申请/专利权人:广东工业大学
申请日:2023-03-28
公开(公告)日:2023-08-08
公开(公告)号:CN116561940A
主分类号:G06F30/18
分类号:G06F30/18;G06F30/27;G06F30/23;G06N3/045;G06N3/082
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.08.25#实质审查的生效;2023.08.08#公开
摘要:本发明针对现有技术的局限性,提出了一种基于Swin‑Transfomer的结构拓扑优化方法,本发明提出了一种基于Swin‑Transfomer的神经网络架构,该架构从初始应力中学习,该模型利用结构的初始主应力矩阵代替结构的荷载情况和边界条件作为输入,可以基于相对较少的样本产生高精度的拓扑预测结果;还可以通过反向传播进行自我调整,以达到更好地预测优化结果。
主权项:1.一种基于Swin-Transfomer架构的结构拓扑优化预测模型的建立方法,其特征在于,包括以下步骤:S1,获取结构样本;对所述结构样本进行拓扑优化,获得初始应力矩阵以及样本优化结果;所述初始主应力矩阵为在前述拓扑优化过程的第一次迭代中通过有限元分析获得的主应力矩阵;S2,构建基于Swin-Transfomer架构的模型;S3,以所述初始主应力矩阵表示的图片作为训练数据,以所述样本优化结果作为训练标签,对所述步骤S2构建的模型进行训练,获得结构拓扑优化预测模型。
全文数据:
权利要求:
百度查询: 广东工业大学 基于Swin-Transfomer的结构拓扑优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。