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！

龙图腾网获悉中国船舶集团有限公司第七〇七研究所;天津市旗领测控科技有限责任公司申请的专利一种基于改进神经网络的车身代理模型构建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：CN119089569B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202410973287.X，技术领域涉及：G06F30/15；该发明授权一种基于改进神经网络的车身代理模型构建方法是由符传亮;王龙肖;李和薇;陈晓昀;韩瑀;王浩设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本一种基于改进神经网络的车身代理模型构建方法在说明书摘要公布了：本发明涉及一种基于改进神经网络的车身代理模型构建方法，本方法在确定模型数据初始样本数量和模型输入数据维度后，对模型数据初始样本进行抽样及模型数据进行归一化处理；然后先通过全局搜索性能强的元启发算法，对神经网络参数进行一次优化，并在元启发算法优化中运用莱维飞行法对最优参数进行扰动；然后，用梯度下降法对元启发算法优化后的神经网络参数进行二次优化，并在二次优化过程中，引入了自适应步长因子，随着梯度下降法迭代次数的增加，步长因子逐渐减小。该方法计算量小、收敛速度快，适合于各类大型车身结构设计中代理模型的构建。

本发明授权一种基于改进神经网络的车身代理模型构建方法在权利要求书中公布了：1.一种基于改进神经网络的车身代理模型构建方法，其特征在于，包括以下步骤： S1：确定模型输入数据维度、模型输出数据维度及模型数据初始样本数量； S2：利用拉丁超立方抽样法对模型数据初始样本进行抽样； S3：对模型数据进行归一化处理； S4：确定神经网络输入层、隐藏层和输出层的个数； S5：确定神经网络参数初始样本数； S6：确定元启发算法最大迭代次数和梯度下降法最大迭代次数； S7：利用元启发算法对神经网络中的参数进行优化； S8：利用莱维飞行方法，对当前产生的最佳参数进行扰动； S9：判断当前元启发算法迭代次数是否大于元启发算法最大迭代次数，若当前元启发算法迭代次数大于元启发算法最大迭代次数，则进入步骤S10；否则，返回步骤S7； S10：将步骤S9输出的最佳神经网络参数作为输入，利用梯度下降法对其进行二次优化； S11：判断当前梯度下降法迭代次数是否大于梯度下降法最大迭代次数，若当前梯度下降法迭代次数大于梯度下降法最大迭代次数，则进入步骤S12；否则，返回步骤S10； S12：输出神经网络参数，完成代理模型的构建； 在步骤S7中，设计变量为神经网络中的参数，由四部分组成：第一权重系数W、第二权重系数E，第一偏置系数B和第二偏置系数D；神经网络参数的总数通过以下公式确定： T＝n·k+m·n+m+n 式中，T为神经网络参数的总数；k为模型输入数据维度；m为模型输出数据维度；n为神经网络隐藏层的个数； 第i个设计变量向量为 第i个设计变量向量简写为： Zi＝[Wi,Ei,Bi,Di] 其中，将所有设计变量组成整体变量： 在步骤S7中，第i组神经网络参数适应度obji通过以下公式计算： obji＝∑∑|Fi-Q′| 式中，Q′为归一化后的模型输出数据；Fi为第i组神经网络参数输出数据；第i组神经网络参数输出数据Fi通过以下公式求得： 式中，Wi为第i组的第一权重系数；Ei为第i组的第二权重系数；Bi为第i组的第一偏置系数；Di为第i组的第二偏置系数；P′为归一后的模型输入数据； logsig为神经网络的激活函数，其表达式如下： 式中，e为自然常数，取值为2.71828； 在步骤S7中，元启发算法中的更新公式如下： 式中，a为元启发算法的迭代次数；为第a+1次迭代中第i组神经网络参数；为第a次迭代整体佳参数；TA、TS和TB为[0,1]范围内1×T的随机向量；sumTS为TS中所有的元素求和结果；wt为[-5,5]范围内产生的随机值；rnd为[0,1]范围内产生的随机值；coe为[0,0.17]范围内产生的随机值；T为神经网络参数的总数；maxiter1为元启发算法最大迭代次数。

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中国船舶集团有限公司第七〇七研究所;天津市旗领测控科技有限责任公司，其通讯地址为：300131 天津市红桥区丁字沽一号路268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。