一种基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法、预测方法、构建设备及一种计算机可读存储介质技术

本发明专利技术涉及一种基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法、预测方法、构建设备及一种计算机可读存储介质。该基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法包括S1，获取碰撞假人肌肉结点坐标数据；S2，构建所述神经网络预测模型；S3，模型训练。本发明专利技术提出了一种基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法、预测方法、构建设备及一种计算机可读存储介质，能构建神经网络预测模型，通过该神经网络预测模型能够快速有效预测碰撞假人各肌肉结点坐标。快速有效预测碰撞假人各肌肉结点坐标。快速有效预测碰撞假人各肌肉结点坐标。

【技术实现步骤摘要】
一种基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法、预测方法、构建设备及一种计算机可读存储介质


[0001]本专利技术涉及有限元碰撞仿真
，尤其涉及一种基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法、预测方法、构建设备及一种计算机可读存储介质。

技术介绍

[0002]随着各项法规对汽车碰撞安全要求的逐步提高，作为验证汽车设计的重要手段的汽车有限元碰撞仿真，其在汽车设计阶段的应用越来越多。碰撞假人是汽车有限元碰撞仿真中的重要组成部分，但随着人们对人体研究的不断深入及人们对仿真结果准确度要求的不断提高，碰撞假人有限元模型也向着部件更精确、模型尺寸更小、单元数目更多、模型更复杂的方向发展。
[0003]在上述发展趋势之下，有限元碰撞假人的调节难度和单次调节时间也在逐步增加。目前有限元碰撞假人肌肉调节方法主要通过设定假人关节目标转动角度，然后通过有限元计算的方式获得关节转到目标角度下的假人各肌肉的结点坐标。但此方法包含仿真计算过程耗时较长，操作繁琐，且需占用硬件资源。

技术实现思路

[0004]针对现有技术的上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法，包括步骤：S1，获取碰撞假人肌肉结点坐标数据，包括步骤：S11，根据碰撞假人的不同应用工况，确定所述碰撞假人的调节特征及各所述调节特征的调节范围；S12，基于所述调节特征及其调节范围，进行正交仿真实验设计，建立正交仿真设计表；S13，基于所述正交仿真设计表，构建碰撞假人肌肉结点的有限元计算模型，求解所述有限元计算模型生成碰撞假人肌肉结点坐标数据；S2，构建所述神经网络预测模型，包括步骤；S21，整理所述正交仿真试验的计算结果生成训练数据集和验证数据集；S22，构建等效小模型，所述等效小模型是从碰撞假人肌肉结点坐标数据中选取碰撞假人的肌肉变形较大的部位的肌肉结点坐标组成的结点数量较少的模型；S23，采用所述训练数据集通过神经网络预测算法对所述等效小模型中的肌肉结点进行预测，采用所述验证数据集计算所述神经网络预测模型的决定系数，建立所述神经网络预测算法的超参数与决定系数的拟合关系，对所述拟合关系进行优化获得所述神经网络预测算法的最优超参数组合，基于所述最优超参数组合建立所述神经网络预测算法对应的神经网络预测模型；S3，模型训练；S31，基于训练数据集确定所述神经网络预测模型的权重系数；S32，基于验证数据集确定所述神经网络预测模型的决定系数；S33，判断所述决定系数是否符合设定目标精度，若否，返回步骤S12，若是，则完成所述神经网络预测模型的构建。2.如权利要求1所述的基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法，其特征在于，在步骤S12中，以所述调节特征作为正交仿真设计表因素，所述调节特征的水平为正交仿真设计表水平。3.如权利要求1所述的基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法，其特征在于，步骤S13包括步骤：S131，基于碰撞假人的各关节连接关系，对碰撞假人的各关节进行级别划分；S132，基于关节级别，通过各关节中心点初始坐标依次计算各关节中心点目标坐标；S133，建立碰撞假人的关节中心点初始坐标向关节中心点目标坐标运动的加载模型，对应碰撞假人的肢体从初始位置平稳的运动到目标位置；S134，通过求解器求解所述有限元计算模型，获取计算结果中的碰撞假人的肌肉结点初始坐标和目标坐标，生成碰撞假人肌肉结点坐标数据。4.如权利要求1所述的基于机器学习的碰撞假人肌肉神经网络预测模型的构建方法，其特征在于，步骤S21包括步骤：S211，对正交仿真试验设计表对应的特征矩阵进行归一化处理；S212，将碰撞假人肌肉结点坐标数据中各肌肉结点的x，y，z坐标值及单元编号进行拆分...

【专利技术属性】
技术研发人员：陈文奇，朱大炜，张耿耿，乔淑平，
申请(专利权)人：上汽大众汽车有限公司，
类型：发明
国别省市：