一种基于自注意力机制神经网络的悬臂梁结构设计方法技术

本发明专利技术公开了一种基于自注意力机制神经网络的悬臂梁结构设计方法。该设计方法能够解决传统MMC算法在生成悬臂梁结构的过程中计算迭代时间高的问题，该方法包括模型的获取和使用两个部分，其中模型获取的主要流程为：1、预先使用MMC法生成训练集和测试集；2、对生成的数据进行数据清洗；3、使用多重感知机模型构建类词向量模型；4、使用改进的Transformer模型来生成的最终的输出；5、使用模型进行训练；6、使用模型得到最后的结果。本发明专利技术使用最终模型进行结构优化设计时，通过输入边界条件向量进入模型得到模型输出，再将输出输入MMC绘图函数从而实现最终优化结构的快速计算。

【技术实现步骤摘要】
一种基于自注意力机制神经网络的悬臂梁结构设计方法
本专利技术属于人工智能和结构设计优化领域，尤其涉及一种基于自注意力机制神经网络的悬臂梁结构设计方法。
技术介绍
为了在给定的负载情况、约束条件和性能指标下设计出最优的悬臂梁结构，国内外的研究者应用拓扑优化方法来进行优化设计。拓扑优化的基本思想是将寻求结构的最优拓扑问题转化为在给定的设计区域内寻求最优材料的分布问题，目前拓扑优化方法主要有SIMP算法、ESO算法、水平集法和MMC算法等，以上方法的计算量取决于设计域的规模，随着设计域的不断增大，计算量成倍增加，使得获取最优设计结果需要花费很长的时间。随着深度学习的不断发展，其在各个领域的作用也越来越大；深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。基于深度学习中的神经网络模型，可以定义约束条件矩阵，输入神经网络，通过训练出一个收敛好的神经网络模型，克服生成悬臂梁结构时计算量过大，生成结果花费时间长的问题。
技术实现思路
本专利技术提供了一种基于自注意力本文档来自技高网...

【技术保护点】
1.一种基于自注意力机制神经网络的悬臂梁结构设计方法，其特征在于，包括以下步骤：/n1)使用MMC算法准备悬臂梁结构数据；/n2)对生成的悬臂梁结构数据进行数据清洗；/n3)使用多重感知机模型构建类词向量模型；/n4)使用改进过的Transformer模型来生成的最终的输出；/n5)使用K折交叉验证的方法训练模型；/n6)使用最终模型输出最终结果。/n

【技术特征摘要】
1.一种基于自注意力机制神经网络的悬臂梁结构设计方法，其特征在于，包括以下步骤：
1)使用MMC算法准备悬臂梁结构数据；
2)对生成的悬臂梁结构数据进行数据清洗；
3)使用多重感知机模型构建类词向量模型；
4)使用改进过的Transformer模型来生成的最终的输出；
5)使用K折交叉验证的方法训练模型；
6)使用最终模型输出最终结果。


2.根据权利要求1所述的一种基于自注意力机制神经网络的悬臂梁结构设计方法，其特征在于，步骤1)的具体实现方法如下：
101)使用MMC算法来生成输入向量和输出向量来构建悬臂梁结构数据集；
102)按照8：1：1的比例将生成的悬臂梁结构数据集分为训练集、测试集和验证集。


3.根据权利要求2所述的一种基于自注意力机制神经网络的悬臂梁结构设计方法，其特征在于，步骤2)的具体实现方法如下：
对于步骤1)中获取数据集的悬臂梁结构数据，进行悬臂梁结构数据筛选，从悬臂梁结构数据集中挑选出生成效果不理想的数据进行删除。


4.根据权利要求3所述的一种基于自注意力机制神经网络的悬臂梁结构设计方法，其特征在于，步骤3)的具体实现方法如下：
使用多重感知机算法将原始数据进行尺寸变化，将输入的边界条件的一维向量转化为符合MMC算法数据格式的二维向量，并作为下一层模型的输入传入到下一层的模型...

【专利技术属性】
技术研发人员：郑帅，栗阳阳，范浩杰，洪军，李宝童，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61