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！

龙图腾网获悉吉林大学申请的专利基于物理参数嵌入的车辆载荷谱预测方法、设备和介质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：CN121723112B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610202021.4，技术领域涉及：G06F18/20；该发明授权基于物理参数嵌入的车辆载荷谱预测方法、设备和介质是由靳立强;彭金鑫;李建华;廖庚华;宋双贺;肖峰;张旭;彭思仑设计研发完成，并于2026-02-12向国家知识产权局提交的专利申请。

本基于物理参数嵌入的车辆载荷谱预测方法、设备和介质在说明书摘要公布了：本发明公开了一种基于物理参数嵌入的车辆载荷谱预测方法、设备和介质，属于车辆结构耐久性测试与载荷谱预测技术领域，方法包括：构建车辆底盘拓扑图，定义节点和边的初始特征向量；拼接路面输入向量和车辆运行状态向量形成全局时序序列后输入时空耦合深度预测模型中，预测车辆载荷谱；时空耦合深度预测模型包括Transformer编码器和GNN编码器，Transformer编码器提取路面激励特征向量，GNN编码器将路面激励特征向量注入到车辆底盘拓扑图中，通过多层图神经网络更新所有节点的特征向量后预测车辆载荷谱。本发明直接从数据中挖掘车辆动力学的潜在规律，避免将车辆视为黑盒，实现任意设计参数组合下载荷谱快速生成。

本发明授权基于物理参数嵌入的车辆载荷谱预测方法、设备和介质在权利要求书中公布了：1.基于物理参数嵌入的车辆载荷谱预测方法，其特征在于，包括以下步骤： 构建车辆底盘拓扑图，并根据车辆的物理参数定义节点和边的初始特征向量；其中，车辆底盘拓扑图的节点为车辆底盘的关键硬点，边为连接关键硬点的物理零部件； 通过车辆行驶过程采样生成路面输入向量以及车辆运行状态向量，并将两者拼接形成全局时序序列； 将全局时序序列输入时空耦合深度预测模型中，输出预测的车辆载荷谱；所述时空耦合深度预测模型包括Transformer编码器以及GNN编码器，所述Transformer编码器用于提取全局时序序列中的路面激励特征向量； 所述GNN编码器将路面激励特征向量注入到车辆底盘拓扑图中，并基于节点和边的初始特征向量，通过多层图神经网络更新所有节点的特征向量后预测车辆载荷谱，具体为： 将路面激励特征向量拼接至车辆底盘拓扑图的轮心节点上，以得到所有节点的输入特征向量； ； 其中，为节点的输入特征向量，为节点的初始特征向量，为路面激励特征向量，表示拼接操作，表示全零向量，维度与的维度相同； 将节点的输入特征向量以及边的初始特征向量输入多层图神经网络中，以更新所有节点的特征向量； ；；； 其中，为第层图神经网络中，从邻居节点传递给节点的信息，表示从邻居节点传递给节点，为第层图神经网络的多层感知机，和分别为经过第层图神经网络更新后节点的特征向量和邻居节点的特征向量，当时，和分别为节点和邻居节点的输入特征向量，为连接节点和其邻居节点的边的初始特征向量，为节点接收到的所有消息总和，为节点的所有邻居节点集合，表示力的矢量合成，为经过第层图神经网络更新后节点的特征向量，为第层图神经网络的节点特征更新函数； 根据更新后所有节点的特征向量以及边的初始特征向量，通过GNN编码器的输出层预测车辆载荷谱； ； ； 其中，为时刻预测的边的载荷向量，为GNN编码器输出层的多层感知机，为经过第层图神经网络更新后节点的特征向量，为经过第层图神经网络更新后邻居节点的特征向量，为GNN编码器中图神经网络的层数，、和分别为边对应的物理零部件沿整车坐标系X、Y和Z方向的受力，、和分别为边对应的物理零部件绕整车坐标系X、Y和Z三个轴旋转的力矩，表示转置，为时刻预测的车辆载荷谱，表示维的实数特征空间，为车辆底盘拓扑图节点数量。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。