【技术实现步骤摘要】
本申请属于车辆制造，特别涉及一种车身重量优化方法、系统及存储介质。
技术介绍
1、多学科优化技术是实现汽车车身轻量化的重要手段。多学科优化技术是实现汽车车身轻量化的重要手段。多学科优化通常是在实验设计的基础上，通过响应面、正交多项式、kr igi ng模型等方法建立近似模型，利用多项式函数拟合设计空间，并利用该近似模型进行预测或优化。在近似模型中，响应面函数可以是一阶、二阶、三阶和四阶多项式，构造近似模型所需要的样本点数依赖于模型阶数和输入变量个数。
2、申请人在研究中发现，现有对于刚度模态等线性度较好的模型，近似模型生成时间较短且预测的结果较为准确。对于ntf、路噪、碰撞等高度非线性模型，采用二阶及二阶以上的多项式构建近似模型时，近似模型生成时间很长，大约十几个小时，且误差较大，预测结果不准确。在此基础上进行优化的结果也不准确。而在车辆制造领域里，对于车身的各关键性能要求非常严格，在此情况下，如何通过准确预测车身性能进而精准减轻车身的重量成为行业内亟需研究的课题。
技术实现思路
<...【技术保护点】
1.一种车身重量优化方法，其特征在于，包括：
2.如权利要求1所述的车身重量优化方法，其特征在于，所述从所述待计算零部件中选取车身的关键零部件，根据所述关键零部件的参数化变量，建立参数化模型，生成DOE矩阵表，求解计算并提取计算结果，形成包含车身性能的DOE矩阵表的步骤包括：
3.如权利要求2所述的车身重量优化方法，其特征在于，所述对所述DOE矩阵进行数据预处理，以获取所述DOE矩阵表的步骤包括：
4.如权利要求1所述的车身重量优化方法，其特征在于，所述构建神经网络模型，使用所述DOE矩阵表进行训练达到目标精度的步骤中，根据以下表达...
【技术特征摘要】
1.一种车身重量优化方法，其特征在于，包括：
2.如权利要求1所述的车身重量优化方法，其特征在于，所述从所述待计算零部件中选取车身的关键零部件，根据所述关键零部件的参数化变量，建立参数化模型，生成doe矩阵表，求解计算并提取计算结果，形成包含车身性能的doe矩阵表的步骤包括：
3.如权利要求2所述的车身重量优化方法，其特征在于，所述对所述doe矩阵进行数据预处理，以获取所述doe矩阵表的步骤包括：
4.如权利要求1所述的车身重量优化方法，其特征在于，所述构建神经网络模型，使用所述doe矩阵表进行训练达到目标精度的步骤中，根据以下表达式确定隐藏层的神经元个数：
5.如权利要求1所述的车身重量优化方法，其特征在于，所述构建神经网络模型，使用所述doe矩阵表进行训练达到目标精度的步骤包括：
6.如权利要求1所述的车身重量优化方法，其特征在于，所述构建神经网络模型，使用所述doe矩阵表进行训练达到目标精度的步骤之后还包括：
7.如权利要求6所述的车身重量优化方法，其特征在于，所述使用...
【专利技术属性】
技术研发人员：马尚，巩子天纵，安敏，李飞，
申请(专利权)人：武汉路特斯汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。