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！

龙图腾网获悉拾音汽车科技(上海)有限公司申请的专利一种基于生成对抗网络（GAN）的车身拓扑优化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：CN119989949B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510472501.8，技术领域涉及：G06F30/27；该发明授权一种基于生成对抗网络（GAN）的车身拓扑优化方法及系统是由顾炎;李友文设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本一种基于生成对抗网络（GAN）的车身拓扑优化方法及系统在说明书摘要公布了：本发明涉及一种基于生成对抗网络（GAN）的车身拓扑优化方法及系统，属车辆与计算机深度学习应用领域。其中，该方法包括获取历史车身拓扑优化数据，去除冗余特征并数据增强得到历史车身拓扑优化数据集，历史车身拓扑优化数据包括车辆载荷数据、车身结构边界条件和车身结构几何数据；根据历史车身拓扑优化数据集通过对抗性双态映射构建生成对抗网络模型，生成对抗网络模型包括生成器、判别器和物理约束；渐进式训练生成对抗网络模型得到车身拓扑优化模型，渐进式训练引入梯度惩罚；基于车身拓扑优化模型生成车身拓扑优化结构，并实施二值化处理和合法性检查。本发明实现了通过生成对抗网络进行车身拓扑优化，计算效率高，精度高，实用性强。

本发明授权一种基于生成对抗网络（GAN）的车身拓扑优化方法及系统在权利要求书中公布了：1.一种基于生成对抗网络的车身拓扑优化方法，其特征在于，所述车身拓扑优化方法的实施包括以下步骤： 获取历史车身拓扑优化数据，去除冗余特征并数据增强得到历史车身拓扑优化数据集，所述历史车身拓扑优化数据包括车辆载荷数据、车身结构边界条件和车身结构几何数据； 根据所述历史车身拓扑优化数据集通过对抗性双态映射构建生成对抗网络模型，所述生成对抗网络模型包括生成器、判别器和物理约束； 所述生成器具体包括： 将所述历史车身拓扑优化数据集输入生成器网络得到车身拓扑优化输入向量，利用深度卷积生成网络，通过卷积层和反卷积层交替结构进行特征图提取并输出二值化拓扑布局； 所述二值化拓扑布局的输出包括： 将所述车身拓扑优化输入向量进行卷积提取载荷敏感特征，数学描述为Cpq r＝f∑m∑nWmn r×Xp+mq+nr-1+vr，其中，Cpq r为第r层卷积后特征图中位置p，q处的载荷敏感特征值，Xp+mq+nr-1为前一层特征图中卷积局部区域内的载荷敏感特征值，Wmn r为生成器卷积核权重，f为激活函数，vr为生成器偏置项； 引入注意力机制，动态加权关键区域，数学描述为αpq＝SoftmaxWa·Cpq+ba，其中，αpq为动态加权值，Wa为权重矩阵，ba为注意力机制偏置项； 利用反卷积操作对特征图进行上采样和重建，数学描述为Xl+1＝fWTl·Cl+bl，其中，WTl为反卷积权重，Cl为卷积层输出的特征图，bl为反卷积偏置项； 重复进行卷积和反卷积操作，输出所述二值化拓扑布局； 所述判别器包括： 将所述二值化拓扑布局与真实结构布局分别输入判别器，通过多层卷积和池化操作提取特征，数学描述为Yl+1＝fWRl·Yl+b′l，其中，Yl+1为判别器第l+1层的特征图，Yl为判别器第l层的特征图，WRl为判别器卷积核权重，b′l为判别器偏置项，f为激活函数，所述判别器的判别器损失函数为ΓD＝-E{logDx|B]-E[log1-Dz|B]，其中，E为期望，Dx|B为判别器认为真实结构布局x为真的概率，Dz|B为判别器认为二值化拓扑布局z为真的概率；输出判别器概率； 渐进式训练所述生成对抗网络模型得到车身拓扑优化模型，渐进式训练引入梯度惩罚； 基于所述车身拓扑优化模型生成车身拓扑优化结构，并实施二值化处理和合法性检查。

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拾音汽车科技(上海)有限公司，其通讯地址为：201100 上海市闵行区七莘路1189号4幢2层；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”。