一种车身覆盖件的位移场预测方法与流程

本技术涉及车辆开发，特别是涉及一种车身覆盖件的位移场预测方法。

背景技术：

1、目前，随着汽车行人保护法规的不断完善，发动机罩等车身覆盖件在设计阶段需要进行大量结构安全分析，以评估其在冲击工况下的位移响应和吸能性能。在现有工程实践中，通常采用显式动力学有限元方法对覆盖件结构进行仿真计算，通过建立精细网格模型并施加载荷时间历程，获取结构在不同时间步的位移场及相关性能指标。然而，该类方法计算过程复杂，对网格质量和时间步长要求较高，单次仿真耗时较长，难以满足多车型、多方案并行开发的需求。

2、为提高计算效率，部分解决方案引入了基于机器学习的代理模型，通过输入结构参数和工况参数预测关键性能指标。然而，该类方法依赖人工提取的几何参数，难以全面表达复杂三维结构特征，且多数仅能输出少量标量结果，无法直接获得具有空间分布特征的整场位移信息。同时，不同车型之间差异较大，现有模型普遍缺乏跨车型统一建模能力，难以在不同结构之间进行泛化应用。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种车身覆盖件的位移场预测方法，所述方法包括：

2、获取待分析车身覆盖件的多个节点的节点坐标；

3、对所述节点坐标进行归一化处理；

4、将归一化后的节点坐标输入预先训练的位移场预测模型；

5、获取所述位移场预测模型输出的各所述节点在多个时间步上的位移值；

6、根据各所述节点在各所述时间步上的位移值，构建所述车身覆盖件的位移场。

7、作为一种可选的实施方式，所述获取待分析车身覆盖件的多个节点的节点坐标，包括：

8、对所述待分析车身覆盖件进行节点抽样，获得多个节点；

9、将所述节点的三维坐标作为所述节点坐标。

10、作为一种可选的实施方式，所述对所述节点坐标进行归一化处理，包括：

11、计算各所述节点坐标对应的统一几何中心和尺度因子；

12、根据所述统一几何中心对所述节点坐标进行平移处理；

13、根据所述尺度因子对平移后的节点坐标进行缩放处理，得到归一化后的节点坐标。

14、作为一种可选的实施方式，所述位移场预测模型的训练方法，包括：

15、获取多个车型的车身覆盖件在预设的动力工况下的有限元仿真结果；

16、基于所述有限元仿真结果，构建训练样本，所述训练样本包括归一化后的节点坐标和对应的节点位移时间序列；

17、将多个车型的所述训练样本输入深度算子网络进行联合训练，得到所述位移场预测模型。

18、作为一种可选的实施方式，所述基于所述有限元仿真结果，构建训练样本，包括：

19、对各所述车身覆盖件进行节点抽样，获得预设数量的节点对应的节点坐标；

20、从所述有限元仿真结果中提取各所述节点在多个时间步上的三向位移数据；

21、根据所述三向位移数据计算各所述节点在各时间步上的位移标量；

22、针对各所述节点，将该节点对应的节点坐标与对应的位移标量按照节点维度和时间维度进行排列，形成该节点的节点位移时间序列。

23、作为一种可选的实施方式，所述从所述有限元仿真结果中提取各所述节点在多个时间步上的三向位移数据，包括：

24、针对各所述车型的车身覆盖件，提取该车身覆盖件的多个几何形状样本；

25、按照预设的时间离散步数，将各所述节点的结构响应在预设的时间区间内离散，得到多个所述时间步；

26、针对各所述几何形状样本，获取多个所述节点在各所述时间步上的三向位移向量。

27、作为一种可选的实施方式，所述根据所述三向位移数据计算各所述节点在各时间步上的位移标量的公式为：

28、；

29、其中，

u

main(

i,t

j)为节点

i在时间步

t

j上的位移标量，u(

i,t

j)为节点

i在时间步

t

j上的位移向量。

30、作为一种可选的实施方式，所述方法还包括：

31、根据所述节点在各时间步上的位移标量，构建该几何形状样本的主位移矩阵，所述主位移矩阵为所述深度算子网络的监督输出。

32、作为一种可选的实施方式，所述深度算子网络包括几何编码网络、空间编码网络、中间融合模块、时间系数生成网络和场解码模块，所述将多个车型的所述训练样本输入深度算子网络进行联合训练，得到所述位移场预测模型，包括：

33、将所述归一化后的节点坐标输入所述几何编码网络，得到全局几何特征；

34、将所述归一化后的各节点坐标输入所述空间编码网络，得到各所述节点对应的空间特征；

35、基于所述全局几何特征和所述空间特征，经所述中间融合模块处理，得到中间特征，并统计汇总为全局响应向量；

36、基于所述全局响应向量，经所述时间系数生成网络处理，得到多个时间步对应的时间系数向量；

37、通过所述场解码模块将所述中间特征映射为空间系数向量；

38、基于所述空间系数向量和所述时间系数向量，确定各所述节点在各时间步上的预测位移值；

39、基于各所述节点在各时间步上的预测位移值和所述节点位移时间序列，确定损失函数值；

40、根据所述损失函数值，对所述深度算子网络的参数进行更新。

41、作为一种可选的实施方式，所述根据各所述节点在各所述时间步上的位移值，构建所述车身覆盖件的位移场，包括：

42、按照节点维度和时间维度对各所述节点在各所述时间步上的位移值进行排列，得到位移场矩阵；

43、将所述位移场矩阵映射回所述待分析车身覆盖件的节点位置，构建所述车身覆盖件在多个时间步上的位移场。

44、本技术提供了一种车身覆盖件的位移场预测方法，所述方法包括：获取待分析车身覆盖件的多个节点的节点坐标；对所述节点坐标进行归一化处理；将归一化后的节点坐标输入预先训练的位移场预测模型；获取所述位移场预测模型输出的各所述节点在多个时间步上的位移值；根据各所述节点在各所述时间步上的位移值，构建所述车身覆盖件的位移场。

45、本技术的实施例提供的技术方案至少带来以下有益效果：

46、首先，通过获取待分析车身覆盖件的多个节点的节点坐标，并对所述节点坐标进行归一化处理，使不同结构尺寸及不同车型的几何信息被统一映射至同一尺度空间，从而消除了不同车型之间的几何尺度差异，避免了现有技术中需要针对不同车型分别建模的问题，提高了模型的适用范围。其次，将归一化后的节点坐标直接输入预先训练的位移场预测模型，使模型可以基于节点空间分布关系建立节点坐标与结构响应之间的映射关系。相较于现有基于有限元方法需要显式构建网格模型并进行逐步时间积分计算的方式，本技术通过一次前向计算即可获得预测结果，从而显著降低计算复杂度和计算时间。进一步地，通过获取所述位移场预测模型输出的各节点在多个时间步上的位移值，并根据所述位移值构建车身覆盖件的位移场，实现了对结构在时间维度和空间维度上的整体响应表征。与现有仅能输出单一或少量标量指标的代理模型相比，本技术可以直接获得节点与时间的二维位移分布，为结构变形分析、性能评估及结构优化提供更完整的基础数据。因此，本技术实施例可以在保证预测精度的同时，实现对车身覆盖件位移场的快速获取，有效提升了多车型并行开发过程中结构分析的效率和实用性。

47、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。