一种基于人工智能的车身智能设计优化方法技术

本发明专利技术涉及车辆工程技术领域，具体而言，涉及一种基于人工智能的车身智能设计优化方法，包括：步骤1：车身结构采用自适应参数化设计与仿真方法，建立车身结构参数化模块数据库，快速搭建基于梁单元白车身参数化模型，获取白车身仿真数据；步骤2：对步骤1中获取的白车身仿真数据进行重采样，将采样数据分为训练集和测试集进行训练，通过两层基模型的训练，构建车身元模型；步骤3：构建元启发式智能优化算法，通过智能迭代机制对步骤2中的车身元模型进行优化，优化车身性能，获得优化后的设计参数；本发明专利技术的方法实现对车辆结构设计的多目标优化，实现较好的优化效果，能够提升车身设计效率，提高车身结构性能及车身轻量化水平。提高车身结构性能及车身轻量化水平。提高车身结构性能及车身轻量化水平。

【技术实现步骤摘要】
一种基于人工智能的车身智能设计优化方法


[0001]本专利技术涉及车辆工程
，具体而言，涉及一种基于人工智能的车身智能设计优化方法。

技术介绍

[0002]随着全球汽车行业的快速发展，汽车设计周期不断缩减，传统的汽车设计手段很难满足市场的快速迭代，基于人工智能的车身智能设计优化方法可以为此问题提供解决思路。车身设计是整车设计的重要一环，其性能的好坏直接影响着整车的性能指标。开发车身智能设计优化方法具有重要价值和现实意义。
[0003]传统的车身结构设计首先需要进行CAD正向设计，而后通过CAE仿真对车身主要性能进行验证，来确定其设计参数是否满足整车性能要求。此过程需要反复迭代，直至车身性能满足各项指标，不仅耗费大量计算机仿真时间，还需要大量专家经验指导设计方案的确定。

技术实现思路

[0004]本专利技术针对现有技术缺陷，提出一种基于人工智能的车身智能设计优化方法，针对传统车身设计周期长，需要借助工程师经验完成设计方案的情况，本专利技术以车身设计为研究对象，构建了从车身数据自动生成、车身高精度代理模型构建、车身结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的车身智能设计优化方法，其特征在于，所述车身智能设计优化方法包括：步骤1：车身结构采用自适应参数化设计与仿真方法，以多种参数互相组成结构映射，实现车身结构装配柔性和调整柔性，建立车身结构参数化模块数据库，快速搭建基于梁单元白车身参数化模型，获取白车身仿真数据；步骤2：对所述步骤1中获取的白车身仿真数据进行重采样，将采样数据分为训练集和测试集，每一组重采样数据对应n个基模型进行训练，并获得各自预测数据，将各个基模型的预测值融合，得到第二层基模型的训练数据，通过两层基模型的训练，构建车身元模型；步骤3：构建元启发式智能优化算法，通过智能迭代机制对所述步骤2中的车身元模型进行优化，优化车身性能，获得优化后的设计参数。2.根据权利要求1所述的基于人工智能的车身智能设计优化方法，其特征在于，所述步骤1中车身结构采用自适应参数化设计与仿真方法，具体包括：步骤1.1：根据白车身模型的下车体按照横梁和纵梁的路径节点，构建具有下车体梁单元的白车身参数化模型；步骤1.2：在所述步骤1.1的基础上，将白车身模型的上车体构建为具有梁单元和接头模块的白车身参数化模型；步骤1.3：将所述步骤1.1构建的下车体梁单元、所述步骤1.2构建的上车体梁单元和接头模块进行组合，通过白车身接头结构模块化重构方法，建立参数化接头模块库，快速建立白车身模型，利用参数化模块更改柔性和调整柔性，形成自适应参数化的白车身建模；步骤1.4：对所述步骤1.3建立的白车身模型进行自动仿真，得到仿真结果。3.根据权利要求1所述的基于人工智能的车身智能设计优化方法，其特征在于，所述步骤2中的构建车身元模型，具体包括：步骤2.1：针对所述步骤1.3的参数化模型所获得的变量与响应数据，构建原始测试集，采用bootstrap方法对原始测试集进行初次抽样，生成若干组新的变量与响应数据；步骤2.2：将所述步骤2.1生成的若干组新的变量与响应数据对第一层多个基模型进行训练，采用平均绝对误差MAE、均方根误差RMSE和决策系数R2对各个基模型性能进行评估；平均绝对误差(MAE)的评价指标表达式为：均方根误差(RMSE)的评价指标表达式为：决策系数(R2)的评价指标表达式为：式中，y
i
表示原测试集中响应值，表示通过机器学习算法生成的预测响应值，表示
平均响应值。其中，机器学习算法通过Python编程...

【专利技术属性】
技术研发人员：张承霖，陈少伟，陈勇，
申请(专利权)人：湖南湖大艾盛汽车技术开发有限公司，
类型：发明
国别省市：