申请/专利权人：合肥工业大学

申请日：2024-02-08

公开（公告）日：2024-03-19

公开（公告）号：CN117725805A

主分类号：G06F30/23

分类号：G06F30/23;G06F30/27;G06T17/20;G06N3/084;G06F18/15;G06F18/2131;G06F18/214;G06F18/21;G06F111/10;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明涉及深度算子网络技术领域，且公开了一种优化的深度算子网络的磁场快速计算方法，建立有限元模型：首先确定要研究的工程问题和结构参数，然后根据问题要求建立相应的有限元模型，确定边界条件，包括材料区域、磁导率、电流密度等参数，对有限元模型进行网格剖分，将结构分成多个小单元，形成网格。该优化的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，用两个全连接神经网络，提取边界条件和格点坐标信息，利用傅里叶变换增加高频部分的权重，使得神经网络更快学习到数据中的高频部分，即高梯度区域，通过以哈达玛积的方式将材料区域和格点坐标进行融合，进一步提高预测精度。

主权项：1.一种优化的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、建立有限元模型：首先确定要研究的工程问题和结构参数，然后根据问题要求建立相应的有限元模型，确定边界条件，包括材料区域、磁导率、电流密度参数；S2、网格剖分：对有限元模型进行网格剖分，将结构分成多个小单元，形成网格；S3、有限元法求解：使用有限元法求解磁场分布，根据所建立的有限元模型和边界条件，运用有限元法求解磁场分布的方程和边界条件，得到磁场的数值解；S4、导出数据并划分训练集和测试集：根据求解的磁场数值解，导出每个有限元格点上的格点坐标、材料区域、磁感应强度、导体区域的重心位置坐标数据，将这些数据划分为训练集和测试集，用于训练和评估神经网络模型；S5、深度算子网络设计：设计深度算子网络，分为分支网络和主干网络，分支网络的输入是重心位置坐标、常数C和电流密度Js，主干网络的输入是格点坐标经过傅里叶变换后的结果，两个网络都采用全连接神经网络结构；S6、加入材料区域信息：为了加快网络的收敛速度，将材料区域融合到主干网络的每一层计算中，通过一个线性层将材料区域和格点坐标的尺寸保持一致，然后利用哈达玛积的方式嵌入到主干网络中；S7、神经网络训练：使用训练集对神经网络进行训练，选择合适的损失函数和优化器，线性层激活函数选择LeakyRelu；S8、模型评估：使用测试集对训练完成的模型进行评估，计算归一化的平均绝对误差来评估精度。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种优化的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