(19)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 202211243779.0 (22)申请日 2022.10.12 (71)申请人 中汽研 （天津） 汽车工程研究院有限 公司 地址 300457 天津市滨 海新区经济技 术开 发区新城西路52号金融街西区6号楼 402-4单元 (72)发明人 王鹏　杨建森　武振江　王振峰　 刘忠海　李欣　张雨　张志国　 邹楠　 (74)专利代理 机构 天津企兴智财知识产权代理 有限公司 12 226 专利代理师 薛萌萌 (51)Int.Cl. G06F 30/23(2020.01)G06F 30/27(2020.01) G06F 30/15(2020.01) G06F 119/14(2020.01) (54)发明名称 基于人工智能的车辆动力学性能预测方法 (57)摘要 本发明提供了基于人工智能的车辆动力学 性能预测方法， 包括以下步骤： 在Adams中先进行 多体动力学某工况的基础分析， 产生驱动文件， 记录工况参数设置信息； 以整车硬点坐标、 整车 质心坐标、 整车质量、 减震器特性数据、 减震弹簧 特性数据、 衬套特性数据、 缓冲块特性数据作为 变量， 分别采用不同的规则进行抽样。 本发明有 益效果： 本方案提出一种基于人工智能的车辆动 力学性能预测方法， 通过一套 规定的训练方法训 练神经网络模型， 训练完成后， 只要输入整车硬 点、 弹性元件特性数据、 整车质心及质量信息， 即 可通过训练好的神经网络模型直接计算出动力 学性能， 大幅提升 了开发效率。 权利要求书2页 说明书7页 附图6页 CN 115310337 A 2022.11.08 CN 115310337 A 1.基于人工智能的车辆动力学性能预测方法， 其特 征在于， 包括以下步骤： S1、 在Adams中先进行多体动力学某工况的基础分析， 产生驱动文件， 记录工况参数设 置信息； S2、 以整车硬点坐标、 整车质心坐标、 整车质量、 减震器特性数据、 减震弹簧特性数据、 衬套特性数据、 缓冲块特性数据作为变量， 分别采用不同的规则进行抽样； S3、 对步骤S2中所得的所有样本， 依次在把每一组样本值更新至多元体动力学模型中， 并进行计算、 结果 提取、 指标计算后， 得到该组样本对应的一个标签值； S4、 步骤S3中的所有样本计算完成并提取结果、 计算指标完成后， 得到所有样本及每组 样本对应的标签值， 从而得到 完整的训练集数据； S5、 利用步骤S4得到训练数据， 通过 搭建四层全连接层神经网络模型； S6、 基于步骤S5中搭建好的神经网络模型， 以S4中得到的训练集数据进行模型训练， 得 到神经网络模型的所有权 重系数。 2.根据权利要求1所述的基于人工智能的车辆动力学性能预测方法， 其特征在于： 在步 骤S2中， 整 车硬点坐标、 整 车质心坐标、 整车质量作为离散点， 各点之间没有趋势关系， 采用 给定上限值、 下限值， 应用拉定超立方抽样方法， 在各自区间上进 行均匀撒点的方式进行抽 样： 其中， 减震器特性数据、 减震弹簧特性数据、 衬套特性数据、 缓冲块特性数据， 由于其各 点存在走势趋势， 不能作为离 散点处理， 因此采用不同的抽样方法进行抽样。 3.根据权利要求2所述的基于人工智能的车辆动力学性能预测方法， 其特征在于： 减震 器抽样后的所有样本， 满足活塞压缩过程中， 阻尼力呈现压力， 且活塞压缩速度越大， 压力 越大； 活塞行程拉升过程中， 阻尼 力呈现拉力， 且活塞拉升速度越大， 拉力越大； 当活塞速度 为零时， 阻尼力为 零。 4.根据权利要求2所述的基于人工智能的车辆动力学性能预测方法， 其特征在于： 减震 弹簧抽样后， 产生的弹簧刚度值 位于期望的合理区间， 以符合弹簧行程及弹簧力的限值。 5.根据权利要求2所述的基于人工智能的车辆动力学性能预测方法， 其特征在于： 衬套 抽样后的所有样 本， 衬套具有三个方向的刚度， 对于每个方向的刚度特性曲线， 其 实际特性 为： 衬套在一个方向上的变形越大， 呈现的反力越大， 当衬套在某方向上无变形， 则该方向 上衬套呈现的力为 零。 6.根据权利要求2所述的基于人工智能的车辆动力学性能预测方法， 其特征在于： 缓冲 块抽样后的所有样本， 其只在受压时起作用， 且随着受压变形量的增加， 缓冲力增大， 开始 受压时， 缓冲力增 加幅度较小， 随着变形的进一 步增大， 缓冲力显著增大。 7.根据权利要求1所述的基于人工智能的车辆动力学性能预测方法， 其特征在于： 在步 骤S4中， 输入层的节 点数等于变量数； 隐藏层的激活函数选用最为常用的ReLU函数， 输出层 线性输出， 不使用激活函数； 输出层的节点数为1， 即直接 输出所预测的动力学性能指标值。 8.一种电子设备， 包括处理器以及与处理器通信连接， 且用于存储所述处理器可执行 指令的存储器， 其特征在于： 所述处理器用于执行上述权利要求 1‑7任一所述的基于人工智 能的车辆动力学性能预测方法。 9.一种服务器， 其特征在于： 包括至少一个处理器， 以及与所述处理器通信连接的存储 器， 所述存储器存储有 可被所述至少一个处理器执行的指 令， 所述指 令被所述处理器执行，权　利　要　求　书 1/2 页 2 CN 115310337 A 2以使所述至少一个处理器执行如权利要求 1‑7任一所述的基于人工智能的车辆动力学性能 预测方法。 10.一种计算机可读取存储介质， 存储有计算机程序， 其特征在于： 所述计算机程序被 处理器执行时实现权利要求1 ‑7任一项所述的基于人工智能的车辆动力学性能预测方法。权　利　要　求　书 2/2 页 3 CN 115310337 A 3