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。