江铃汽车取得基于LSTM深度神经网络的整车载荷分解方法专利，实现周期缩短及成本降低

　　金融界2023年12月6日消息，据国家知识产权局公告，江铃汽车股份有限公司取得一项名为“一种基于LSTM深度神经网络的整车载荷分解方法“，授权公告号CN116663434B，申请日期为2023年7月。

　　专利摘要显示，本发明属于汽车仿真领域，具体涉及一种基于LSTM深度神经网络的整车载荷分解方法。包括如下步骤S1:将待开发车型的基础物理样车进行实车测量道路载荷谱，S2：根据整车的参数搭建整车的多体动力学仿真模型；S3:将S1测量得到的数据施加到S2中的整车多体动力学模型，求解仿真模型；S4：构建LSTM循环神经网络深度学习模型；S5：将S1和S3数据分别作为S4的深度学习模型输出和输入对神经网络进行训练，并对训练结果进行评价；S6：将实测得到的数据经处理后输入深度神经网络，求解得到轮心的垂向位移；S7：整车载荷分解，求解获得整车的各个零件连接点的载荷。本发明基于LSTM循环神经网络来进行整车载荷分解，效率远高于基于虚拟迭代法，实现周期缩短及成本降低。