申请/专利权人：合肥工业大学

申请日：2024-02-05

公开（公告）日：2024-03-15

公开（公告）号：CN117709170A

主分类号：G06F30/23

分类号：G06F30/23;G06F30/27;G06N3/0455;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明涉及深度算子网络技术领域，且公开了一种基于改进深度算子网络的磁场快速计算方法，确定模型和参数：首先确定建立的有限元模型类型以及结构参数，并基于这些参数进行网格剖分，在建立有限元模型时确定边界条件，包括磁场条件和材料参数。该基于改进深度算子网络的磁场快速计算方法，通过在深度算子网络的基础上，利用U‑net卷积神经网络提取相对磁导率信息，用两个全连接神经网络，提取边界条件和格点坐标信息，以哈达玛积的方式将相对磁导率和格点坐标进行融合，进一步提高预测精度，用变化的边界条件、网格顶点坐标和对应的有限元解构建训练集，经过训练后的网络能够快速预测未经训练边界条件下的电磁场分布。

主权项：1.一种基于改进深度算子网络的磁场快速计算方法，其特征在于：其操作步骤如下：S1、确定模型和参数：首先确定建立的有限元模型类型以及结构参数，并基于这些参数进行网格剖分；S2、边界条件的设定：在建立有限元模型时确定边界条件，包括磁场条件和材料参数；S3、有限元法求解磁场：采用有限元法求解各种工况条件下的磁场，获得磁场分布结果；S4、数据导出和整理：将每个有限元格点上的格点坐标、相对磁导率、磁感应强度、常数C和电流密度Js数据导出，并划分为训练集和测试集；S5、数据填充和预处理：将导出的数据进行处理，填充为正方形尺寸，以保证输入数据的格式合适，为后续神经网络模型的输入做准备，填充的数据采用原有数据中的第0个数据点的值；S6、神经网络设计：搭建分支网络1、分支网络2和主干网络的结构，包括全连接神经网络、U-net卷积神经网络，确定每层的神经元个数和参数配置；S7、神经网络训练：利用训练集进行神经网络的训练，选择损失函数、优化器以及激活函数参数；S8、模型评估：训练完成后，将模型应用于测试集，并通过归一化的平均绝对误差（NMAE）来评估模型的精度。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于改进深度算子网络的磁场快速计算方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD