艺评价的因素， 构造涂装工艺模糊综合评价指标体系， 基于模糊综 合评价法对相似分段涂装工艺集中的每一条工艺进行评价， 并将评 分最高的一条工艺作为 工艺设计结果。 2.根据权利要求1所述的基于改进DBSCAN和决策树的船舶分段涂装工艺设计方法， 其 特征在于： S1中， 分段涂装部位的特征包括材料、 板型、 涂装区域、 表 面粗糙度、 涂装面积、 除 锈等级、 涂料类型、 油漆颜色、 固体含量、 干膜厚度、 最小涂装间隔和最大涂装间隔。 3.根据权利要求1所述的基于改进DBSCAN和决策树的船舶分段涂装工艺设计方法， 其 特征在于， S1具体分为以下步骤： S11， 构建包 含12个节点的分段涂装部位 最近邻图； S12， 构建权 重矩阵； S13， 生成拉普拉斯矩阵； S14， 分段涂装部位的拉普拉斯得分计算； S15， 选择 得分最低的5个特 征作为分段涂装部位特 征提取的结果。 4.根据权利要求1所述的基于改进DBSCAN和决策树的船舶分段涂装工艺设计方法， 其 特征在于， S2包括以下步骤： S21， 设定狼群数n和 最大迭代次数Itermax， 将DBSCAN的邻域参数ε， MinPts作为狼群个 体位置的二维坐标， 随机初始化 ε， Mi nPts， 生成分段涂装部位聚类结果； S22， 根据适应度值划分狼群等级( α 、 β 、 δ和ω)， 适应度计算公式为： 式中： avg(C)为簇内样本间的平均距离， dist (·,·)用于计算两个样本之间的距离， dcen(Ci,Cj)＝dist( μi, μj)， μ代表簇C的中心点， S23， 更新狼群位置， 计算更新后个体的适应度值， 记录当前代数的最优适应度值 Fitbest， 若Fitbest>Fitα， 则将α狼的适应度值更新为Fitbest， 并记录相应的位置， 若Fitβ< Fitbest<Fitα， 则将Fitbest赋值给β 狼， 同时将相应的位置 更新给β 狼， 若Fitδ<Fitbest<Fitβ， 则 将Fitbest和相应的位置更新给δ狼；权　利　要　求　书 1/2 页 2 CN 114117637 A 2S24， 达到最大迭代次数或全局最优时得到最优ε和MinPts， 将其作为DBSCAN的参数， 得 到船舶分段涂装部位的最终聚类结果。 5.根据权利要求1所述的基于改进DBSCAN和决策树的船舶分段涂装工艺设计方法， 其 特征在于： S3中， 将样本按2： 1比例分为训练集和测试集对决策树进行训练， 根据决策树对 待涂分段涂装部位进行分类， 得到相似分段涂装部位 集及其对应的相似分段涂装工艺 集。 6.根据权利要求1所述的基于改进DBSCAN和决策树的船舶分段涂装工艺设计方法， 其 特征在于， S4包括以下步骤： S41， 构建分段涂装工艺模糊综合评价指标， 得到分段涂装工艺评价指标集合U， U＝{u1, u2,...,um}， 并将分段涂装工艺评价指标细分为主 要指标层和子指标层； S42， 将各层指标 元素两两比较， 构造出判断矩阵A＝(Aij)n×n， 如下式所示： 式中： Aij＞0， Aij＝1/Aji(i≠j)， Aii＝1(i,j＝1,2, ...,n)。 Aij表示因素i和因素j相对于 目标重要值， n 为各层指标的个数； S43， 对判断矩阵进行一 致性检验； S44， 计算判断矩阵的特 征值， 得到的指标权 重； S45， 构建评价 集V， 确定 评价集V的取值以及标准 值， V＝{v1,v2,...,vx}； S46， 对评价集U中的各评价指标进行单指标评价， 得到第i个指标的单因素评价集ri＝ (ri1,ri2,...,rin)， 基于单因素评价 集， 得到总评分矩阵R如下式所示： S47， 将评分矩阵R与综合权重向量进行模糊变换， 得到模糊综合评价向量B， 如下式所 示： S48， 根据相似分段涂装工艺集的模糊综合评价结果， 将得分最高的一条分段涂装工艺 作为工艺设计的结果。 7.根据权利要求6所述的基于改进DBSCAN和决策树的船舶分段涂装工艺设计方法， 其 特征在于： S4 1中， 船舶分段涂装工艺评价指标， 主要指标层 包括： 膜厚质量、 涂料用量、 作业 时间； 子指标层包括： 膜厚合格率、 膜厚均匀性、 分段涂装涂料用量、 修补涂装涂料用量、 分 段涂装作业时间、 涂装辅助作业时间、 修补涂装作业时间。权　利　要　求　书 2/2 页 3 CN 114117637 A 3