买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种多模态数据驱动的商用车车架性能预测方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120911318B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511445349.0，技术领域涉及：G06F30/27；该发明授权一种多模态数据驱动的商用车车架性能预测方法与系统是由王登峰;孟子皓;倪烨楠;许文超;连丰民;董家麟设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本一种多模态数据驱动的商用车车架性能预测方法与系统在说明书摘要公布了：本发明公开了一种多模态数据驱动的商用车车架性能预测方法与系统，所述方法包括：对车架的设计变量进行统一编码；基于量产车型的有限元仿真与试验结果构建多模态性能响应数据集，并采用最大均值差异与相关对齐算法实现仿真与试验数据的融合；构建融合结构拓扑与物理位置特征的图感知Transformer多任务预测模型，预测车架在多个典型工况下的关键性能指标；通过加权多任务损失函数联合训练，引入不确定度机制动态调整任务权重；训练完成后部署至推理引擎，实现秒级预测，并支持增量微调更新。本发明避免了重复建模与求解过程，显著提高了车架性能预测效率和适应能力，适用于多种结构构型和材料类型的商用车车架性能快速评估。

本发明授权一种多模态数据驱动的商用车车架性能预测方法与系统在权利要求书中公布了：1.一种多模态数据驱动的商用车车架性能预测方法，其特征在于，包括步骤： 构建用于反映车架拓扑结构的车架结构设计图，包括步骤： 将整个车架结构的外接矩形进行网格化处理，均匀划分为若干大小相同的网格，每个网格代表一个节点，相邻网格对应的车架区域之间若存在相互连接或一体的纵或横梁，则将相应的两个节点视为存在连接边，连接纵梁或横梁的数量或阶数作为边的权重； 分别对每个网格所对应的车架区域中的车架设计变量进行量化编码，并拼接为相应节点的特征向量；所述车架设计变量包括纵梁或横梁的数量、几何尺寸、截面类型和材料类型，对于设计变量中的数值连续变量，采用标准化处理方式进行归一化处理，对于设计变量中的非数值离散变量，采用独热编码进行数值化编码； 节点邻接矩阵A用于表征各节点的连接关系，矩阵元素Aij取值非零则表示节点i与节点j之间存在连接边，将边的权重作为Aij的具体取值，并对节点邻接矩阵A做自环归一化处理； 将车架结构设计图输入图感知多任务预测模型中，获取车架的各性能指标预测值； 所述车架结构设计图包括具有特征向量的若干节点，以及用于表征各节点连接关系的节点邻接矩阵，各节点的特征向量共同构成节点特征矩阵； 所述图感知多任务预测模型通过多模态性能响应数据集进行训练，该预测模型包括输入嵌入模块、图感知编码模块和多任务解码模块；其中，输入嵌入模块用于输入车架结构设计图的节点特征矩阵，以及自环归一化处理后的节点邻接矩阵；图感知编码模块包括图卷积编码器和Transformer编码器，图卷积编码器用于提取车架结构设计图中各节点的图卷积特征，Transformer编码器用于对图卷积特征进行深度建模；多任务解码模块包含多个预测分支，用于根据Transformer编码器输出的深度特征分别预测车架的各项性能指标； 所述Transformer编码器包括堆叠的多个编码器层，每各编码器层包括多头自注意力机制和前馈神经网络两个子层，多头自注意力机制通过将输入的每个节点表示为查询、键、值向量，并计算它与其他节点的注意力权重，从而实现特征的全局交互与融合，每个节点在经过注意力层后，独立地通过一个前馈神经网络进一步增强非线性建模能力，每个子层都有残差连接与层归一化，以确保梯度稳定与训练效率；所述Transformer编码器采用GraphTransformer，并将节点邻接矩阵作为偏置项注入注意力计算中。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市高新技术产业开发区前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。