[发明专利]一种车体零部件的结构优化方法、装置、设备及存储介质

权利要求书

1.一种车体零部件的结构优化方法，其特征在于，包括：

根据车体零部件的结构参数样本集合，获取生成对抗网络模型，并根据所述生成对抗网络模型，获取至少一个生成对抗样本；其中，所述结构参数样本集合包括多个结构参数样本；

根据性能评价规则，在所述至少一个生成对抗样本中，获取目标生成对抗样本，并将所述目标生成对抗样本加入所述结构参数样本集合中；其中，所述性能评价规则包括至少一个性能评价项；

判断所述结构参数样本集合是否符合预设迭代收敛条件；

若所述结构参数样本集合不符合预设迭代收敛条件，则根据所述结构参数样本集合，继续获取生成对抗网络模型，直至所述结构参数样本集合符合预设迭代收敛条件；

根据所述至少一个性能评价项，在所述结构参数样本集合中，获取最优样本，并将所述最优样本作为所述车体零部件的结构参数；

所述生成对抗网络模型，是一种基于神经网络构建的深度学习模型，包括生成器和判别器两部分，生成器用于根据输入的服从预设概率分布的随机数据生成中间样本，判别器用于对生成器生成的中间样本进行判决，输出中间样本的判断结果；

其中，在所述判别器的基础上，增加一层网络用于预测所述生成器生成的所述中间样本的性能测试结果，所述判别器在对所述生成器生成的所述中间样本进行判决的同时，预测所述中间样本的性能测试结果。

2.根据权利要求1所述的方法，其特征在于，在判断所述结构参数样本集合是否符合预设迭代收敛条件后，还包括：

若所述结构参数样本集合符合预设迭代收敛条件，则根据所述至少一个性能评价项，在所述结构参数样本集合中，获取最优样本，并将所述最优样本作为所述车体零部件的结构参数。

3.根据权利要求1所述的方法，其特征在于，所述判断所述结构参数样本集合是否符合预设迭代收敛条件，包括：

判断所述结构参数样本集合中的样本数量是否大于等于预设数量阈值，和/或判断所述结构参数样本集合中的所述目标生成对抗样本是否符合预设性能评价阈值。

4.根据权利要求1所述的方法，其特征在于，在根据车体零部件的结构参数样本集合，获取生成对抗网络模型前，还包括：

获取车体零部件的至少一个参数类型以及至少一个备选参数值集合，并根据所述至少一个备选参数值集合为所述至少一个参数类型进行赋值，以获取赋值后的结构参数样本集合；其中，所述参数类型与所述备选参数值集合一一对应。

5.根据权利要求1所述的方法，其特征在于，所述根据车体零部件的结构参数样本集合，获取生成对抗网络模型，包括：

对所述结构参数样本集中的各所述结构参数样本进行性能测试，并根据所述性能评价规则，对各所述结构参数样本进行分类，以获取正结构参数样本和负结构参数样本；

根据所述正结构参数样本和所述负结构参数样本，对初始生成对抗网络模型进行训练，以获取中间生成对抗网络模型；

通过所述中间生成对抗网络模型的生成器输出中间生成对抗样本，并通过所述中间生成对抗网络模型的判别器，判断所述中间生成对抗样本是否为正结构参数样本；

若所述中间生成对抗网络模型的判别器，判断所述中间生成对抗样本是正结构参数样本，则将所述中间生成对抗网络模型作为训练完成的生成对抗网络模型；

若所述中间生成对抗网络模型的判别器，判断所述中间生成对抗样本不是正结构参数样本，则根据所述正结构参数样本和所述负结构参数样本，继续对所述中间生成对抗网络模型进行训练，直至所述中间生成对抗网络模型的生成器输出的中间生成对抗样本，被所述中间生成对抗网络模型的判别器判断为正结构参数样本时，将所述中间生成对抗网络模型作为训练完成的生成对抗网络模型。