摘要
本申请公开了一种汽车二力杆屈曲力预测方法,包括:获取汽车二力杆的3D网格数据;将汽车二力杆的3D网格数据输入到训练好的屈曲力预测模型中,通过屈曲力预测模型对二力杆屈曲力进行预测,得到二力杆屈曲力的预测结果;其中,屈曲力预测模型是以汽车二力杆的3D网格数据作为输入、二力杆屈曲力作为输出对初始神经网络模型进行训练得到;本申请通过对汽车二力杆的3D模型文件直接使用网格数据,通过对网格数据进行特征提取的3D神经网络来实现二力杆屈曲力回归预测任务,这不仅可以代替二力杆仿真过程中繁琐的有限元分析工作,在时间性能上有很大提升,而且提高了仿真工程师的工作效率,也真正实现了利用AI赋能仿真业务,具有广阔的应用前景。
技术关键词
力预测方法
网格特征
汽车
特征提取模块
神经网络模型
邻域
线条
预测装置
全局平均池化
机器可读介质
关系
数据获取模块
处理器
存储器
程序
指令
系统为您推荐了相关专利信息
污水处理设备
溶气气浮池
数据获取模块
模型更新
数据处理模块
多源图像融合
暗通道先验
直方图均衡化
水下图像处理技术
图像局部对比度
影像特征识别
炎症性肠病
文本特征向量
预测系统
特征提取模型
汽车毫米波雷达
孔洞
多尺度特征
润滑铝片
融合特征