关键词：汽车吸能盒;耐碰撞性;有限元分析;机器学习;图卷积神经网络;长短期记忆神经网络
摘 要：汽车零部件正向设计中，为快速预测所设计的吸能结构的碰撞吸能特性，以吸能盒为研究对象，通过有限元压溃变形仿真生成数据集，训练得到一种新的可识别几何结构和记忆时序特征的预测模型。模型通过基于图的编码器进行几何结构识别，采用长短期记忆网络和图卷积神经网络处理时序数据，并输出预测结果。对比表明：吸能盒压溃形态预测结果与有限元仿真结果一致，压溃变形量的预测精度可达95.33%，最大吸能值的预测精度可达99.98%。预测模型相较于有限元计算，其计算效率分别提高了174.5倍和210.5倍，可以快速准确地预测吸能盒的碰撞性能。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取