一种基于改进神经网络的车身代理模型构建方法

本发明涉及一种基于改进神经网络的车身代理模型构建方法，本方法在确定模型数据初始样本数量和模型输入数据维度后，对模型数据初始样本进行抽样及模型数据进行归一化处理；然后先通过全局搜索性能强的元启发算法，对神经网络参数进行一次优化，并在元启发算法优化中运用莱维飞行法对最优参数进行扰动；然后，用梯度下降法对元启发算法优化后的神经网络参数进行二次优化，并在二次优化过程中，引入了自适应步长因子，随着梯度下降法迭代次数的增加，步长因子逐渐减小。该方法计算量小、收敛速度快，适合于各类大型车身结构设计中代理模型的构建。