【技术实现步骤摘要】
本专利技术涉及适配器，尤其涉及基于信息融合特征均衡算子的适配器应变场预测方法。
技术介绍
1、箱式发射是导弹发射的一种常见方式，其中适配器是连接导弹和发射箱的关键部件，对导弹起到固定、减震和径向支撑作用还起到对导弹发射的导引作用。为提高导弹储存安全和发射性能，需要对适配器的结构进行优化设计。由于适配器的应变场分布决定了其支撑性能，精确的应变场分布评估对于计算其支撑性能，指导最优构型设计起着至关重要的作用。
2、在现有技术中，使用传统的高精度的有限元仿真模型会导致仿真耗时、计算成本高昂；而基于深度学习的物理场预测方法在处理变几何结构、应变集中区域时，预测精度和计算效率仍然存在不足。
3、因此，寻找一种既能够对于变集合适配器应变进行预测，又能够提高预测精度和速度的方法，是本领域技术人员亟待解决的技术问题。
技术实现思路
1、有鉴于此，本专利技术提出了一种基于信息融合特征均衡算子的适配器应变场预测方法，其能够增强对几何特征的提取能力和建模能力，显著提升预测精度，使基于信息...
【技术保护点】
1.一种基于信息融合特征均衡算子的适配器应变场预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于信息融合特征均衡算子的适配器应变场预测方法，其特征在于，所述基于信息融合特征均衡算子神经网络模型以深度神经算子网络为基础，包含信息融合模块、特征均衡学习模块和傅里叶特征嵌入层，所述信息融合模块主干网络和支干网络分别包括n个隐藏层和一个嵌入层。
3.如权利要求2所述的一种基于信息融合特征均衡算子的适配器应变场预测方法，其特征在于，所述基于信息融合特征均衡算子神经网络模型的训练过程如下：
4.如权利要求3所述的一种基于信息融...
【技术特征摘要】
1.一种基于信息融合特征均衡算子的适配器应变场预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于信息融合特征均衡算子的适配器应变场预测方法，其特征在于，所述基于信息融合特征均衡算子神经网络模型以深度神经算子网络为基础，包含信息融合模块、特征均衡学习模块和傅里叶特征嵌入层，所述信息融合模块主干网络和支干网络分别包括n个隐藏层和一个嵌入层。
3.如权利要求2所述的一种基于信息融合特征均衡算子的适配器应变场预测方法，其特征在于，所述基于信息融合特征均衡算子神经网络模型的训练过程如下：
4.如权利要求3所述的一种基于信息融合特征均衡算子的适配器应变场预测方法，其特征在于，步骤s32具体包括：
5.如权利要求4所述的一种基于信息融合特...
【专利技术属性】
技术研发人员：周奇，权德森威，谢婷丽，胡杰翔，罗舒杨，黄旭丰，吴金红，龙田，金正龙，李保平，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
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。