【技术实现步骤摘要】
本申请属于汽车制造，特别涉及一种车身性能预测、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。多学科优化通常是在实验设计的基础上，通过响应面、正交多项式、kriging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，目前行业内对于车身性能预测一般通过isight、optimus等商业软件实现车身刚度、模态、路躁等性能的预测。但是以商业软件为依托的情况下，算法是内部封装的，只有有限的参数可以修改，且软件提供的二次开发接口不友好，操作重复繁琐，不利于实现自动化操作。另外对于ntf、路噪、碰撞等高度非线性模型，采用二阶及二阶以上多项式构建近似模型时，近似模型生成时间很长，且误差较大，预测结果不准确。
技术实现思路
1、针对上述问题，本申请提供了一种车身性能预测、系统及存储介质。
2、具本文档来自技高网...
【技术保护点】
1.一种车身性能预测方法，其特征在于，包括：
2.如权利要求1所述的车身性能预测方法，其特征在于，所述选取车身的关键钣金件，以所述关键钣金件的厚度为变量，建立参数化模型，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所述的车身性能预测方法，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3所述的车身性能预测方法，其特征在于，所述对所述DOE矩阵进行归一化处理的步骤中，通过以下表达式进行处理：
5.如权利要求1所述的车身性能预测方法，其...
【技术特征摘要】
1.一种车身性能预测方法，其特征在于，包括：
2.如权利要求1所述的车身性能预测方法，其特征在于，所述选取车身的关键钣金件，以所述关键钣金件的厚度为变量，建立参数化模型，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所述的车身性能预测方法，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3所述的车身性能预测方法，其特征在于，所述对所述doe矩阵进行归一化处理的步骤中，通过以下表达式进行处理：
5.如权利要求1所述的车身性能预测方法，其特征在于，所述构建具有多层隐藏层的神经网络模型，使用所述包含车身性能的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：
6.如权利要求1所述的车身性能预测方法，其特征在于，所述构建具有多层隐藏层的神经网络模型，使用所述包含车身性能的doe矩阵表进行训练达到目标精度的步骤包括：
7.如权利要求6所述的车身性能预测方法，其特征在于，所述非线性激活函数包括relu函数时，根据以下表达式进行处理：<...
【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。