基于卷积神经网络的结构位移响应预测方法、装置和介质制造方法及图纸

本发明专利技术公开了一种基于卷积神经网络的结构位移响应预测方法、装置和介质，该方法首先进行数据准备阶段，包括定义结构的几何形状和尺寸，确定材料性质参数，并明确结构的边界条件；再进行离散化和数据预处理阶段，将结构的几何形状离散化为节点和单元，并将结构信息表示为矩阵形式，并对边界条件进行适当的处理；在网络模型设计和配置阶段，选择合适的卷积神经网络结构，确定激活函数和正则化方法，并根据问题的特点调整网络的超参数；随后，在训练数据准备阶段，生成训练样本集，包括输入数据和目标输出数据；使用训练样本集作为输入数据，通过反向传播算法和优化算法来更新网络的权重和偏置。本发明专利技术具有通用性，同时提供了高效准确的预测方法。

【技术实现步骤摘要】

本专利技术涉及结构分析，尤其涉及一种基于卷积神经网络的结构位移响应预测方法、装置和介质。

技术介绍

1、在结构工程领域，结构的位移响应预测是一个重要的课题。传统的方法主要基于数值模拟和解析，其中常用的方法包括有限元分析、边界元分析、解析解等。这些方法能够提供准确的结果，但在处理大规模结构和复杂加载条件时计算量较大，且需要对结构进行简化和假设，存在一定的局限性。近年来，基于机器学习和深度学习的方法在结构位移响应预测领域得到了广泛应用。其中，卷积神经网络（convolutional neural network，cnn）是一种被广泛探索和应用的深度学习模型，其在图像处理和模式识别领域取得了显著的成果。然而，在结构分析计算领域，深度学习方法的应用与融合仍处于探索阶段。现有方法大多采用较为原始的前馈神经网络，少部分采用深度神经网络或卷积神经网络进行全局的结构位移响应预测。然而，这些研究主要面向特定任务，缺乏通用模型，需要对网络结构进行修改和快速调整以适应新的目标任务。此外，输入数据通常需要人工筛选，且缺乏通用性，手工处理的数据特征与“端到端”智能方法不符，限制了深本文档来自技高网...

【技术保护点】

1.一种基于卷积神经网络的结构位移响应预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于卷积神经网络的结构位移响应预测方法，其特征在于，所述步骤（1）具体包括：

3.根据权利要求1所述的基于卷积神经网络的结构位移响应预测方法，其特征在于，所述将结构的几何形状进行离散化，以将其划分为节点和单元，并确定节点之间的连接关系，具体包括：

4.根据权利要求1所述的基于卷积神经网络的结构位移响应预测方法，其特征在于，所述对结构的输入数据以及得到的节点和单元信息进行预处理，以将其转换为结构位移响应预测模型要求的输入数据表示形式，具体包括：

...

【技术特征摘要】

1.一种基于卷积神经网络的结构位移响应预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于卷积神经网络的结构位移响应预测方法，其特征在于，所述步骤（1）具体包括：

3.根据权利要求1所述的基于卷积神经网络的结构位移响应预测方法，其特征在于，所述将结构的几何形状进行离散化，以将其划分为节点和单元，并确定节点之间的连接关系，具体包括：

4.根据权利要求1所述的基于卷积神经网络的结构位移响应预测方法，其特征在于，所述对结构的输入数据以及得到的节点和单元信息进行预处理，以将其转换为结构位移响应预测模型要求的输入数据表示形式，具体包括：

5.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：舒江鹏，董腾方，李俊，金振奋，宋佳旺，宁英杰，许璟琳，
申请(专利权)人：浙江大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人