公开(公告)号：CN115688229B

公开(公告)日：2023-05-02

申请号：CN202211270534.7

申请日：2022-10-18

Applicant: 河海大学

Inventor： 伞冰冰 ,  张业成 ,  毋凯冬 ,  王倩

IPC: G06F30/13 ,  G06F30/23 ,  G06F30/27 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094 ,  G06F119/02 ,  G06F119/14

Abstract: 本发明公开了一种基于深度学习的网壳结构最不利缺陷模态创建方法。该方法基于生成对抗网络模型，由生成网络和判别网络两个部分组成。生成网络用于建立输入层网壳结构的特征参数与输出层网壳结构初始几何缺陷模态之间的特征映射关系，以较为准确地生成网壳结构的最不利几何缺陷模态。判别网络用于鉴别有限元给出的、生成网络生成的网壳结构最不利几何缺陷，优化生成网络的参数，提升生成网络的网壳最不利缺陷生成能力。最后，使用ANSYS有限元软件计算，验证该最不利缺陷模态创建方法的有效性和准确性。本发明基于深度学习强大的数值分析和拟合能力，能够建立网壳结构多个参数和最不利几何缺陷的关系，计算结果精度高。

公开(公告)号：CN114239330A

公开(公告)日：2022-03-25

申请号：CN202111283750.0

申请日：2021-11-01

Applicant: 河海大学

Inventor： 伞冰冰 ,  王倩 ,  毋凯冬

IPC: G06F30/23 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/14

Abstract: 本发明公开了一种基于深度学习的大跨度网壳结构形态创建方法，该方法基于深度学习网络模型，发掘输入层大跨度网壳结构控制点几何特征变量和输出层结构应变能之间的最优映射关系，通过对预测值和大跨度网壳结构应变能实际值之间产生的误差进行反向传播来训练模型，实现大跨度网壳结构应变能最小的目标，最后使用ANSYS有限元软件对创建的大跨度网壳结构力学性能分析，并对薄弱区加强，实现力学性能优化。本发明通过数据训练实现自我学习，提高大跨度网壳结构形态优化效率和精度。

公开(公告)号：CN115688229A

公开(公告)日：2023-02-03

申请号：CN202211270534.7

申请日：2022-10-18

Applicant: 河海大学

Inventor： 伞冰冰 ,  张业成 ,  毋凯冬 ,  王倩

IPC: G06F30/13 ,  G06F30/23 ,  G06F30/27 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094 ,  G06F119/02 ,  G06F119/14

Abstract: 本发明公开了一种基于深度学习的网壳结构最不利缺陷模态创建方法。该方法基于生成对抗网络模型，由生成网络和判别网络两个部分组成。生成网络用于建立输入层网壳结构的特征参数与输出层网壳结构初始几何缺陷模态之间的特征映射关系，以较为准确地生成网壳结构的最不利几何缺陷模态。判别网络用于鉴别有限元给出的、生成网络生成的网壳结构最不利几何缺陷，优化生成网络的参数，提升生成网络的网壳最不利缺陷生成能力。最后，使用ANSYS有限元软件计算，验证该最不利缺陷模态创建方法的有效性和准确性。本发明基于深度学习强大的数值分析和拟合能力，能够建立网壳结构多个参数和最不利几何缺陷的关系，计算结果精度高。

公开(公告)号：CN114239330B

公开(公告)日：2022-06-10

申请号：CN202111283750.0

申请日：2021-11-01

Applicant: 河海大学

Inventor： 伞冰冰 ,  王倩 ,  毋凯冬

IPC: G06F30/23 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/14

Abstract: 本发明公开了一种基于深度学习的大跨度网壳结构形态创建方法，该方法基于深度学习网络模型，发掘输入层大跨度网壳结构控制点几何特征变量和输出层结构应变能之间的最优映射关系，通过对预测值和大跨度网壳结构应变能实际值之间产生的误差进行反向传播来训练模型，实现大跨度网壳结构应变能最小的目标，最后使用ANSYS有限元软件对创建的大跨度网壳结构力学性能分析，并对薄弱区加强，实现力学性能优化。本发明通过数据训练实现自我学习，提高大跨度网壳结构形态优化效率和精度。