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！

龙图腾网获悉广东工业大学申请的专利基于HorNet的三维汽车压力预测方法及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：CN115841079B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202211625337.2，技术领域涉及：G06F30/27；该发明授权基于HorNet的三维汽车压力预测方法及系统是由阳爱民;周星燃;白期风;陈治锦设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本基于HorNet的三维汽车压力预测方法及系统在说明书摘要公布了：本发明提出一种基于HorNet的三维汽车压力预测方法及系统，涉及计算机深度学习的技术领域，首先获取三维汽车CAD模型数据集，将三维汽车CAD模型数据集划分为训练集和测试集，对每个三维汽车CAD模型进行汽车压力的仿真计算以将仿真计算结果作为真实数据标签，将汽车数据集中三维汽车CAD模型存储为八叉树数据结构，确定八叉树数据结构中用于训练和测试的输入数据，然后构建HorNet卷积神经网络模型，利用输入数据中属于训练集的数据对HorNet卷积神经网络模型进行训练，并与真实数据标签进行损失对比，得到训练好的神经网络模型，用于汽车气动压力预测，测试汽车不同部位的压力状态，计算速度快，预测精度高。

本发明授权基于HorNet的三维汽车压力预测方法及系统在权利要求书中公布了：1.一种基于HorNet的三维汽车压力预测方法，其特征在于，所述方法包括以下步骤： S1.获取三维汽车CAD模型数据集，将三维汽车CAD模型数据集划分为训练集和测试集； S2.对每个三维汽车CAD模型进行汽车压力的仿真计算； S3.构建八叉树，将汽车数据集中三维汽车CAD模型存储为八叉树数据结构，确定八叉树数据结构中用于训练和测试的输入数据，以S2仿真计算得到的汽车表面产生的压力场作为输入数据的标签； S4.构建HorNet卷积神经网络模型； 步骤S4所述构建HorNet卷积神经网络模型包括依次相连的HorBlock模块和多层前馈神经网络FFN，所述HorBlock模块内设有递归相连的LayerNorn模块及门控卷积gnConv，所述FFN模块内设有递归相连的LayerNorn模块及MLP单元；所述门控卷积gnConv用于实现长距离建模和高阶空间交互，由标准卷积、线性投影和Element-wise的乘法构建，其中，高阶空间交互分为一阶的空间交互和高阶的空间交互，一阶的空间交互为： 设S3的输入数据的输入特征为x∈RN×C，门控卷积gnConv的输出为: ， , 其中，，均为线性投影操作，以完成channel纬度的信息交流；g表示Depth-wise的卷积，⊙表示向量元素依次相乘；=g∈RN×C,y=∈RN×2C表示及其周边特征的1阶相互作用； = 其中，表示Depth-wiseConv的局部窗口，中心坐标为i，w表示Depth-wiseConv的权重； 高阶的空间交互为： 首先通过得到一系列投影特征和{，，...，}，其中，k=0,1，...，n-1； 再以递归的方式进行门控卷积： =α，k=0,1，...，n-1 其中,每次递归的过程除以α以稳定训练,{}是一系列的Depth-wise卷积操作,用{}在每次递归的过程匹配特征的通道数； 最后，将最后一次递归的输出输入到投影层,得到gnConv的结果，实现某一特征和其周边特征的n阶相互作用； S5.将输入数据中属于训练集的数据输入至HorNet卷积神经网络模型中学习预测输出压力参数，将输出的压力参数与标签进行损失比较，不断反向传播梯度更新训练HorNet卷积神经网络模型，直至HorNet卷积神经网络模型训练完成； S6.将输入数据中属于测试集的数据输入至训练好的HorNet卷积神经网络模型，预测出三维汽车每个面所受的压力情况。

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广东工业大学，其通讯地址为：510060 广东省广州市越秀区东风东路729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。