【技术实现步骤摘要】
本专利技术属于计算力学与人工智能交叉，尤其涉及一种基于物理信息神经网络pinns的最大应力强度预测方法及其系统。
技术介绍
1、在工程领域，精确预测材料和结构在不同工况下的最大应力强度至关重要。传统基于数值计算方法(如有限元法)虽然广泛应用，但存在局限性。需精细网格划分，计算成本也随着问题复杂度急剧上升，对复杂几何形状和非线性问题处理效率较低。同时，传统神经网络用于应力强度预测时，因未融入物理知识，需要大量的样本训练，模型可解释性差，泛化能力有限。确定合适的神经网络结构不易，简单的结构难以学习复杂的物理关系，复杂结构易过拟合，从而影响模型的性能与效率。在将物理信息准确融入模型时较困难，转化约束形式以及与训练的结合存在着挑战，若融入不当，模型预测结果则缺乏物理可解释性。在训练过程中计算量大、收敛慢，容易出现梯度问题，导致训练的不稳定性，并且也会增加开发成本，影响模型的最终性能和效率。
2、综上所述，材料在复杂边界条件和载荷条件下的应力分布复杂，传统计算方法容易使预测结果偏离实际，从而影响工程安全与经济。研究物理信息神经网络在不...
【技术保护点】
1.一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，步骤1中，所述数据，包括几何尺寸、材料参数、施加的载荷大小和方向及模拟到的最大应力强度值。
3.根据权利要求1所述的一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，步骤2具体包括如下步骤：
4.根据权利要求3所述的一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，所述应力边界条件：
5.根据权利要求1所述的一种基于物理信息神经网络的最大应...
【技术特征摘要】
1.一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，步骤1中，所述数据，包括几何尺寸、材料参数、施加的载荷大小和方向及模拟到的最大应力强度值。
3.根据权利要求1所述的一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，步骤2具体包括如下步骤：
4.根据权利要求3所述的一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，所述应力边界条件：
5.根据权利要求1所述的一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，步骤3具体包括如下步骤：
6.根据权利要求1所述的一种基于物理信息神经网络的最大应力强度预测方法，其特征在于，步骤4中，所述...
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。