-
公开(公告)号：CN118588189B
公开(公告)日：2024-10-18
申请号：CN202411075170.6
申请日：2024-08-07
Applicant: 福建农林大学 , 福建建工集团有限责任公司
IPC: G16C20/10 , G16C20/70 , G16C60/00 , G06F30/13 , G06F30/27 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094 , G06F119/14 , G06F111/04
Abstract: 本发明公开了一种基于图约束生成对抗网络的UHPC配合比AI生成方法，其包括：步骤1、数据准备和预处理，步骤2、构建图结构Graph，步骤3、融入约束条件，步骤4、构建GC‑GAN，步骤5、训练GC‑GAN，步骤6、使用GC‑GAN生成配合比。本发明能够根据复杂土木结构的功能目标，输入满足需求的UHPC应力‑应力关系，并根据设定的多重材料指标约束条件，精确、稳定、高效地自动生成UHPC材料配合比，为土木工程师提供UHPC“材料‑结构”一体化设计的快捷工具。
-
公开(公告)号：CN116629080B
公开(公告)日：2023-09-26
申请号：CN202310909623.X
申请日：2023-07-24
Applicant: 福建农林大学
IPC: G06F30/23 , G06F30/27 , G06F30/13 , G06N3/042 , G06N3/0464 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种钢管混凝土叠合构件撞击位移时程图卷积预测方法，包括：获取数据集；将每组特征影响参数和横向位移值作为数据样本；定义图结构的节点、各节点之间的边和图结构；构建特征矩阵和邻接矩阵，图结构在向量空间中用邻接矩阵表示，图结构中的节点在向量空间中用特征矩阵表示；构建图卷积神经网络模型，以数据样本的特征矩阵和邻接矩阵作为输入信号，训练图卷积神经网络模型；将实际工程中的钢管混凝土叠合构件横向撞击荷载时的各特征影响参数输入训练好的图卷积神经网络模型中，获得位移时程曲线的预测结果。本发明高效地预测钢管混凝土叠合构件横向撞击位移时程曲线。
-
公开(公告)号：CN116629080A
公开(公告)日：2023-08-22
申请号：CN202310909623.X
申请日：2023-07-24
Applicant: 福建农林大学
IPC: G06F30/23 , G06F30/27 , G06F30/13 , G06N3/042 , G06N3/0464 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种钢管混凝土叠合构件撞击位移时程图卷积预测方法，包括：获取数据集；将每组特征影响参数和横向位移值作为数据样本；定义图结构的节点、各节点之间的边和图结构；构建特征矩阵和邻接矩阵，图结构在向量空间中用邻接矩阵表示，图结构中的节点在向量空间中用特征矩阵表示；构建图卷积神经网络模型，以数据样本的特征矩阵和邻接矩阵作为输入信号，训练图卷积神经网络模型；将实际工程中的钢管混凝土叠合构件横向撞击荷载时的各特征影响参数输入训练好的图卷积神经网络模型中，获得位移时程曲线的预测结果。本发明高效地预测钢管混凝土叠合构件横向撞击位移时程曲线。
-
公开(公告)号：CN118588189A
公开(公告)日：2024-09-03
申请号：CN202411075170.6
申请日：2024-08-07
Applicant: 福建农林大学 , 福建建工集团有限责任公司
IPC: G16C20/10 , G16C20/70 , G16C60/00 , G06F30/13 , G06F30/27 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094 , G06F119/14 , G06F111/04
Abstract: 本发明公开了一种基于图约束生成对抗网络的UHPC配合比AI生成方法，其包括：步骤1、数据准备和预处理，步骤2、构建图结构Graph，步骤3、融入约束条件，步骤4、构建GC‑GAN，步骤5、训练GC‑GAN，步骤6、使用GC‑GAN生成配合比。本发明能够根据复杂土木结构的功能目标，输入满足需求的UHPC应力‑应力关系，并根据设定的多重材料指标约束条件，精确、稳定、高效地自动生成UHPC材料配合比，为土木工程师提供UHPC“材料‑结构”一体化设计的快捷工具。
-
-
-
Search Results
4
records
(took 0.026 seconds)
