本成果解決了車體結構板件參數多、數量大，現有商業軟件難以開展車體優化設計等難題，實現了車體結構的快速建模、高效模態分析和輕量協同優化設計，計算效率較商業仿真軟件大幅度提高。同時，本成果還具有以下創新點：

1.研究車體結構材料的形狀和構成特性，提出了基于圖像識別的車體智能建模方法，關鍵節點的精準度可保持在95%以上，提高了車體結構在橫截面維度建模的效率和便捷性。

2.研究車體截面的幾何特性，采用向量化的計算方式對車體截面實現了特性表征，提高計算效率的同時也為后續輕量協同優化提供了支持。

3.探究車體結構的變形特點，提出CUF高階梁理論的截面降階和動剛度法軸向降階方法，在保證精度前提下最大限度減小自由度，進一步提高了建模和計算效率。

4.研究車體結構的力學特性，結合機器學習等高效優化算法，構建結構尺寸、形狀、拓撲優化設計模型，實現大規模多設計變量的輕量化及動力特性優化研究，計算效率與傳統優化方法相比提高3個數量級，優化效果可提升10%左右。

5.本成果所用框架和算法均采用PYTHON語言編寫完成，具有完全自主知識產權，可突破國外限制。