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！

龙图腾网获悉大连理工大学申请的专利一种基于异质图神经网络的车身结构性能预测方法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：CN119862784B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510061372.3，技术领域涉及：G06F30/27；该发明授权一种基于异质图神经网络的车身结构性能预测方法是由侯文彬;李永成设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于异质图神经网络的车身结构性能预测方法在说明书摘要公布了：本发明属于工程结构分析及优化技术领域，公开了一种基于异质图神经网络的车身结构性能预测方法。技术要点包括：在待预测设计域内采样数据集所需的结构样本，使用异质图表示方法和数值分析方法，建立异质图数据集；以HGT层为核心，定义HGNN设计空间；使用部分异质图数据集、受控随机搜索方法和网格搜索方法，构建最优的HGNN模型；使用全部异质图数据集和最优的训练配置参数完成最优HGNN模型的训练；使用训练后的HGNN模型预测设计域内任意结构样本的性能。本发明不仅适用于与同质图对应的同质结构，还适用于与异质图对应的分布更为广泛的结构，大大提高了方法的通用性，在没有损失应用范围的前提下提升了方法的可扩展性。

本发明授权一种基于异质图神经网络的车身结构性能预测方法在权利要求书中公布了：1.一种基于异质图神经网络的车身结构性能预测方法，其特征在于，包括以下步骤： 步骤1：建立与不同拓扑类型的车身结构相对应的异质图数据集： 步骤2：定义HGNN设计空间； 步骤3：HGNN设计空间搜索： 步骤4：使用全部图数据集和上述最优的训练配置参数完成最优HGNN模型的训练，并输出在验证集上预测精度最高的模型检查点作为下一步的输入； 步骤5：从待预测设计域内随机采样新的结构样本，使用上述模型检查点直接给出其性能的预测值； 步骤2包括： 1HGT层：其计算过程包括三个主要组成部分：异质互注意力、异质消息传递和特定目标的异质消息聚合； a、异质互注意力： 其中，s，t和e分别代表源顶点、目标顶点和这两个顶点之间的边；Hl‑1[s]和Hl‑1[t]分别表示第l层之前源顶点和目标顶点的特征；h代表注意力头的个数，d表示投影到相同空间后异质图中所有顶点的共同特征维度，μ代表编码每个元关系一般意义的先验张量；和分别对应边类型、源顶点类型和目标顶点类型的权值矩阵； b、异质消息传递： 其中，和分别表示与源顶点类型和边类型相关联的权重矩阵； c、特定目标的异质消息聚合： 其中，代表HGT层更新后的顶点特征； 2定义层内、层间和训练配置设计维度：基于以上HGT层的可变操作及其可选值定义层内设计维度；基于HGT层间的可变操作及其可选值定义层间设计维度；基于网络模型的训练超参数及其可选值定义训练配置设计维度； 步骤3：HGNN设计空间搜索，包括： 1使用受控随机搜索方法进行层内和层间设计维度的搜索： 2基于层内和层间设计维度的最优设计选择构建最优HGNN模型，使用网格搜索方法进行训练配置设计维度的搜索，并输出最优的训练配置参数。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。