(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211156368.8 (22)申请日 2022.09.21 (71)申请人 岚图汽车 科技有限公司 地址 430000 湖北省武汉市经济技 术开发 区人工智能科技园N栋研发楼3层 N3010号 (72)发明人 段文立　陆兴旺　李昂　刘国平　 王迎　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 专利代理师 万畅 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/15(2020.01) G06F 30/27(2020.01)G06F 111/10(2020.01) G06F 111/06(2020.01) (54)发明名称 一种发动机罩全流 程数值开发方法及系统 (57)摘要 本发明涉及一种发动机罩全流程数值开发 方法及系统， 该开发方法包括： 基于造型数据搭 建发动机罩的SFE参数化模型， 利用SFE参数化模 型进行性能优化和DOE分析， 得到DOE结果； 基于 DOE结果进行机器学习， 得到空间性能参数的优 化预测值； 对发动机罩的各个模 型参数进行多学 科和多目标优化得到发动机罩的优化参数相对 最优组合； 在早期概念阶段即介入性能分析对于 前期的造型具有一定的指导意义； 可以做到曲 线、 动画等矢量的机器学习， 较单纯的数据的机 器学习更有优势； 多学科联合优化可以大幅减少 单学科优化造成的方案冲突， 并能够一次性达到 最优结果； 能够大幅度缩短仿真时间， 缩短整车 开发周期和仿真周期； 对于碰撞 安全和约束系统 仿真等需要大量计算资源的分析同样适用且意 义更大。 权利要求书2页 说明书9页 附图5页 CN 115544681 A 2022.12.30 CN 115544681 A 1.一种发动机罩全流 程数值开发方法， 其特 征在于， 所述 开发方法包括： 步骤1， 基于造型数据搭建发动机罩的SFE参数化模型， 利用所述SFE参数化模型进行性 能优化和DOE分析， 得到DOE结果； 步骤2， 基于所述D OE结果进行机器学习， 得到空间性能集合的优化预测值， 所述空间性 能集合包含的空间性能参数包括： 加速度曲线、 HIC损伤值、 刚度和模态； 步骤3， 对发动机罩的各个模型参数进行多学科和多目标优化得到所述发动机罩的优 化模型参数。 2.根据权利要求1所述的开发方法， 其特 征在于， 所述 步骤1包括： 步骤101， 基于 造型数据进行实体建模后进行拓扑优化； 步骤102， 基于拓扑优化结果以及所述发动机罩的各个结构的分缝和布置数据搭建所 述发动机罩的SFE参数化模 型， 基于所述SFE参数化模型和约束 条件创建所述 发动机罩的形 状变化参数； 所述SFE参数化模型的参数包括发罩的造型、 加强筋的位置、 宽度、 高度、 内板 侧面倾斜角度、 料厚和材 料牌号； 步骤103， 基于所述发动 机罩的形状变化参数， 用超拉丁方法进行D OE实验设计， 分别 进 行基于参数化模型的刚度、 模态和行人保护头部碰撞的仿真分析， 得到基于DOE分析的DOE 结果。 3.根据权利要求2所述的开发方法， 其特征在于， 所述发动机罩的各个结构包括： 造型 内外CAS、 发动机罩主断面、 造型开闭件及车灯。 4.根据权利要求1所述的开发方法， 其特征在于， 所述步骤2中得到所述空间性能集合 的过程包括： 将所述DOE结果数据分为训练集、 验证集和预测集； 将所述训练集的各种所述空间性能参数分别通过pytho n程序进行处 理为预定格式； 利用各种所述空间性 能参数的训练集数据分别进行机器学习， 并根据 所述预测集和验 证集对学习模型进行验证。 5.根据权利要求1所述的开发方法， 其特征在于， 所述步骤2中进行机器学习还包括： 通 过削峰降低整个加速度的水平实现降低所述HIC损伤值， 加速度曲线与所述HIC损伤 值之间 的关系为： 式中： t1和t 2分别为在冲击过程中的两个时刻； a为测量出的合成加速度； t为时间变量。 6.根据权利要求1所述的开发方法， 其特征在于， 所述步骤3中进行多学科和多目标优 化的过程包括： 将所有点HIC损伤值降到第一目标值或全局降为设定目标曲线， 约束所述刚度和所述 模态达到第二目标值或者保持原性能不变， 目标函数为质量 最小。 7.根据权利要求1所述的开发方法， 其特 征在于， 所述 步骤3之后还 包括： 步骤4， 对所述发动机罩的空间性能参数进行刚度、 模态和行人保护的仿真校核， 得到 满足所有性能的最 终模型参数的取值； 输出所述最 终模型参数的取值的CAD数据， 完成数据权　利　要　求　书 1/2 页 2 CN 115544681 A 2制作并发布数据。 8.一种发动机罩全流程数值开发系统， 其特征在于， 所述开发系统包括： DOE分析模块、 机器学习模块和多目标优化模块； 所述DOE分析模块， 用于基于造型数据搭建发动 机罩的SFE参数化模型， 利用所述SFE参 数化模型进行性能优化和DOE分析， 得到DOE结果； 所述机器学习模块， 用于基于所述DOE结果进行机器学习， 得到空间性能集合的优化预 测值， 所述空间性能集 合包含的空间性能参数包括： 加速度曲线、 HIC损伤值、 刚度和模态； 所述多目标优化模块， 用于对发动机罩的各个模型参数进行多学科和多目标优化得到 所述发动机罩的优化模型参数。 9.一种电子设备， 其特征在于， 包括存储器、 处理器， 所述处理器用于执行存储器中存 储的计算机管理类程序时实现如权利要求 1‑7任一项所述的发动机罩全流程数值开 发方法 的步骤。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机管理类程序， 所述计算 机管理类程序被处理器执行时实现如权利要求 1‑7任一项所述的发动机罩全流程数值开 发 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115544681 A 3