[发明专利]一种基于机器学习的汽车发动机罩力学性能快速评估方法

说明书

本申请公开了一种基于机器学习的汽车发动机罩力学性能快速评估方法，该方法包括：基于原始数据集和多个初始算法模型，进行多次训练和测试，提取多个初始算法模型的初始特征向量和对应的预测数据集；根据初始特征向量和预测数据集，计算生成中间训练数据集；根据原始数据集的初始中心点集合与预设条件函数，计算预设条件函数收敛时初始中心点集合对应的终止中心点集合；根据终止中心点集合和中间训练数据集，生成训练数据集；根据训练数据集，计算目标函数取值最小时对应的混合智能模型，其中，混合智能模型用于进行汽车发动机罩力学性能快速评估。通过本申请中的技术方案，解决发动机罩的研发周期较长以及预测精度、稳定性偏低的问题。

技术领域

本申请涉及汽车的技术领域，具体而言，涉及一种基于机器学习的汽车发动机罩力学性能快速评估方法。

背景技术

随着全球汽车行业的快速发展，汽车设计周期不断缩减，传统的汽车零部件设计手段很难满足市场的快速迭代，零件的快速设计方法可以为此问题提供解决思路。汽车发动机罩作为车身结构的重要组成部分，其性能的好坏直接影响着整车的使用性能，特别是发动机罩的刚度及模态等需要满足整车性能要求，故研究发动机罩的力学性能具有重要价值和意义。

而现有的发动机罩结构设计过程中，首先需要进行CAD正向设计，而后通过CAE仿真，对其扭转刚度和一阶模态进行验证，以确定其设计参数是否满足整车性能要求，不仅设计流程复杂、耗费大量的时间，而且，随着发动机罩结构中设计参数的增加，所耗费的时间将成指数增加。

另外，如果出现某一/些设计参数不能满足整车性能要求时，往往还需要依赖工程师丰富的工程经验进行调整，且仍然不可避免设计参数调整过程中的不确定性，延长了发动机罩的研发周期。

发明内容

本申请的目的在于：将多个机器学习算法模型的预测结果，采用融合的方式，运用到发动机罩力学性能评估上，以解决发动机罩的研发周期较长以及预测精度、稳定性偏低的问题。

本申请的技术方案是：提供了一种基于机器学习的汽车发动机罩力学性能快速评估方法，该方法包括：步骤1，基于原始数据集和多个初始算法模型，进行多次训练和测试，提取多个初始算法模型的初始特征向量和对应的预测数据集；步骤2，根据初始特征向量和预测数据集，计算生成中间训练数据集；步骤3，根据原始数据集的初始中心点集合与预设条件函数，计算预设条件函数收敛时初始中心点集合对应的终止中心点集合；步骤4，根据终止中心点集合和中间训练数据集，生成训练数据集；步骤5，根据训练数据集，计算目标函数取值最小时对应的混合智能模型，其中，混合智能模型用于进行汽车发动机罩力学性能快速评估。

上述任一项技术方案中，进一步地，步骤2中，根据初始特征向量和预测数据集，计算生成中间训练数据集，具体包括：步骤21，计算每一次训练和测试对应的预测数据集的预测均值以及预测均值中的最大值；步骤22，基于初始特征向量、初始特征向量中的最大值、预测数据集以及预测均值中的最大值，计算生成中间训练数据集。

上述任一项技术方案中，进一步地，步骤2中，中间训练数据集D_new(n×k)对应的计算公式为：

S_M＝Max{R_ij}

式中，D_new(n×k)为中间训练数据集，S_M为初始特征向量{R_ij}中的最大值，为预测数据集{pred_ij}的预测均值，V_M为预测数据集中预测均值的最大值，R_ij为特征向量{R_ij}中第i行第j列的元素。