公开(公告)号：CN119862784A

公开(公告)日：2025-04-22

申请号：CN202510061372.3

申请日：2025-01-15

Applicant: 大连理工大学

Inventor： 侯文彬 ,  李永成

IPC: G06F30/27 ,  G06F30/15 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明属于工程结构分析及优化技术领域，公开了一种基于异质图神经网络的车身结构性能预测方法。技术要点包括：在待预测设计域内采样数据集所需的结构样本，使用异质图表示方法和数值分析方法，建立异质图数据集；以HGT层为核心，定义HGNN设计空间；使用部分异质图数据集、受控随机搜索方法和网格搜索方法，构建最优的HGNN模型；使用全部异质图数据集和最优的训练配置参数完成最优HGNN模型的训练；使用训练后的HGNN模型预测设计域内任意结构样本的性能。本发明不仅适用于与同质图对应的同质结构，还适用于与异质图对应的分布更为广泛的结构，大大提高了方法的通用性，在没有损失应用范围的前提下提升了方法的可扩展性。

公开(公告)号：CN119862783A

公开(公告)日：2025-04-22

申请号：CN202510061092.2

申请日：2025-01-15

Applicant: 大连理工大学

Inventor： 侯文彬 ,  李永成

IPC: G06F30/27 ,  G06F30/15 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的车身结构性能预测方法，属于工程结构分析及优化技术领域。其特征是：在待预测设计域内收集具有不同拓扑类型和设计参数的结构样本；使用图表示方法将结构样本转化为图数据；使用数值分析方法求解得到结构样本的性能真实值，作为图样本的标签；使用图数据集在GNN设计空间筛选出GNN模型的最优结构参数和训练配置参数；构建最优的GNN模型，完成训练后用于预测设计域内任意结构的性能。本发明能够克服常见网络类型中单一模型只能预测一种拓扑类型结构的性能的缺点，从而使用单一模型就能预测设计域内所有拓扑类型结构的性能，具有良好的可扩展性，能够减少模型数量和降低训练时间，从而缩短产品开发周期。