買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉拾音汽車科技(上海)有限公司申請的專利一種基于生成對抗網絡（GAN）的車身拓撲優化方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119989949B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510472501.8，技術領域涉及：G06F30/27；該發明授權一種基于生成對抗網絡（GAN）的車身拓撲優化方法及系統是由顧炎;李友文設計研發完成，并于2025-04-16向國家知識產權局提交的專利申請。

本一種基于生成對抗網絡（GAN）的車身拓撲優化方法及系統在說明書摘要公布了：本發明涉及一種基于生成對抗網絡（GAN）的車身拓撲優化方法及系統，屬車輛與計算機深度學習應用領域。其中，該方法包括獲取歷史車身拓撲優化數據，去除冗余特征并數據增強得到歷史車身拓撲優化數據集，歷史車身拓撲優化數據包括車輛載荷數據、車身結構邊界條件和車身結構幾何數據；根據歷史車身拓撲優化數據集通過對抗性雙態映射構建生成對抗網絡模型，生成對抗網絡模型包括生成器、判別器和物理約束；漸進式訓練生成對抗網絡模型得到車身拓撲優化模型，漸進式訓練引入梯度懲罰；基于車身拓撲優化模型生成車身拓撲優化結構，并實施二值化處理和合法性檢查。本發明實現了通過生成對抗網絡進行車身拓撲優化，計算效率高，精度高，實用性強。

本發明授權一種基于生成對抗網絡（GAN）的車身拓撲優化方法及系統在權利要求書中公布了：1.一種基于生成對抗網絡的車身拓撲優化方法，其特征在于，所述車身拓撲優化方法的實施包括以下步驟： 獲取歷史車身拓撲優化數據，去除冗余特征并數據增強得到歷史車身拓撲優化數據集，所述歷史車身拓撲優化數據包括車輛載荷數據、車身結構邊界條件和車身結構幾何數據； 根據所述歷史車身拓撲優化數據集通過對抗性雙態映射構建生成對抗網絡模型，所述生成對抗網絡模型包括生成器、判別器和物理約束； 所述生成器具體包括： 將所述歷史車身拓撲優化數據集輸入生成器網絡得到車身拓撲優化輸入向量，利用深度卷積生成網絡，通過卷積層和反卷積層交替結構進行特征圖提取并輸出二值化拓撲布局； 所述二值化拓撲布局的輸出包括： 將所述車身拓撲優化輸入向量進行卷積提取載荷敏感特征，數學描述為Cpq r＝f∑m∑nWmn r×Xp+mq+nr-1+vr，其中，Cpq r為第r層卷積后特征圖中位置p，q處的載荷敏感特征值，Xp+mq+nr-1為前一層特征圖中卷積局部區域內的載荷敏感特征值，Wmn r為生成器卷積核權重，f為激活函數，vr為生成器偏置項； 引入注意力機制，動態加權關鍵區域，數學描述為αpq＝SoftmaxWa·Cpq+ba，其中，αpq為動態加權值，Wa為權重矩陣，ba為注意力機制偏置項； 利用反卷積操作對特征圖進行上采樣和重建，數學描述為Xl+1＝fWTl·Cl+bl，其中，WTl為反卷積權重，Cl為卷積層輸出的特征圖，bl為反卷積偏置項； 重復進行卷積和反卷積操作，輸出所述二值化拓撲布局； 所述判別器包括： 將所述二值化拓撲布局與真實結構布局分別輸入判別器，通過多層卷積和池化操作提取特征，數學描述為Yl+1＝fWRl·Yl+b′l，其中，Yl+1為判別器第l+1層的特征圖，Yl為判別器第l層的特征圖，WRl為判別器卷積核權重，b′l為判別器偏置項，f為激活函數，所述判別器的判別器損失函數為ΓD＝-E{logDx|B]-E[log1-Dz|B]，其中，E為期望，Dx|B為判別器認為真實結構布局x為真的概率，Dz|B為判別器認為二值化拓撲布局z為真的概率；輸出判別器概率； 漸進式訓練所述生成對抗網絡模型得到車身拓撲優化模型，漸進式訓練引入梯度懲罰； 基于所述車身拓撲優化模型生成車身拓撲優化結構，并實施二值化處理和合法性檢查。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人拾音汽車科技(上海)有限公司，其通訊地址為：201100 上海市閔行區七莘路1189號4幢2層；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。