【技术实现步骤摘要】
一种基于图像特征学习的曲线加筋结构布局智能设计方法
本专利技术属于工程薄壁加筋结构设计领域,尤其涉及一种基于图像特征学习的曲线加筋结构布局智能设计方法。
技术介绍
曲线加筋布局设计由于具有更大的结构设计空间,会使得加筋结构的刚度分布、加载路径更加灵活,提高结构的承载效率,因此成为运载火箭、飞机、船舶等工程领域的研究热点。然而相对于传统的直线加筋结构,曲线加筋结构的路径表征函数更加复杂,导致设计变量爆炸式增长,进而严重地制约了曲线加筋结构布局优化设计,尤其对于设计变量数目动态变化的曲线加筋结构,基于传统代理模型的结构优化设计方法更加难以开展。
技术实现思路
针对曲线加筋结构布局优化设计中出现的诸多难点,本专利技术提出一种基于图像特征学习的曲线加筋结构布局智能设计方法,通过搭建深度学习网络提取曲线路径布局图像的结构特征,进一步优化曲线加筋结构布局设计,解决了传统优化方法所面临的困难,并为相关领域提供一种有效可行的方法。为了达到上述目的,本专利技术采用的技术方案如下:一种基于图像特征学习的曲线加筋结构布局智能设计方法,包括以下步骤:步骤100:选取曲线加筋路径函数生成图像集,输入自编码网络进行无监督学习训练,完成曲筋图像结构特征的提取,包括以下子步骤:步骤101:选取路径函数B(t),并确定加筋薄壁结构路径函数设计变量,如式(1.1)所示;B(t)=(1-t)2Ps(xs,ys)+2t(1-t)Pm(xm,ym)+t2Pe(xe,ye),t∈[0,1](1.1)< ...
【技术保护点】
1.一种基于图像特征学习的曲线加筋结构布局智能设计方法,其特征在于,包括以下步骤:/n步骤100:选取曲线加筋路径函数生成图像集,输入自编码网络进行无监督学习训练,完成曲筋图像结构特征的提取,包括以下子步骤:/n步骤101:选取路径函数B(t),并确定加筋薄壁结构路径函数设计变量,如式(1.1)所示;/nB(t)=(1-t)
【技术特征摘要】
1.一种基于图像特征学习的曲线加筋结构布局智能设计方法,其特征在于,包括以下步骤:
步骤100:选取曲线加筋路径函数生成图像集,输入自编码网络进行无监督学习训练,完成曲筋图像结构特征的提取,包括以下子步骤:
步骤101:选取路径函数B(t),并确定加筋薄壁结构路径函数设计变量,如式(1.1)所示;
B(t)=(1-t)2Ps(xs,ys)+2t(1-t)Pm(xm,ym)+t2Pe(xe,ye),t∈[0,1](1.1)
其中,B(t)为路径函数,t为路径函数控制变量,Ps(xs,ys)为路径起点坐标,Pm(xm,ym)为路径内一点坐标,Pe(xe,ye)为路径终点坐标;
步骤102:根据结构不同边界类型组合确定路径函数类型,并对曲线加筋结构路径函数的设计域空间进行约束;
步骤103:确定每张曲线加筋结构图像的大小m*n,生成无监督学习训练所用的训练图像集N0;
步骤104:搭建对曲线加筋结构布局图像的解码网络模型E和编码网络模型D;
步骤105:将图像解码网络模型E和编码网络模型D进行组合,形成自编码网络模型;
步骤106:将曲线加筋布局图像集N0输入自编码网络模型;
步骤107:完成自编码网络模型对曲线加筋图像集N0的训练过程;
步骤108:提取自编码网络模型训练后的解码网络模型E;
步骤200:建立曲线加筋结构力学响应的分析模型,形成用于有监督学习训练的数据集,进一步输入由步骤108解码网络模型和全连接层搭建的卷积神经网络模型,完成曲线加筋结构力学响应的学习,包括以下子步骤:
步骤201:根据曲线路径函数B(t)建立曲线加筋结构模型;
步骤202:设置结构位移载荷边界条件,进行结构力学响应分析;
步骤203:确定每张曲线加筋结构图像的大小m*n,根据图像对应结构力学响应,生成用于有监督学习模型训练及检验的训练集N1、检验集N2;另外设置用于模型优劣的评价标准,如式(1.2)所示,选取均方根(%RMSE)作为模型的误差评估;
其中,n为样本数量,yi为结构响应值,为模型预测值;
步骤204;由步骤108的解码网络模型E和两个全连接层搭建卷积神经网络模型F;
步骤205:将含力学响应标签的训练集N1输入卷积神经网络模型F中进行训练;
步骤206:根据检验集N2对卷积神经网络模型F的准确性进行判定,完成卷积神...
【专利技术属性】
技术研发人员:郝鹏,张坤鹏,刘大川,王博,李刚,段于辉,石云峰,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。