一种基于Modelica语言的大模型驱动的汽车模型建模方法

本发明公开了一种基于Modelica语言的大模型驱动的汽车模型建模方法，属于智能建模与汽车仿真技术领域。首先采用领域知识增强的BERT‑CRF多任务模型，将自然语言需求精准解析为结构化三元组；通过图神经网络驱动的多目标优化算法匹配最优组件组合，结合符号数学推导与机器学习协同预测跨学科参数可行域；创新性地运用图注意力网络优化拓扑连接矩阵，并融合模板引擎与语法树分析实现仿真代码的智能生成与动态验证；最后通过强化学习构建多目标奖励函数优化控制策略，并建立闭环知识迭代机制。相比传统建模方法，通过大模型与Modelica深度结合，在保持物理建模严谨性的同时，显著降低汽车系统建模的技术难度，特别适用于新能源车型开发、智能驾驶系统集成等复杂场景。