【摘要】 一种汽车结构优化设计领域的基于支持向量机的轿车车身综合性能指标建模方法，包括：步骤一、选择零件作为设计目标，并确定零件的板厚、材料参数作为设计变量；步骤二、依据步骤一所确定的设计变量，采用试验设计方法生成设计矩阵；步骤三、根据设计矩阵进行有限元仿真试验设计，提取结构性能指标值完成训练样本的建立；步骤四、利用支持向量机方法对样本进行训练，建立综合性能指标数学模型；步骤五、利用检验指标验证所建立的综合性能指标数学模型；步骤六、在验证得到高精度综合性能指标数学模型后建立自适应过程。本发明适用于多变量、结构性能强非线性的响应指标数学建模，模型预测精度高，建模效率高，最优设计方案可行性强。 【专利类型】发明授权 【申请人】上海交通大学 【申请人类型】学校 【申请人地址】200240 上海市闵行区东川路800号 【申请人地区】中国 【申请人城市】上海市 【申请人区县】闵行区 【申请号】CN200810034288.9 【申请日】2008-03-06 【申请年份】2008 【公开公告号】CN101241521B 【公开公告日】2010-07-21 【公开公告年份】2010 【授权公告号】CN101241521B 【授权公告日】2010-07-21 【授权公告年份】2010.0 【IPC分类号】G06F17/50 【发明人】朱平; 张宇; 陈关龙; 郭永进; 余海东; 潘峰 【主权项内容】一种基于支持向量机的轿车车身综合性能指标建模方法，其特征在于，包括以下步骤：步骤一、选择零件作为设计目标，并确定零件的板厚、材料参数作为设计变量；步骤二、依据步骤一所确定的设计变量，采用试验设计方法生成设计矩阵，即在建立结构性能指标与设计变量函数关系的过程中，采用试验设计方法中的均匀设计在多维设计空间内选择样本点，样本点的数量由性能指标的非线性程度及建立数学模型所需达到的精度而定，采集样本点上的性能响应特征信息，并利用这些性能响应特征信息完成函数关系的建立，均匀设计在n维设计空间内均具有良好的均匀分散性，其中n为设计变量个数，使得样本均匀的分布在设计空间，捕捉性能响应特征信息，设计因素的水平与试验的次数相等，通过数据处理统计软件，在给定因素个数及试验次数的前提下自动生成设计矩阵；步骤三、根据设计矩阵进行有限元仿真试验设计，提取结构性能指标值完成训练样本的建立；步骤四、利用支持向量机方法对样本进行训练，建立综合性能指标数学模型，即在建立综合性能指标与设计变量函数关系的过程中，采用数据挖掘中的支持向量机方法，将非线性问题转化为高维空间中的线性回归问题，通过求解一系列最优化问题得到该线性回归问题的解，以设计矩阵及有限元仿真得到的性能指标矩阵作为样本，采用支持向量机方法进行样本训练，得到相应的回归系数，完成综合性能指标数学模型的建立；步骤五、利用检验指标验证所建立的综合性能指标数学模型，即在建立综合性能指标数学模型后，生成另外的在设计空间内随机、均匀分散的测试样本，将测试样本上预测性能指标值与有限元仿真响应值进行对比，验证模型的预测精度，采用最大绝对值误差、相对平均绝对值误差、均方根误差和确定性系数四个检验指标对所建立的数学模型进行验证，检验指标中的最大绝对值误差、相对平均绝对值误差及均方根误差越小，则说明模型精度越高，反之则模型精度越低，而对于确定性系数，其范围介于0与1.0之间，越接近1.0则说明模型精度越高，反之则模型精度越低；步骤六、在验证后对符合精度要求的综合性能指标数学模型建立自适应过程，即在建立了具有较高的预测精度的综合性能指标数学模型后，为提高数学模型在最优设计点上的预测精度，用综合性能指标数学模型进行数轮确定性优化，在最优设计点处将预测性能指标值与有限元仿真的响应值进行对比，并将该最优设计点处的设计矩阵及性能指标矩阵反馈到训练样本中，直至最优设计点处的预测值与有限元仿真的响应值在可接受范围内，则自适应过程结束。。： 【当前权利人】上海交通大学 【当前专利权人地址】上海市闵行区东川路800号 【统一社会信用代码】1210000042500615X0 【家族被引证次数】20
